换一批基于多模态融合策略和注意力机制的睡眠自动分期模型
Automatic sleep staging model based on multimodal fusion strategy and attention mechanism
摘要针对现有睡眠分期研究仅围绕单通道脑电(EEG)数据,无法有效利用睡眠状态转换规则的问题,本研究基于多模态融合策略与注意力机制,提出了一种自动睡眠分期模型.首先,构建表征学习模块捕捉多模态睡眠信号特征,挖掘特征通道间的关系;然后,设计多通道融合策略加强对特征的校准学习,并融合多模态信号间的互补信息;最后,将融合后的特征输入上下文通道依赖学习模块,利用注意力机制学习睡眠信号的上下文关系,以获得精准的睡眠分期结果.结果表明,该模型在Sleep-EDF-20、Sleep-EDF-78 和蒙特利尔睡眠研究档案(MASS)三个公共数据集上的准确率分别为 85.9%、85.2%和88.5%,宏平均F1 分数(MF1)分别为 80.8%、80.0%和 82.1%.本研究模型的准确率和鲁棒性优于其他模型,可为睡眠分期提供技术参考.
更多相关知识
关键词
睡眠分期多模态信号深度学习特征融合编码器分类网络Sleep stagingMultimodal signalsDeep learningFeature fusionEncoderClassified networks
栏目名称
DOI
10.19529/j.cnki.1672-6278.2025.01.04
发布时间
2025-03-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
南通市卫生健康委员会科研项目（QNZ2022006）
- 浏览16
- 被引0
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
