電脳波（EEG）は、医師が脳の活動を記録し、発作の検出を行うために用いる重要な診断テストである。近年、臨床的な負担を軽減するため、最新の深層学習モデルを用いたEEG信号における発作および異常の検出に関する多数の試みがなされている。しかしながら、これらのモデルは異なる実験環境で評価されており、互いに公平に比較することが困難である。また、一部のモデルはリアルタイムでの発作検出タスクでの学習が行われていないため、端末上での応用には不向きである。本研究では、初めてリアルタイム発作検出フレームワークを用いて、実世界への応用に適した環境下で、複数の最先端モデルおよび信号特徴抽出手法を包括的に比較した。評価には、発作検出モデルの実用的な側面をより適切に評価できるように新たに提案した指標を含む、多様な評価指標を用いた。本研究のコードは、https://github.com/AITRICS/EEG_real_time_seizure_detection にて公開されている。