Omni-Sleep：通过中枢-自主神经动态分层对比学习的睡眠基础模型
英文标题：Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS--ANS Dynamic
该研究提出 Omni-Sleep，一个利用多模态睡眠监测信号（脑电、眼电、肌电、心电和呼吸）构建的睡眠基础模型。模型通过分层对比学习捕捉中枢神经系统与自主神经系统的协调动态，有望提升睡眠分期与睡眠障碍检测的泛化能力。这项工作为穿戴式睡眠健康监测和临床诊断提供了新的统一框架。
打开原文相关 2.4 · 机会 0
2.6 KB
2.1 KB
461 B
612 B
380 B
9.1 KB
22.8 KB
24.2 KB
34.7 KB
中文
近日，一篇题为《Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS--ANS Dynamic》的论文在 arXiv 上发布。该研究提出名为 Omni-Sleep 的睡眠基础模型，旨在从多模态多导睡眠图（PSG）信号中学习中枢神经系统（CNS）与自主神经系统（ANS）之间的协调动态。
睡眠生理学涉及大脑与身体的复杂交互，传统睡眠分析往往只利用单一模态信号。Omni-Sleep 通过分层对比学习，联合校准脑电图（EEG）、眼电图（EOG）、肌电图（EMG）、心电图（ECG）和呼吸信号，构建统一的表示空间。模型在跨个体、跨设备的睡眠分期和睡眠障碍检测等任务中展现出强大的泛化能力。
该研究的开源模型与代码有望推动穿戴设备睡眠追踪和远程医疗应用的发展，为研究人员提供一个可复现的基线。
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×