来源：期刊VIP网 时间：
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;
摘要：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U~2-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U~2-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U~2-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。
关键词：自动睡眠分期;;EEG-ECG双模态信号;;U~2-Net网络;;CBAM融合注意力
基金资助：国家自然科学基金(11974231)
