基于U2-Net和CBAM融合注意力的双模态睡眠分期研究

赵倩; 李锦; 凤飞龙; 强宁; 胡静

doi:10.15983/j.cnki.jsnu.2025001

陕西师范大学学报（自然科学版） ›› 2025, Vol. 53 ›› Issue (01) : 1 -11. DOI: 10.15983/j.cnki.jsnu.2025001

基于U²-Net和CBAM融合注意力的双模态睡眠分期研究

赵倩, 李锦, 凤飞龙, 强宁, 胡静

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对当前自动睡眠分期方法存在的难点问题，提出了一种结合U²-Net和CBAM融合注意力对EEG-ECG双模态信号进行自动睡眠分期的方法。首先，采用MIT-BIH公开数据集中的EEG-ECG信号进行预处理；然后，利用添加了多尺度特征提取模块的U²-Net网络并行提取EEG和ECG中的波形特征；其次，利用CBAM融合注意力对全部特征进行权重分配；最后，使用Softmax激活函数对睡眠时期进行六分类。结果表明：基于U²-Net和CBAM融合注意力模型进行睡眠分期时，使用ECG单模态信号的六分类总体准确率为80.2%,F1分数为75.3%;使用EEG单模态信号的六分类总体准确率为85.8%,F1分数为81.7%;使用EEG-ECG双模态信号的六分类总体准确率为90.4%,F1分数为85.6%。提出的双模态睡眠分期模型是可行有效的，并且为自动睡眠分期提供了一种新的思路。