arXiv eess.SP（Signal Processing）·· 10 天前AI 评分33
结合 scEEG 与 PPG 实现可靠睡眠分期
Combining scEEG and PPG for reliable sleep staging
AI 导读
研究探索单通道脑电（scEEG）与光电容积脉搏波（PPG）融合在 30 秒至 30 分钟短窗口下进行 4 类睡眠分期。在 MESA 数据集上，Mamba 增强融合策略取得最佳性能（Cohen's Kappa 0.798，准确率 86.9%），浅睡期 F1 分数从单模态 scEEG 的 77.76% 提升至 85.63%，并在 CFS 和 ABC 数据集上展现出良好泛化能力。
AI 要点
团队
第一作者 Jiawei Wang，末位作者 M. Jamal Deen，共 10 位作者。
主要结果
Mamba 增强融合在 MESA 上最佳（κ=0.798，Acc=86.9%），浅睡 F1 85.63% 对单用 scEEG 的 77.76%，召回 82.85% 对 69.95%。
解决什么问题
单通道脑电（scEEG）在浅睡分期表现有限，而既往 PPG 方法依赖整夜（8–10 小时）记录，难以提供及时反馈。
方法
在 30 秒–30 分钟短窗下做 4 类睡眠分期，比较分数级、交叉注意力与 Mamba 增强三种融合策略；用 MESA 训练评估，并在 CFS、ABC 做跨数据集验证。
局限
从研究设计看，为基于公开数据集的算法研究，未报告临床前瞻验证。
AI 依据原文整理，未经人工核对。
来源：arXiv eess.SP（Signal Processing） · arxiv.org