يُعدّ التخطيط الكهربائي للدماغ (EEG) فحصًا تشخيصيًا مهمًا يستخدمه الأطباء لتسجيل نشاط الدماغ وكشف النوبات من خلال مراقبة الإشارات. وقد تم بذل عدة محاولات للكشف عن النوبات والاضطرابات في إشارات EEG باستخدام نماذج التعلم العميق الحديثة لتقليل العبء السريري. ومع ذلك، لا يمكن مقارنة هذه النماذج بشكل عادل، نظرًا لأنها تم اختبارها في بيئات تجريبية مختلفة. كما أن بعض هذه النماذج لم تُدرَّس في مهام الكشف في الوقت الفعلي عن النوبات، مما يجعل من الصعب تطبيقها على الأجهزة المحمولة. ولذلك، في هذه الدراسة، ولفترة أولى، نقوم بمقارنة شاملة بين عدة نماذج حديثة جدًا ومحولات ميزات إشارة في إطار للكشف عن النوبات في الوقت الفعلي، يتناسب مع التطبيقات الواقعية، باستخدام معايير تقييم متنوعة، بما في ذلك معيار جديد نقترحه لتقييم جوانب أكثر عملية لنموذج الكشف عن النوبات. يمكن الوصول إلى الكود الخاص بنا من خلال الرابط التالي: https://github.com/AITRICS/EEG_real_time_seizure_detection.