一种基于特征解耦的跨个体癫痫预测域泛化方法

本发明公开了一种基于特征解耦的跨个体癫痫预测域泛化方法，该方法通过提取多种癫痫预测中常用的时频特征，利用时空多尺度卷积神经网络进行有效融合，充分捕捉EEG信号中的短期与长期依赖关系及局部与全局空间结构；进而通过特征解耦策略将融合特征划分为域不变特征与域相关特征，并采用对抗训练抑制域不变特征中包含的个体信息，从而提升模型在未知受试者数据上的泛化能力。本发明显著提升了跨受试癫痫预测的准确性，减少了对新受试者长期数据采集的依赖，为癫痫预测的实际应用提供了切实可行的技术路径。