中大新聞網(wǎng)訊（ 通訊員張玉琦）近日，中山大學(xué)中山醫(yī)學(xué)院周毅教授團(tuán)隊(duì)在中科院一區(qū)TOP期刊Knowledge-Based Systems在線(xiàn)發(fā)表題為《SleepECGFusion: A Cross-Modal Deep Learning Framework for Automatic Sleep Stage Classification using Single-Lead ECG》的研究論文。研究提出了一種創(chuàng)新型跨模態(tài)深度學(xué)習(xí)框架，該框架成功整合了來(lái)自?xún)蓚€(gè)互補(bǔ)領(lǐng)域的信息。研究驗(yàn)證了增加輸入信號(hào)持續(xù)時(shí)間能夠持續(xù)提高所有睡眠階段的分類(lèi)準(zhǔn)確率的猜想。SleepECGFusion 在基于心電圖的睡眠分期分類(lèi)任務(wù)中取得了相對(duì)前人研究結(jié)果更佳的性能，并展現(xiàn)出卓越的遷移能力。未來(lái)的研究將整合更多生理信號(hào)以增強(qiáng)其在高度干擾睡眠中的魯棒性，以及評(píng)估其在其他睡眠相關(guān)神經(jīng)系統(tǒng)疾病中的應(yīng)用。
該論文我院周毅教授為通訊作者，2024級(jí)博士研究生祁煊皓為第一作者。
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0950705125021677
