MVBNSleepNet:一个基于多视图大脑网络的卷积神经网络,用于新生儿睡眠分期
Ligang Zhou1, Minghui Liu1, Xia Hu2
1School of Information Science and TechnologyFudan University Shanghai 200433 China.
IEEE open journal of engineering in medicine and biology
|July 14, 2025
概括
这项研究介绍了MVBNSleepNet,这是一种用于新生儿睡眠分期的新型深度学习模型. 它通过分析大脑功能连接来准确地分类睡眠阶段,改进了现有的方法.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 医疗信息学 医疗信息学
背景情况:
- 新生儿睡眠阶段对评估神经发育至关重要.
- 现有的方法往往忽略了大脑的空间拓和功能连接.
- 开发强大的自动化睡眠分期系统是一个重大挑战.
研究的目的:
- 开发一种高性能,强大的新生儿睡眠分期解决方案.
- 整合空间拓信息和功能性大脑连接.
- 为了解决当前睡眠分阶段方法的局限性.
主要方法:
- 提出了MVBNSleepNet,这是一个基于多视图大脑网络的卷积神经网络.
- 集成的多视图大脑网络 (MVBN) 捕捉各种功能连接方面.
- 雇佣了掩盖和注意力机制,以提高强度和专注于关键大脑区域.
主要成果:
- 在两阶段 (睡眠/清醒) 分类中获得了83.9%的准确性.
- 在三阶段 (活跃/安静睡眠/清醒) 的分类中达到76.4%的准确性.
- 在新生儿睡眠分期中超越了最先进的方法.
结论:
- MVBNSleepNet提供了一种强大而准确的新生儿睡眠分期方法.
- 该模型为早期神经系统功能连接提供了洞察力.
- 这种方法通过睡眠分析增强对新生儿大脑发育的理解.
更多相关视频
07:39How to Obtain Reliable Visual Event-related Potentials in Newborns
Published on: October 24, 2019
6.5K
04:54Author Spotlight: IntelliSleepScorer — A High-Accuracy, Accessible GUI Software for Automated Sleep Stage Scoring in Mice and its Application in Psychiatric Research
Published on: November 8, 2024
661
