陕西师范大学学报(自然科学版)

作者：赵倩, 李锦, 凤飞龙, 强宁, 胡静

单位：陕西师范大学物理学与信息技术学院,陕西西安710119

关键词：自动睡眠分期,EEG-ECG双模态信号,U2-Net网络,CBAM融合注意力

基金：国家自然科学基金(11974231)

针对当前自动睡眠分期方法存在的难点问题,提出了一种结合U2-Net和CBAM融合注意力对EEG-ECG双模态信号进行自动睡眠分期的方法。首先,采用MIT-BIH公开数据集中的EEG-ECG信号进行预处理;然后,利用添加了多尺度特征提取模块的U2-Net网络并行提取EEG和ECG中的波形特征;其次,利用CBAM融合注意力对全部特征进行权重分配;最后,使用Softmax激活函数对睡眠时期进行六分类。结果表明:基于U2-Net和CBAM融合注意力模型进行睡眠分期时,使用ECG单模态信号的六分类总体准确率为80.2%,F1分数为75.3%;使用EEG单模态信号的六分类总体准确率为85.8%,F1分数为81.7%;使用EEG-ECG双模态信号的六分类总体准确率为90.4%,F1分数为85.6%。提出的双模态睡眠分期模型是可行有效的,并且为自动睡眠分期提供了一种新的思路。

来源：2025年第1期

《陕西师范大学学报(自然科学版)》期刊编辑部

查看陕西师范大学学报(自然科学版)杂志2025年第1期