近日，通信工程学院2022级本科生翁祺作为第一作者的论文《Multi-dimensional Hypergraph Fusion Network: A Novel Approach for Pediatric Seizure Detection Using Multimodal Physiological Signals》在物联网领域国际知名期刊《IEEE Internet of Things Journal》正式发表。吴端坡老师为该论文的第一指导教师。
该研究聚焦儿童癫痫发作的可穿戴、多模态生理信号智能检测问题。针对传统癫痫检测方法在长期、日常化监测场景中存在佩戴不便、连续采集困难等问题，论文利用加速度（ACC）、陀螺仪（GYR）、肌电（EMG）和皮肤电（EDA）等多模态生理信号，提出了一种多维超图融合网络（Multi-dimensional Hypergraph Fusion Network, MHFN）。该方法从单模态内部关系、跨模态协同关系和时间动态演化关系三个层面对癫痫相关生理模式进行建模，通过超图卷积网络融合多源特征，并结合时序校正机制提升检测结果的稳定性与连续性。实验结果表明，MHFN在儿童癫痫检测任务中取得了较优性能，准确率达到96.87%，F1分数达到97.19%；同时，该模型在边缘设备上实现了较低推理时延和功耗，展现出在可穿戴健康监测和移动医疗场景中的应用潜力。
“我是在大一时主动联系吴端坡老师，开始参与多模态生理信号分析与癫痫预警方向的研究的。”翁祺表示，“在吴老师的指导下，我主持了国家级大学生创新创业训练计划项目《基于多模态信号分析的癫痫预警系统》，并围绕这一课题持续开展研究。从最初学习基础医学背景和信号处理方法，到后续完成模型设计、代码实现、实验验证和论文撰写，整个过程持续了很长时间，也遇到了不少困难。有时是多模态信号噪声较强、特征差异不明显，有时是模型效果不稳定、实验结果需要反复验证，还有时是论文逻辑和创新点表达需要不断打磨。但正是这些经历，让我逐渐学会了如何把课堂中学到的知识运用到真实问题中，也更加理解了科研工作中严谨、耐心和持续投入的重要性。非常感谢学院开设的综合创新实践课程，为本科生提供了接触科研、了解学科前沿和提升创新能力的平台；也特别感谢吴端坡老师在课题方向、实验设计和论文写作上的悉心指导，使我能够在自己感兴趣的方向上不断深入，并最终取得阶段性成果。”
