原创力文档摘要
良好的睡眠质量对人体的健康十分重要。睡眠分期可以被用作评估睡眠质量
的方法。早期的睡眠分期方法依赖于专家手动标注，效率较低且成本较高。以深
度学习算法为基础的睡眠分期方法可以提高效率和可靠性，因此被广泛应用于自
动睡眠分期研究。但目前的研究依然存在难以捕获单通道脑电片段欧氏-非欧空
间特征和提取多模态生理信号依赖性的问题。本文以基于时间依赖与多模态融合
的自动睡眠分期方法展开研究，主要内容如下：
（1）以往基于单通道脑电图的工作通常将脑电作为网格数据，使用卷积神
经网络或循环神经网
摘要
良好的睡眠质量对人体的健康十分重要。睡眠分期可以被用作评估睡眠质量
的方法。早期的睡眠分期方法依赖于专家手动标注，效率较低且成本较高。以深
度学习算法为基础的睡眠分期方法可以提高效率和可靠性，因此被广泛应用于自
动睡眠分期研究。但目前的研究依然存在难以捕获单通道脑电片段欧氏-非欧空
间特征和提取多模态生理信号依赖性的问题。本文以基于时间依赖与多模态融合
的自动睡眠分期方法展开研究，主要内容如下：
（1）以往基于单通道脑电图的工作通常将脑电作为网格数据，使用卷积神
经网络或循环神经网
文档评论（0）