998
0
2024-10-26
2024-10-26
近日，腦機(jī)團(tuán)隊2022級研究生余楊祖怡等以第一作者在生物醫(yī)學(xué)信號處理領(lǐng)域的權(quán)威期刊IEEE Journal of Biomedical and Health Informatics (JCR Q1, 中科院一區(qū)Top, IF: 6.7 )上發(fā)表了題為“A Multimodal Consistency-Based Self-Supervised Contrastive Learning Framework for Automated Sleep Staging in Patients with Disorders of Consciousness”的研究論文,。論文的通訊作者為華南師范大學(xué)潘家輝教授和廣東工傷康復(fù)中心何艷斌主任,。該論文自2024年4月25日提交，于2024年10月26日正式被接收,。
研究背景
睡眠障礙的有效治療對于意識障礙（Disorders of Consciousness, DOC）患者的意識恢復(fù)具有潛在的積極影響,。因此，對DOC患者的睡眠分期進(jìn)行分析,，可能有助于改善他們的病情,。盡管對DOC患者的睡眠結(jié)構(gòu)研究越來越受到關(guān)注，但目前對于睡眠特征的定義缺乏統(tǒng)一的標(biāo)準(zhǔn),，這成為了研究的一大障礙,。嚴(yán)重的腦損傷導(dǎo)致的腦電圖（EEG）的幅度、波形和頻率的變異性,，增加了在這類患者中定義睡眠特征的難度,。此外，由于病理差異,、數(shù)據(jù)采集設(shè)備以及醫(yī)院環(huán)境的影響,，EEG特征在個體之間存在顯著差異，這對研究構(gòu)成了額外的挑戰(zhàn),。目前,，對DOC患者的睡眠特征進(jìn)行手動分析還受限于標(biāo)準(zhǔn)化流程的缺失，這限制了自動睡眠分期方法在不同患者間的適用性,。
為了應(yīng)對這些挑戰(zhàn),，團(tuán)隊開發(fā)了一種新型的多模態(tài)一致性特征提取模型，命名為MultiConsSleepNet,。該模型結(jié)合了腦電圖（EEG）和眼電圖（EOG）信號,，利用自我監(jiān)督的對比學(xué)習(xí)策略，提取單一模態(tài)信號中的共有特征和差異性特征,。這種方法不僅提升了睡眠分期的準(zhǔn)確性,，還通過使用未標(biāo)記數(shù)據(jù)來優(yōu)化模型的性能。MultiConsSleepNet特別適用于分析DOC患者的非典型睡眠特征,，有望成為臨床診斷和治療的有力輔助工具。
研究方法
MultiConsSleepNet的整體架構(gòu)如圖1所示,。
圖1 MultiConsSleepNet模型整體結(jié)構(gòu)
結(jié)果分析
本文提出的MultiConsSleepNet模型在訓(xùn)練時僅使用了10%的標(biāo)注數(shù)據(jù)，卻在Sleep-EDF數(shù)據(jù)集上實現(xiàn)了84.1%的準(zhǔn)確率,，并在ISRUC S3數(shù)據(jù)集上達(dá)到了75.1%的準(zhǔn)確率,。在全面監(jiān)督的條件下，模型的表現(xiàn)進(jìn)一步提升,，在Sleep-EDF數(shù)據(jù)集上的準(zhǔn)確率達(dá)到了85.8%,，在MASS SS3數(shù)據(jù)集上更是達(dá)到了87.6%。這些結(jié)果均優(yōu)于現(xiàn)有的基線方法,，從而驗證了我們方法的有效性,。
進(jìn)一步的消融實驗揭示了多模態(tài)一致性模塊在捕捉不同模態(tài)間互補信息方面的重要性，這一模塊顯著增強(qiáng)了模型的泛化能力,，并改善了結(jié)果,。值得注意的是，MultiConsSleepNet在自我采集的DOC患者數(shù)據(jù)集上也展現(xiàn)出了77.2%的準(zhǔn)確率,，這證明了模型在實際臨床應(yīng)用中的潛力和有效性,。
總結(jié)
MultiConsSleepNet模型的這一成功應(yīng)用不僅為自動化的睡眠分期提供了創(chuàng)新的技術(shù)方案，而且為意識障礙患者的睡眠分期研究貢獻(xiàn)了重要的成果,。這一研究進(jìn)展預(yù)示著在未來意識障礙的診斷研究中,，MultiConsSleepNet模型有望發(fā)揮更加關(guān)鍵的作用，為臨床實踐帶來積極影響,。
