単一チャネルEEG睡眠段階分類のためのコンテキスト認識時間モデリング

この論文は、実用的でアクセスしやすい方法である単一チャネルEEGを用いた自動睡眠段階分類という重要な問題に取り組んでいます。既存のモデルにおけるクラスの不均衡（特にN1段階）、限られた受容野、解釈可能性の欠如といった主要な課題に対処しています。提案されたフレームワークは、N1段階の検出を改善することに焦点を当て、解釈可能性を重視しており、より信頼性が高く、臨床的に有用な睡眠段階分類システムの開発につながる可能性があります。

• •単一チャネルEEG睡眠段階分類のためのコンテキスト認識可能で解釈可能なフレームワークを提案。
• •クラスの不均衡、特にN1段階において、クラス加重損失とデータ拡張を使用して対処。
• •ローカルおよび長距離の依存関係を捉えるために、マルチスケール特徴抽出と時間モデリングを組み合わせる。
• •以前の方法と比較して、N1段階の検出において大幅な改善を達成。