换一批摘要针对当前自动睡眠分期方法存在的难点问题,提出了一种结合U2-Net和CBAM融合注意力对EEG-ECG双模态信号进行自动睡眠分期的方法.首先,采用MIT-BIH公开数据集中的EEG-ECG信号进行预处理;然后,利用添加了多尺度特征提取模块的U2-Net网络并行提取EEG和ECG中的波形特征;其次,利用CBAM融合注意力对全部特征进行权重分配;最后,使用Soft-max激活函数对睡眠时期进行六分类.结果表明:基于U2-Net和CBAM融合注意力模型进行睡眠分期时,使用ECG单模态信号的六分类总体准确率为80.2％,F1分数为75.3％;使用EEG单模态信号的六分类总体准确率为85.8％,F1分数为81.7％;使用EEG-ECG双模态信号的六分类总体准确率为90.4％,F1分数为85.6％.提出的双模态睡眠分期模型是可行有效的,并且为自动睡眠分期提供了一种新的思路.
更多相关知识
关键词
自动睡眠分期EEG-ECG双模态信号U2-Net网络CBAM融合注意力automatic sleep stagingEEG-ECG dual-modal signalU2-Net networkCBAM fuses attention
栏目名称
DOI
10.15983/j.cnki.jsnu.2025001
发布时间
2025-03-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（11974231）
- 浏览2
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
