MHFNet:用于自动睡眠分期的多式混合嵌入式融合网络
IEEE journal of biomedical and health informatics
|March 3, 2025
概括
自动化睡眠阶段评分通过新型多式混合嵌入融合网络 (MHFNet) 得到了改进. 这种方法通过融合时间信息和信号相关性来增强睡眠连续性和结构分析,以获得更好的睡眠医学应用.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
背景情况:
- 自动睡眠评分对于评估睡眠连续性和结构至关重要.
- 现有的方法在融合时间信息,利用信号相关性和结合相邻时代逻辑方面面临挑战.
研究的目的:
- 引入一个多式混合嵌入式融合网络 (MHFNet),用于自动化睡眠阶段评分.
- 通过整合本地和全球时间信息,信号相关性和评分规则逻辑来解决当前睡眠评分模型的局限性.
主要方法:
- MHFNet使用多流Xception块进行波特征提取.
- 一个混合时间嵌入模块结合了本地和全球时间数据.
- 一个双路径门变压器可结并增强注意力特征.
- 一个精致的输出标题重建睡眠得分.
主要成果:
- 在公共数据集 (SleepEDF-ST,SleepEDF-SC,SHHS) 的交叉验证中,MHFNet在基线方法中表现优越.
- 与最先进的模型相比,个人级别的测试显示R2平均得分提高了9%.
结论:
- MHFNet有效地解决了自动睡眠评分方面的挑战.
- 该模型显示了准确度的显著改进,并有可能用于现实世界的睡眠医学应用.
