计算机应用研究

作者：王旭粲,周强,李婉,

单位：1.陕西科技大学a.电气与控制工程学院;b.电子信息与人工智能学院,西安710021；2.陕西省人工智能联合实验室,西安710021；

关键词：睡眠分期,集成模型,多视图融合网络,堆叠泛化,自适应增强,

基金：国家自然科学基金资助项目(62101312)；陕西省科技厅工业项目(2024GX-YBXM-544)；；

随着单通道脑电（EEG）信号分析的睡眠分期方法取代多通道EEG成为主要睡眠分期模式，使原本含有时间-空间（大脑皮层表面位置）-频率3维信息丧失了空域信息，并且由于大多数睡眠分期方法不具有频率分析能力使得EEG的频域未被利用，加之睡眠各期之间类不平衡的原因，共同造成了睡眠分期方法精度难以提升的结果。针对上述不足，提出一种基于集成模型（IM）的多视图融合网络（MVFNet）睡眠分期算法（IMMVFNet）。为充分挖掘EEG信号的不同维度信息，首先分别采用一维和二维网络对时-空域的原始EEG信号和时-频域的EEG短时功率谱图进行特征提取；其次采用堆叠泛化（SG）方法联合两个异构网络，将提取到的多样性特征融合；最后由自适应增强（AdaBoost）算法完成睡眠分期。提出的IM-MVFNet在公开数据集Sleep-EDFx的Fpz-Cz和Pz-Oz通道上达到了89.6%的准确率，各类指标优于近年来的其他算法。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期