基于多模态融合策略和注意力机制的睡眠自动分期模型
陈丽娟1
王磊2
沙宪政3
常世杰3
陈勇1
1.南通市第一人民医院,南通 2260012.辽宁省检验检测认证中心 辽宁省医疗器械检验检测院,沈阳 1100363.中国医科大学 智能医学学院,沈阳 110122
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.
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
分类号：R318(医用一般科学)TP391(计算技术、计算机技术)TP183(自动化基础理论)
资助基金：南通市卫生健康委员会科研项目(QNZ2022006)
论文发表日期：2025-02-28
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 24-30 )
英文信息