新生児はてんかんに非常に敏感であり、治療が行われない場合、神経障害を引き起こす可能性があります。従来の持続的ビデオ脳波監視（cEEG）は標準的な検出方法ですが、コストと専門知識を要します。本研究では、間欠期状態と発作前状態を区別することで、新生児のてんかんを早期に予測できる畳み込みニューラルネットワークモデルを提案しています。このモデルは患者に依存せず、複数の被験者に一般化可能であり、EEGおよびECG信号から抽出されたメル周波数ケプストラム係数行列を入力特徴量とします。ヘルシンキの新生児EEGデータセットで訓練・検証された結果、平均精度97.52%、感度98.31%、特異度96.39%、F1スコア97.95%を達成し、発作の最大30分前までの正確な予測が可能です。ECGの追加によりF1スコアが改善され、注意機構を組み込むことでさらなる向上が見られました。SHAPを利用しモデルの透明性を高め、新生児集中治療室での利用における実用的な可能性を示しました。