基于多尺度卷积和自注意力机制的觉醒自动检测方法

临床上,觉醒事件主要由睡眠技师手动标注,该方法耗时,且主观性强。本研究通过构建基于多尺度卷积和自注意力的卷积神经网络,用1 min单通道脑电信号作为模型的输入,实现端到端的觉醒事件自动检测。研究结果表明,相较于基线模型,本文所提出的方法的精确召回曲线下面积和受试者操作特征曲线下面积均提升约7%。此外,单模态和多模态对比结果显示,单通道脑电信号可实现觉醒事件的有效检测,而简单的多种模态拼接不能提升模型的性能。最后,基于本文所提出的模型,本研究在同一数据库上又实现了自动睡眠分期（平均准确率73%）,展示了模型较好的扩展性。本研究为实现可靠的便携式睡眠监测提供了解决方案,同时任务迁移的使用也为临床睡眠数据的自动分析开辟了新道路。