换一批摘要睡眠分期对诊断和治疗睡眠问题具有重要意义.目前已有的深度睡眠分期网络存在数据效率低下和数据分布差异的问题,导致在训练集上训练的模型在实际数据上的性能下降.针对此问题,本研究提出了使用单通道脑电进行跨域自动睡眠分期的新型对抗域适应网络.该网络使用特征提取器提取脑电特征,同时利用非共享的注意力机制保留特定领域的关键信息,结合域鉴别器对齐源域和目标域,并通过基于迭代自训练的双重段级分类器解决类级对齐问题.为了验证所提网络的可靠性,在3个公开数据集Sleep-EDF-20、SHHS1、SHHS2中分别随机选取39、42和44条记录,在生成的6个跨域场景上进行实验.结果表明,所提网络的平均准确率为74.29％,平均MF1值为61.95％.与其他基线模型的性能相比,平均准确率上比已有基线模型至少提高了 2.01％,在平均MF1分数上,至少提高了 2.22％,为睡眠分期任务中域偏移问题提供了新的思路.
更多相关知识
关键词
单通道脑电跨域自动睡眠分期对抗域适应single channel EEGcross-domainautomatic sleep stagingadversarial domain adaptation
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.04.003
发布时间
2025-10-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
咸阳市科技局项目（L2023-ZDKJ-QCY-SXGG-GY-006）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
