稀疏注意力分层图卷积网络

定位致痫脑区

通过节奏自适应稀疏注意力精准筛选关键脑区和时段，并构建局部-全局分层图结构，全面捕捉电极与节律尺度的动态交互。

Yongkang, Qin · Shuaiying, Yuan · Lei, Ma · Liu, Hao

Knowledge-Based Systems 2026

参数信息

平均AUC (CHB-MIT)
0.935
平均AUC (Siena)
0.947
误报率 (CHB-MIT)
0.071 /h
误报率 (Siena)
0.084 /h

技术优势

精准定位致痫区

节奏自适应稀疏注意力机制针对性地筛选关键脑区和时段，消除冗余信息，从而保留致痫区特异性特征。

整合多域特征

结合小波谱Transformer与多尺度Mamba模块提取频率特异性特征并建模长程时间依赖，利用Haar小波下采样实现高效信号压缩，保留信息完整性。

全面建模动态交互

局部-全局分层图结构利用多域特征，在电极和节律两个尺度上全面捕捉动态时空交互。

应用场景