10秒分辨率的能效实时四阶段睡眠分类：一项综合研究
信号处理
2025-08-19 v1 机器学习
摘要
睡眠分期对诊断和管理睡眠呼吸暂停和失眠等睡眠障碍至关重要。传统的临床方法如多导睡眠图成本高昂且不适合长期家庭使用。我们提出了一种能效管道，可从单导联心电图（ECG）检测四个睡眠阶段（清醒、快速眼动、浅睡和深睡）。引入两种窗策略：（1）5分钟窗、30秒步长，用于使用手工特征的机器学习模型；（2）30秒窗、10秒步长，用于深度学习模型，实现接近实时的10秒分辨率。轻量级网络如MobileNet-v1达到92%准确率和91%F1分数，但仍消耗显著能量。因此我们设计了SleepLiteCNN，一种自定义模型，在45nm工艺下以89%准确率和89%F1分数将能耗降至每次推理5.48微焦。应用8位量化保持精度并进一步降低功耗，FPGA部署确认了低资源占用。所提出的系统为连续可穿戴ECG睡眠监测提供了实用解决方案。
引用
@article{arxiv.2508.11664,
title = {Energy-Efficient Real-Time 4-Stage Sleep Classification at 10-Second Resolution: A Comprehensive Study},
author = {Zahra Mohammadi and Parnian Fazel and Siamak Mohammadi},
journal= {arXiv preprint arXiv:2508.11664},
year = {2025}
}