将生理信号转化为睡眠 EEG：呼吸的语言化
机器学习
2026-02-03 v1 人工智能
摘要
本文引入一种新型跨生理转换任务：从呼吸信号合成睡眠电脑神经活动（EEG）。为解决两种模态之间显著的复杂性差距，我们提出一种保留细粒度呼吸动力学并通过离散分词约束 EEG 目标空间的波形条件生成框架。在 28,000 多人的训练数据上，模型实现 EEG 频谱图重建的平均绝对误差为 7%。除了重建，合成的 EEG 支持下游任务的性能在年龄估计（MAE 5.0 vs. 5.1 年）、性别检测（AUROC 0.81 vs. 0.82）和睡眠分期（准确率 0.84 vs. 0.88）方面均与真实 EEG 相当，显著优于直接在呼吸信号上训练的基线方法。最后，我们展示该框架可从无线射频反射信号合成 EEG，凸显了在睡眠期间实现远程非接触神经科学评估的可行性。
引用
@article{arxiv.2602.00526,
title = {Physiology as Language: Translating Respiration to Sleep EEG},
author = {Kaiwen Zha and Chao Li and Hao He and Peng Cao and Tianhong Li and Ali Mirzazadeh and Ellen Zhang and Jong Woo Lee and Yoon Kim and Dina Katabi},
journal= {arXiv preprint arXiv:2602.00526},
year = {2026}
}
备注
Tech report