热点事件观察中
EEG-ECG多模态新生儿癫痫预测框架
1 篇报道1 家媒体或机构11 天前更新
先了解这件事
AI 综述
2026年10月14日，arXiv eess.SP 发布一项研究，提出一种可解释的多模态框架，将 EEG 与 ECG 结合用于新生儿癫痫预测，并引入患者自适应迁移学习。该框架采用约 70k 参数的轻量卷积神经网络处理 MFCC 特征，并加入 squeeze-and-excitation 注意力机制，在 Helsinki 与 Siena 新生儿 EEG-ECG 数据集上进行评估。报道未披露具体预测性能指标，也未提及与其他方法的对比结果。
AI 根据报道生成 · 10 天前更新
最新进展10月14日 12:00
新研究提出约70k参数的轻量EEG-ECG多模态框架，用于新生儿癫痫预测。全部报道
同一件事各家媒体的报道，按发布时间排列。事情有了新的进展时，会单独列在「事件进展」里。
10月14日
- arXiv eess.SP（Signal Processing）可解释多模态 EEG-ECG 框架用于新生儿癫痫预测与患者自适应迁移学习
研究提出一种结合 EEG 与 ECG 的可解释多模态框架，用约 70k 参数的轻量卷积神经网络处理 MFCC 特征并加入 squeeze-and-excitation 注意力，在 Helsinki 与 Siena 新生儿 EEG-ECG 数据集上评估。
本事件热度走势
当前热度 1·可比范围峰值 4（10月18日 04:00）·近 24 小时可比范围变化 -18%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。