意识-ECG Transformer用于实时监测的意识状态估计系统
信号处理
2025-11-06 v1 人工智能
机器学习
摘要
意识状态估计在多种医疗场景中至关重要，包括睡眠分期和麻醉管理，以确保患者安全和优化健康结果。传统方法主要依赖脑电图（EEG），但面临高灵敏度、受噪声影响及受控环境要求等挑战。本研究提出意识-ECG Transformer模型，利用心电图（ECG）信号实现非侵入且可靠的意识状态估计。该方法采用解耦查询注意力机制的Transformer，有效捕捉区分意识与无意识状态的心率变异性特征。我们实现了具备实时监测功能的意识状态估计系统，并在睡眠分期和手术麻醉水平监测数据集上进行验证。实验结果表明，该模型在睡眠分期和麻醉水平监测上的准确率分别达到0.877和0.880，ROC曲线下面积分别达到0.786和0.895。该系统为临床动态环境提供了一种实用且稳健的EEG替代方案，强调了基于ECG的意识监测潜力，以提升患者安全并深化对意识状态的理解。
关键词
引用
@article{arxiv.2511.02853,
title = {Consciousness-ECG Transformer for Conscious State Estimation System with Real-Time Monitoring},
author = {Young-Seok Kweon and Gi-Hwan Shin and Ji-Yong Kim and Bokyeong Ryu and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2511.02853},
year = {2025}
}
备注
30 pages, 8 figures