StableSleep：基于轻量安全轨道的源自由测试时适应性睡眠分期
机器学习
2025-09-04 v1 人工智能
神经与进化计算
神经元与认知
摘要
睡眠分期模型在部署于未见解剖学或录制条件下的患者时常会出现性能下降。我们提出一种流式、源自由测试时适应（TTA）方案，将熵最小化（Tent）与批量归一化统计刷新相结合，辅以两个安全轨道：用于暂停不确定窗口适应的熵门，以及基于指数移动平均的重置机制以控制漂移。实验使用 Sleep-EDF Expanded 数据集，单导联 EEG（Fpz-Cz，100 Hz，30 秒分段；R&K 映射至 AASM 标准），在秒级延迟和最小内存占用下，相较于冻结基线持续提升，报告每个阶段的指标及 Cohen's K。该方法具有模型无关性，无需源数据或患者校准，适用于设备端或床边应用。
引用
@article{arxiv.2509.02982,
title = {StableSleep: Source-Free Test-Time Adaptation for Sleep Staging with Lightweight Safety Rails},
author = {Hritik Arasu and Faisal R Jahangiri},
journal= {arXiv preprint arXiv:2509.02982},
year = {2025}
}
备注
5 page paper, 8 figures