基于时间卷积网络与 Transformer 利用脉搏血氧信号分类清醒与睡眠状态

睡眠障碍在世界人群中非常普遍，且因其诊断方法复杂而普遍存在诊断不足的情况。因此，开发更简便的筛查方法日益受到关注。脉搏血氧仪是理想的睡眠障碍筛查设备，因其便携、低成本且易获取。该设备可提供心率(HR)估计，有助于获取睡眠阶段信息。本工作中，我们开发了一种网络架构，旨在仅利用脉搏血氧仪的心率信号将睡眠阶段分类为清醒或睡眠。所提架构包含两大部分。第一部分通过使用时间卷积网络获取 HR 的表示。随后，所得表示被用于输入第二部分，该部分基于 Transformer——一种完全由注意力机制构建的模型。Transformer 能够建模序列，学习睡眠阶段间的转移规则。所提方法的性能在 Sleep Heart Health Study 数据集上评估，该数据集由 5000 名健康及病理受试者组成。数据集被划分为三个子集：2500 用于训练、$1250$ 用于验证、1250 用于测试。总体准确率、特异性、灵敏度和 Cohen's Kappa 系数分别为 90.0%、94.9%、78.1% 和 0.73。