评估人类睡眠模型在鼠类睡眠分期中的时序背景影响
神经元与认知
2024-06-26 v1 人工智能
计算机视觉与模式识别
机器学习
信号处理
摘要
在人类睡眠分期模型中，最近通过扩大输入的时序背景范围（达到数十分钟）显示出性能提升。相比之下，鼠类睡眠分期模型的时序背景通常仅为数十秒。尽管鼠类睡眠中的长期时间模式不如人类清晰，但进一步增加鼠类睡眠分期模型的时序背景（超过当前方法使用的范围）仍可能带来性能提升，因为现有方法仅建模非常短期的模式。本研究在三个鼠群中测试了将鼠类睡眠分期的时序背景扩展至 15 分钟的影响，采用两种最新且表现优异的人类睡眠分期模型（考虑长期依赖性），与两种采用本地时序背景分别为 12 秒和 20 秒的著名鼠类睡眠分期模型进行比较。结果显示，时序背景扩展至 28 秒可显著提升睡眠阶段分类性能，尤其是 REM 睡眠，但对更长时序背景的影响有限。其中一种人类睡眠评分模型 L-SeqSleepNet 在所有鼠群中均优于两种鼠类模型。这表明鼠类睡眠分期可以从比当前使用的更广泛的时序背景中受益。
引用
@article{arxiv.2406.16911,
title = {Evaluating the Influence of Temporal Context on Automatic Mouse Sleep Staging through the Application of Human Models},
author = {Javier García Ciudad and Morten Mørup and Birgitte Rahbek Kornum and Alexander Neergaard Zahid},
journal= {arXiv preprint arXiv:2406.16911},
year = {2024}
}
备注
Accepted for publication in the 46th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (2024)