科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前研究未考虑睡眠阶段与睡眠呼吸暂停-低通气之间相关性的问题，提出了一种基于自适应多任务学习的睡眠生理时序分类方法。该方法利用单导脑电与心电进行睡眠分期和睡眠呼吸暂停-低通气综合征（SAHS）检测，构造双流时间依赖学习模块，在两个任务的联合监督下提取共享特征，设计自适应任务间关联性学习模块，利用通道注意力机制建模睡眠阶段和呼吸暂停-低通气之间的相关性。在两个公开数据集上的实验结果表明，该方法可以同时完成睡眠分期与SAHS检测。在UCD数据集上该方法睡眠分期准确率、宏F1分数、受试者特性曲线下面积与TinySleepNet相比分别提升了1.21个百分点、1.22个百分点、0.0083,SAHS检测的宏F2分数、受试者特性曲线下面积、召回率与6-layer CNN模型相比分别提升了11.08个百分点、0.0537、15.75个百分点，检出更多患病片段。该睡眠生理时序分类方法可应用于家庭睡眠监测或移动医疗中，实现高效便捷的睡眠质量评估，辅助医生对SAHS进行初步诊断。
- 单位
