面向睡眠呼吸暂停检测的单导联心电连续时序建模框架
柳杨
周睿齐
方震
陈贤祥
中国科学院空天信息创新研究院 传感器技术全国重点实验室,北京 100094;中国科学院大学 电子电气与通信工程学院,北京 100049
摘要：针对现有深度学习方法常将心电(ECG)信号视为孤立片段、忽略时序上下文信息的问题,本研究提出一种基于单导联 ECG 的连续时序建模(CTM)框架.在特征提取阶段,利用卷积神经网络(CNN)捕捉局部形态模式,并引入基于快速傅里叶变换(FFT)的频谱通道注意力(SCA)模块,通过自适应重校准通道权重,增强关键频带特征;在时序建模阶段,采用双向长短期记忆(BiLSTM)网络聚合连续特征序列,显式建模呼吸暂停发生前后的生理演化规律,利用时序上下文信息,修正仅依赖局部特征导致的判别偏差.基于 PhysioNet Apnea-ECG 公开数据集的实验结果表明,该模型的准确率、灵敏度和特异性分别为 90.12%、86.82%和 92.18%.对比实验显示,在多个基础模型中引入 CTM 框架后,模型性能较非连续建模基线平均提升约 7%,充分验证了 CTM 在捕捉长时依赖关系方面的有效性.
关键词：心电信号睡眠呼吸暂停检测连续时序建模注意力机制深度学习
分类号：R318(医用一般科学)
资助基金：国家自然科学基金(62401547)国家自然科学基金(62371441)北京市自然科学基金-小米创新联合基金项目(L253012)
论文发表日期：2026-04-30
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：5( 93-97 )
英文信息