一种利用头皮 EEG 数据增强基于耳 EEG 睡眠分期的知识蒸馏框架
信号处理
2022-11-07 v1 机器学习
摘要
睡眠在人类生活福祉中起着关键作用。使用多导睡眠图的常规睡眠研究常因采集设置带来不适并降低睡眠质量。先前工作致力于开发侵入性更小的方法以开展高质量睡眠研究，耳 EEG 是其中流行的替代方案之一。然而，基于耳 EEG 的睡眠分期性能仍劣于基于头皮 EEG 的睡眠分期。为缩小头皮 EEG 与耳 EEG 睡眠分期之间的性能差距，我们提出一种跨模态知识蒸馏策略，这是一种域适应方法。我们的实验与分析验证了所提方法在现有架构上的有效性，其将基于耳 EEG 的睡眠分期准确率提升了 3.46%，Cohen's kappa 系数提升了 0.038。
引用
@article{arxiv.2211.02638,
title = {A Knowledge Distillation Framework For Enhancing Ear-EEG Based Sleep Staging With Scalp-EEG Data},
author = {Mithunjha Anandakumar and Jathurshan Pradeepkumar and Simon L. Kappel and Chamira U. S. Edussooriya and Anjula C. De Silva},
journal= {arXiv preprint arXiv:2211.02638},
year = {2022}
}
备注
Code available at : https://github.com/Mithunjha/EarEEG_KnowledgeDistillation