SI-SD：通过清醒引导的跨被试语义解码实现睡眠解释器
机器学习
2024-05-21 v3 信号处理
神经元与认知
摘要
从睡眠期间的脑活动中理解语义内容代表了神经科学的一个主要目标。尽管对啮齿动物的研究已显示睡眠中记忆的自发神经重激活，但由于缺乏良好标注的睡眠数据集以及清醒与睡眠间神经模式的显著差异，捕捉人类睡眠的语义内容仍是一项重大挑战。为应对这些挑战，我们设计了一项新颖的认知神经科学实验，并收集了来自 134 名受试者在清醒与睡眠期间的全面、良好标注的脑电图（EEG）数据集。利用该基准数据集，我们开发了 SI-SD，其通过清醒与睡眠间神经潜序列的位置级对齐来增强睡眠语义解码。在 15 分类任务中，我们的模型在未见受试者的 NREM 2/3 与 REM 睡眠上分别取得 24.12% 和 21.39% 的 top-1 准确率，超越所有其他基线。通过额外微调，解码性能分别提升至 30.32% 和 31.65%。此外，受先前神经科学发现启发，我们系统分析了“慢振荡”事件如何影响 NREM 2/3 睡眠中的解码性能——未见受试者的解码性能进一步提升至 40.02%。总之，我们的发现与方法有助于构建一个有前景的用于解码睡眠期间脑活动的神经-AI 框架。
引用
@article{arxiv.2309.16457,
title = {SI-SD: Sleep Interpreter through awake-guided cross-subject Semantic Decoding},
author = {Hui Zheng and Zhong-Tao Chen and Hai-Teng Wang and Jian-Yang Zhou and Lin Zheng and Pei-Yang Lin and Yun-Zhe Liu},
journal= {arXiv preprint arXiv:2309.16457},
year = {2024}
}