电极布局各不相同的颅内脑电也能跨患者查癫痫：MOSAIC 用自蒸馏稳住通道连接图
核心概要
颅内脑电的电极数量和位置因患者而异，固定拓扑的检测器在跨患者评估中难以泛化。MOSAIC 用共享卷积编码每个通道，再由单层通道注意力从编码特征推断加权通道邻接矩阵，不需要预设电极布局图；指数滑动平均自蒸馏把每个窗口的邻接拉向缓慢更新的患者级教师。在四个公开颅内脑电语料上，MOSAIC 在 SWEC-ETHZ 短期与长期语料上的 F2 均高于所列基线，短期比最强基线高 1.8 分，长期高 3.3 分。
深度剖析
跨患者检测癫痫时，模型要面对每个患者各不相同的电极数量和位置，MOSAIC 把通道间连接关系本身变成可推断的量，而不是沿用训练时固定的电极布局图。 此前的图神经网络检测器在训练时固定通道邻接，并假定部署时仍然成立；基于 Transformer 的方法改用自注意力绕开固定拓扑，但要付出全自注意力的二次计算与推理延迟。 在 SWEC-ETHZ 短期语料上，MOSAIC 的 F2 为 51.1，比表中最强基线高 1.8 分；在长期语料上 F2 为 50.6，比最强基线高 3.3 分，训练耗时 100 分钟，而多任务 Transformer 为 300 分钟。
每个通道先由同一个一维卷积编码器提取局部时序特征，通道注意力再据此算出逐窗口的加权邻接矩阵，图卷积在这张图上更新节点特征并汇总成窗口级判断。 邻接由单层共享自注意力给出，查询与键先做归一化再点积，并用可学习温度缩放后逐行 softmax，因此不需要任何固定的电极布局图。 在四个公开语料上评估：SWEC-ETHZ 短期与长期采用留一患者协议，Mayo 与 FNUSA 为单通道片段，采用分组留一协议，所有结果取 5 个随机种子的平均。
逐窗口推断的邻接会随信号非平稳而波动，自蒸馏项把每个窗口的邻接拉向该患者自身历史预测的滑动平均，从而只稳定结构、不引入外部监督。 去掉自蒸馏后，短期语料 F2 为 48.3，与均匀邻接对照的 48.8 相当，说明单独学习邻接并不带来增益；只有经过正则化的邻接才比均匀对照高 2.3 分。 在 SWEC-ETHZ 短期语料上，完整 MOSAIC 的 F2 为 51.1、宏 F1 为 64.1、准确率 73.1；去掉时序编码器后 F2 降至 31.2，是消融中降幅最大的一项。
启示与展望
评估限于四个公开颅内脑电语料：SWEC-ETHZ 短期与长期为多通道连续记录，Mayo 与 FNUSA 为单通道固定长度片段，后两者上通道注意力邻接退化为共享编码器。结果均为 5 个随机种子平均，跨患者协议为留一患者或分组留一。
自蒸馏教师只是模型自身预测的平滑副本，因此蒸馏损失只降低邻接的方差，无法纠正系统性偏差，例如持续集中在单一主导通道。作者把扩展蒸馏目标（如引入外部监督）与在头皮脑电上评估列为后续工作。