Ubi-SleepNet：基于普适感知的三阶段睡眠分类高级多模态融合技术
机器学习
2021-11-22 v1 人工智能
计算机视觉与模式识别
摘要
睡眠是维持身心健康的基本生理过程。临床睡眠监测的金标准是多导睡眠图（PSG），基于此睡眠可分为五个阶段，包括清醒/快速眼动睡眠（REM睡眠）/非快速眼动睡眠1（N1）/非快速眼动睡眠2（N2）/非快速眼动睡眠3（N3）。然而，PSG昂贵、负担重，且不适合日常使用。对于长期睡眠监测，普适感知可能是一种解决方案。最近，由于心脏和运动感知均可从科研级或消费级设备（如Apple Watch）轻松获取，其在三阶段睡眠分类中变得流行。然而，如何最佳地融合数据以获得最高准确率仍是一个开放问题。在本工作中，我们全面研究了基于深度学习（DL）的高级融合技术，包含三种融合策略与三种融合方法，用于基于两个公开数据集的三阶段睡眠分类。实验结果提供了重要证据：通过融合心脏/运动感知模态可可靠地分类三阶段睡眠，这可能成为开展大规模睡眠阶段评估研究或长期睡眠自我追踪的实用工具。为推动普适/可穿戴计算领域睡眠研究的进展，我们将该项目开源，代码见：https://github.com/bzhai/Ubi-SleepNet。
引用
@article{arxiv.2111.10245,
title = {Ubi-SleepNet: Advanced Multimodal Fusion Techniques for Three-stage Sleep Classification Using Ubiquitous Sensing},
author = {Bing Zhai and Yu Guan and Michael Catt and Thomas Ploetz},
journal= {arXiv preprint arXiv:2111.10245},
year = {2021}
}
备注
Accepted in IMWUT for 2021 Dec issue