Journal of Neural Engineering（Crossref）·2026-11-04 06:50· 6 小时前AI 评分28

AIM-STAGE：面向少样本 EEG 分期的自监督框架

AIM-STAGE: a self-supervised framework via adaptive interval-aware multi-kernel calibration and spectro-temporal exploration for few-shot EEG staging

AI 导读

北京石油化工学院团队提出 AIM-STAGE 自监督框架，用于少样本 EEG 分期，通过自适应区间感知多核校准与频谱-时序探索实现。该方法面向 EEG 信号的分期任务，作者单位包括北京石油化工学院人工智能研究院等机构。

AI 要点

团队

北京石油化工学院（Beijing Institute of Petrochemical Technology）Yijia Liu 为第一作者，Qianjin Guo 为末位作者，共 13 位作者。

解决什么问题

面向少样本（few-shot）EEG 睡眠分期，提出自监督框架 AIM-STAGE。

方法

采用自适应区间感知多核校准与谱-时探索的自监督框架，用于少样本 EEG 分期。

局限

从研究设计看，这是方法/框架类研究，原文未给出受试者数量与对照验证信息。

AI 依据原文整理，未经人工核对。