基于掩码自编码器从多导睡眠图 EEG 重建多信号的研究
机器学习
2023-11-15 v1 人工智能
信号处理
摘要
多导睡眠图（PSG）是睡眠医学中不可或缺的诊断工具，对识别各类睡眠障碍至关重要。通过捕获包括 EEG、EOG、EMG 与心肺指标在内的生理信号，PSG 呈现患者的睡眠结构。然而，其对复杂设备与专业知识的依赖将其使用限制于专科临床环境。针对这些局限，我们的研究旨在通过开发仅需单次 EEG 测量的系统来实施 PSG。我们提出一种新颖的系统，能够基于掩码自编码器从单通道 EEG 重建多信号 PSG。该掩码自编码器使用 Sleep-EDF-20 数据集进行训练与评估，以均方误差作为评估原始信号与重建信号相似性的指标。模型展示了重建多信号数据的能力。我们的结果展现了开发更普及与长期睡眠监测系统的前景。这表明可拓展 PSG 的适用性，使其超越诊所限制而得以使用。
引用
@article{arxiv.2311.07868,
title = {Multi-Signal Reconstruction Using Masked Autoencoder From EEG During Polysomnography},
author = {Young-Seok Kweon and Gi-Hwan Shin and Heon-Gyu Kwak and Ha-Na Jo and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2311.07868},
year = {2023}
}
备注
Proc. 12th IEEE International Winter Conference on Brain-Computer Interface