传统的尖波检测算法，仅能实现时间维度的粗尺度定位，难以识别放电的具体电极。如上图中，传统算法将原始EEG数据切分为两秒长度的EEG片段，检测其中是否存在尖波放电。然而，粗尺度定位无法提供关于尖波放电的细节信息，特别是对于密集放电的癫痫类型，如儿童Rolandic癫痫，一秒内可能重复出现多次放电。EEGX智能脑电分析平台通过先进的统计学与人工智能分析，能够捕捉脑电活动之间复杂的时空相关关系，实现时间与空间分辨率的双突破。尖波识别和定位算法在时间维度分辨率可达到1/500秒，不遗漏放电的每个细微特征。在空间维度，算法可以定位到放电出现的具体电极，从而辅助临床决策，为病种诊断提供更多依据。

高识别精度是医学AI的不懈追求。由于医学数据呈现较强的样本不均衡性，如何平衡算法在漏报（1-敏感性）和误报（1-特异性）之间的性能对于医学算法的临床应用至关重要。EEGX智能脑电分析平台通过对比大量正常生理波形和良性变异，在保持高识别敏感性的同时实现了特异性指标的大幅提升，成为了首个能与人类专家相媲美的尖波识别算法（参考文献）。