睡眠预训练改善非睡眠生物信号任务
机器学习
2026-05-05 v1 人工智能
摘要
睡眠基础模型最近在睡眠多导生物信号任务中展现出强大的性能，包括睡眠分期、呼吸暂停检测和疾病风险预测。本文我们探讨睡眠生物信号是否可以作为学习能跨越睡眠领域迁移表示的有效预训练分布。遵循睡眠基础模型，我们进行睡眠唯一多模态对比预训练（采用留一损失目标），并评估对非睡眠 EEG 和 ECG 的迁移，这两种两个经过充分基准测试的生物信号模态，具有异构数据集和临床意义的下游任务。我们在跨多个 EEG 和 ECG 数据集的八个下游任务中，睡眠预训练始终优于从头训练。此外，在几个任务上，我们实现了与先前专用最先进状态和基础模型相当甚至超越的性能。
引用
@article{arxiv.2605.02500,
title = {Pretraining on Sleep Data Improves non-Sleep Biosignal Tasks},
author = {William Lehn-Schiøler and Magnus Ruud Kjær and Phillip Hempel and Magnus Guldberg Pedersen and Rahul Thapa and Bryan He and Nicolai Spicher and Andreas Brink-Kjaer and Lars Kai Hansen and Emmanuel Mignot},
journal= {arXiv preprint arXiv:2605.02500},
year = {2026}
}
备注
10 pages, 3 figures, 10 tables