中大新聞網訊（ 通訊員張玉琦）近日，中山大學中山醫(yī)學院周毅教授團隊在中科院一區(qū)TOP期刊Knowledge-Based Systems在線發(fā)表題為《SleepECGFusion: A Cross-Modal Deep Learning Framework for Automatic Sleep Stage Classification using Single-Lead ECG》的研究論文。研究提出了一種創(chuàng)新型跨模態(tài)深度學習框架，該框架成功整合了來自兩個互補領域的信息。研究驗證了增加輸入信號持續(xù)時間能夠持續(xù)提高所有睡眠階段的分類準確率的猜想。SleepECGFusion 在基于心電圖的睡眠分期分類任務中取得了相對前人研究結果更佳的性能，并展現出卓越的遷移能力。未來的研究將整合更多生理信號以增強其在高度干擾睡眠中的魯棒性，以及評估其在其他睡眠相關神經系統(tǒng)疾病中的應用。
該論文我院周毅教授為通訊作者，2024級博士研究生祁煊皓為第一作者。
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0950705125021677
