NeuroDETR: Multiscale Discrete Spatiotemporal Tokenization for Asynchronous EEG Event Detection

📄 arXiv: 2610.20349v1 📥 PDF

作者: Yaozhi Wen, Kun Zhao, Wei Wei, Haoyang Chen, Kangning Wang, Yi Sun, Shaowei Gu, Dingkun Liu, Shuang Qiu, Huiguang He

分类: cs.LG

发布日期: 2026-10-14

💡 一句话要点

提出NeuroDETR以解决异步脑电图事件检测问题

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 脑电图 事件检测 脑机接口 多尺度分析 特征精炼 时空建模 深度学习

📋 核心要点

  1. 现有的脑电图事件检测方法面临提取事件相关模式的挑战，尤其是在没有预定义事件边界的情况下。
  2. 本文提出的NeuroDETR框架通过离散时空多尺度标记和事件感知特征精炼来解决这一问题，提升了事件检测的准确性。
  3. 在八个不同的EEG数据集上进行的实验表明，NeuroDETR在性能上超越了现有的最先进方法，展示了显著的提升。

📝 摘要（中文）

异步脑电图事件检测通过直接从连续记录中识别事件类别和时间边界，支持实际的脑机接口。主要挑战在于从持续的背景活动中提取事件相关模式。为此，本文提出了NeuroDETR，一个离散时空多尺度框架，结合了结构化标记和事件感知特征精炼。多尺度时间代码本捕捉短暂响应和持续动态，而空间金字塔VQ则在EEG通道中分层编码空间结构。这些互补表示形成了紧凑的事件记忆，用于联合分类事件及估计其开始和结束。实验结果表明，在八个涵盖不同范式的EEG数据集上，NeuroDETR展现了最先进的性能，为在持续交互和监测中识别有意义的神经活动的BCI系统开发奠定了基础。

🔬 方法详解

问题定义：本文旨在解决异步脑电图事件检测中的事件相关模式提取问题。现有方法在没有预定义事件边界的情况下，难以准确识别事件类别和时间边界。

核心思路：NeuroDETR框架结合了结构化标记和事件感知特征精炼，通过多尺度时间代码本和空间金字塔VQ来捕捉短暂和持续的动态特征，从而提高事件检测的准确性。

技术框架：整体架构包括FOCAL模块用于事件感知的稀疏注意力机制，随后进行多尺度标记和特征精炼，最后形成紧凑的事件记忆以实现事件分类和时间边界估计。

关键创新：NeuroDETR的主要创新在于其离散时空多尺度框架，特别是空间金字塔VQ的引入，使得空间结构的编码更加高效，与现有方法相比，能够更好地捕捉复杂的时空特征。

关键设计：在设计中，FOCAL模块通过预测事件存在性来指导特征精炼和空间聚合，强调可能的事件时期，同时保持记录的上下文信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在八个EEG数据集上的实验结果显示，NeuroDETR在事件检测任务中达到了最先进的性能，相较于现有基线方法，提升幅度显著，展示了其在复杂背景下的有效性和准确性。

🎯 应用场景

该研究的潜在应用领域包括脑机接口（BCI）系统，能够在实时监测和交互中识别有意义的神经活动。这将为医疗、康复和人机交互等领域带来重要价值，推动相关技术的进步和应用。

📄 摘要（原文）

Asynchronous EEG event detection supports practical brain-computer interfaces by identifying event classes and temporal boundaries directly from continuous recordings without predefined event boundaries at inference time. The primary challenge lies in extracting event-related patterns embedded in ongoing background activity. To address this, we propose \textbf{NeuroDETR}, a discrete spatiotemporal multiscale framework that combines structured tokenization with event-aware feature refinement. Multiscale temporal codebooks capture brief responses and sustained dynamics, while Spatial-Pyramid VQ hierarchically encodes spatial structure across EEG channels. These complementary representations form a compact event memory for jointly classifying events and estimating their onsets and offsets. Before tokenization, we apply FOCAL, an event-aware sparse attention module that uses predicted event presence to guide temporal feature refinement and spatial aggregation, emphasizing likely event periods while preserving context across the recording. Experiments on eight EEG datasets that span diverse paradigms demonstrate state-of-the-art performance. These findings provide a basis for the development of BCI systems that recognize meaningful neural activity during continuous interaction and monitoring.