综述：癫痫研究中的自动化视频-脑电图分析：进展与挑战的叙述性综述

《Journal of Medical Systems》：Automated Video-EEG Analysis in Epilepsy Studies: A Narrative Review of Advances and Challenges

视频脑电图（vEEG）自动化分析在癫痫诊断中的应用进展及新方法提出。当前手动分析vEEG存在效率低、判读一致性差的问题，机器学习在实时癫痫放电检测和视频EEG预测方面取得突破，但受制于癫痫症状多样性、标注歧义及多模态数据不足。本文系统梳理2024年初至2025年最新研究成果，并创新性提出基于概念学习的可解释性疗效评估流程。

　　

摘要

视频脑电图（vEEG）监测目前是癫痫诊断的参考标准。手动分析vEEG记录耗时较长，且即使由经验丰富的医生进行标注，不同评估者之间的共识度也较低；因此，需要自动化、标准化的vEEG标注方法。机器学习的最新进展在实时检测癫痫样放电以及利用EEG和视频数据进行癫痫发作检测和预测方面展现出潜力。然而，癫痫发作症状的多样性、标注的模糊性以及多模态数据集的有限可用性阻碍了相关研究的进展。本文综述了自动化视频EEG分析的最新进展，并讨论了多模态数据的整合方法，重点关注2024年和2025年初发表的研究成果。我们还提出了一种基于概念学习的方法，用于从vEEG数据中估计可解释的治疗效果，为该领域的未来研究提供了方向。