PearNet：一种基于皮尔逊相关的图注意力网络用于睡眠分期识别
信号处理
2022-10-18 v2 机器学习
摘要
睡眠分期识别对于评估睡眠和诊断慢性疾病至关重要。卷积神经网络和循环神经网络等深度学习模型以网格数据作为输入进行训练，使其无法学习非欧几里得空间中的关系。基于图的深度模型在探究不同脑区电极信号的外部关系时被开发以解决这个问题。然而，这些模型无法解决特定脑区内电极信号各段之间的内部关系问题。在本研究中，我们提出一种基于皮尔逊相关的图注意力网络，称为PearNet，作为该问题的解决方案。图节点由分层特征提取方法提取的时空特征生成，然后自适应地学习图结构以建立节点连接。基于我们在Sleep-EDF-20和Sleep-EDF-78数据集上的实验，PearNet优于最先进的基线方法。
引用
@article{arxiv.2209.13645,
title = {PearNet: A Pearson Correlation-based Graph Attention Network for Sleep Stage Recognition},
author = {Jianchao Lu and Yuzhe Tian and Shuang Wang and Michael Sheng and Xi Zheng},
journal= {arXiv preprint arXiv:2209.13645},
year = {2022}
}