[论文解读] EEG-Titans: Long-Horizon Seizure Forecasting via Dual-Branch Attention and Neural Memory

Tien-Dat Pham, Xuan-The Tran|arXiv (Cornell University)|Jan 20, 2026

EEG and Brain-Computer Interfaces被引用 0

一句话总结

EEG-Titans引入了一个带神经记忆的双分支架构，能够从EEG对长期 horizon 的癫痫发作进行预测，在CHB-MIT数据上以安全优先的因果评估实现了高分段敏感性。

ABSTRACT

Accurate epileptic seizure prediction from electroencephalography (EEG) remains challenging because pre-ictal dynamics may span long time horizons while clinically relevant signatures can be subtle and transient. Many deep learning models face a persistent trade-off between capturing local spatiotemporal patterns and maintaining informative long-range context when operating on ultralong sequences. We propose EEG-Titans, a dualbranch architecture that incorporates a modern neural memory mechanism for long-context modeling. The model combines sliding-window attention to capture short-term anomalies with a recurrent memory pathway that summarizes slower, progressive trends over time. On the CHB-MIT scalp EEG dataset, evaluated under a chronological holdout protocol, EEG-Titans achieves 99.46% average segment-level sensitivity across 18 subjects. We further analyze safety-first operating points on artifact-prone recordings and show that a hierarchical context strategy extending the receptive field for high-noise subjects can markedly reduce false alarms (down to 0.00 FPR/h in an extreme outlier) without sacrificing sensitivity. These results indicate that memory-augmented long-context modeling can provide robust seizure forecasting under clinically constrained evaluation

研究动机与目标

• 通过捕捉长期的发作前动力学来提高EEG癫痫发作预测的准确性。
• 开发一个记忆增强的架构，将短期异常与长期上下文结合起来。
• 在安全优先的时间序列保持协议下进行评估，以保留时间因果性。
• 分析在含伪迹量高和儿童EEG上的失败模式，以指导个性化和鲁棒性。

提出的方法

• 提出一个带有空间分块器和基于Titans的时间骨干网络并具神经记忆的双分支架构（MAG）。
• 使用ShallowConvNet作为空间分块器，从多通道EEG片段中生成标记序列。
• 采用Memory-as-a-Gate（MAG）时间骨干，通过可学习的衰减门将局部因果注意力与神经记忆通路融合。
• 通过基于窗口的软融合和每个受试者的阈值设定来处理变异性并降低误报（30分钟的禁发期）。
• 在按时间顺序的保持 protocol 下，使用分段灵敏度和每小时假阳性率进行评估，以反映临床部署。

实验结果

研究问题

• RQ1 记忆增强的时间建模是否能在CHB-MITEEG数据上改善长期预测前发作的预测？
• RQ2 将局部注意力与神经记忆通路结合是否能在因果评估下保持高灵敏度的同时降低误报？
• RQ3 受试者特异性适应（情境扩展）对含伪迹或非平稳儿童EEG的性能有何影响？
• RQ4 在具有不同伪迹负载的儿科EEG中，记忆增强模型的局限性和失败模式是什么？

主要发现

• EEG-Titans在18名CHB-MIT受试者的按时间顺序保持下达成99.46%的平均分段灵敏度，0.3713的FPR/h。
• 在基线配置中，18名中有16名显示100%灵敏度且FPR/h较低(<0.2次警报/小时)。
• CHB15受试者在基线下FPR/h较高(3.8710)，将情境从60s扩展到300s后降至0.00 FPR/h，显示出实际的自适应能力。
• CHB06受试者灵敏度很高（100%），但FPR/h较高（0.90），这可能与儿童年龄特定的非平稳性和短时发作有关，需进行儿科校准。
• 消融研究表明，与仅注意力和LSTM基线相比，记忆增强的TITANS能降低FPR/h，支持长上下文的稳定化效果。
• 与CHB-MIT的最新结果相比，EEG-Titans（Memory）在不使用显式TF变换的标记化特征下，达到99.46%的竞争性灵敏度，且FPR/h适中。