原创力文档摘要
睡眠阶段分类是评估睡眠质量和诊断睡眠障碍的极其重要的步骤。然而，传统的
睡眠分期方法繁琐且耗时。为了提高睡眠分期的精度和效率，本文探讨了多种深度学
习方法在睡眠分期任务中的应用，主要内容如下：
首先提出了一种基于深度学习的自动睡眠分期模型：MSeT-SleepNet。该模型使用
两个不同尺度的CNN模块从单通道EEG信号中提取特征，然后在Transformer部分
中应用多头注意力模块进行特征选择。同时，模型采用了ResNet
摘要
睡眠阶段分类是评估睡眠质量和诊断睡眠障碍的极其重要的步骤。然而，传统的
睡眠分期方法繁琐且耗时。为了提高睡眠分期的精度和效率，本文探讨了多种深度学
习方法在睡眠分期任务中的应用，主要内容如下：
首先提出了一种基于深度学习的自动睡眠分期模型：MSeT-SleepNet。该模型使用
两个不同尺度的CNN模块从单通道EEG信号中提取特征，然后在Transformer部分
中应用多头注意力模块进行特征选择。同时，模型采用了ResNet
文档评论（0）