研究人员正在开发自动睡眠分期的先进方法，超越传统的30秒周期分析。一种方法利用隐半马尔可夫模型将粗略的周期标签转换为秒级注释，通过利用睡眠阶段边界附近的细微信号变化来提高准确性。另一种方法SWINSleepNet采用分层、上下文感知的框架，同时使用时域EEG信号和时频变换以及Swin Transformer来捕捉精细的时间细节和长距离依赖关系，在具有挑战性的睡眠阶段和转换方面表现出改进的性能。 AI
影响 这些新的AI驱动方法通过改进生理信号的分析，有望实现更准确的睡眠障碍诊断和健康监测。
排序理由 两篇学术论文提出了使用AI进行睡眠分期的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.00943v1 Announce Type: cross Abstract: Automated sleep staging assigns discrete stage labels to successive time epochs throughout an overnight recording; conventionally each window spans at least 30 seconds, reflecting the minimum temporal resolution of the clinical sc…
arXiv:2608.02183v1 Announce Type: new Abstract: Automatic sleep staging is a critical role in sleep disorder diagnosis, sleep quality assessment, and long-term health monitoring; however, existing approaches suffer poor performance on ambiguous and transition-related sleep stages…