eegFloss：用于使用机器学习模型细化睡眠 EEG 记录的 Python 软件包
机器学习
2025-07-10 v1 信号处理
定量方法
摘要
脑电图（EEG）允许监测大脑活动，提供对 various brain regions 功能动态及其在认知过程中作用的见解。EEG 是睡眠研究的核心，作为多模态睡眠图谱的主要模态，后者是该领域的金标准。然而，EEG 信号容易受到由内部（设备相关）因素和外部（环境）干扰引起的伪影的影响。随着睡眠研究规模的增大，大多数依赖自动睡眠分期，这一过程高度易受伪影影响，导致睡眠评分错误。本文通过引入 eegFloss，一款开源 Python 软件包，用于利用检测睡眠 EEG 记录中伪影片段的 novel machine learning（ML）模型 eegUsability 来解决这一挑战。eegUsability 在使用 Zmax 头带收集的 15 名受试者历经 127 个夜晚的手动标记伪影的 EEG 数据上进行训练和评估，展示出稳健的整体分类性能（F1 分数约为 0.85，Cohen's kappa 为 0.78），在识别信道级可用 EEG 数据方面召回率约为 94%，并扩展至 Zmax 之外。此外，eegFloss 提供了诸多功能，包括使用另一个 ML 模型 named eegMobility 的自动床位检测时间、过滤除某些伪影，并生成睡眠图谱和睡眠统计信息。通过解决大多数睡眠研究所面临的根本性挑战，eegFloss 可以增强其分析的精确度和严谨性以及结果的准确度和可靠性。
关键词
引用
@article{arxiv.2507.06433,
title = {eegFloss: A Python package for refining sleep EEG recordings using machine learning models},
author = {Niloy Sikder and Paul Zerr and Mahdad Jafarzadeh Esfahani and Martin Dresler and Matthias Krauledat},
journal= {arXiv preprint arXiv:2507.06433},
year = {2025}
}
备注
The eegFloss package is available under the MIT License at https://github.com/Niloy333/eegFloss