SalientSleepNet: Multimodal Salient Wave Detection Network for Sleep Staging.

模式识别(心理学) 脑电图 深度学习 卷积神经网络 特征提取 注意力网络
作者
Ziyu Jia,Youfang Lin,Jing Wang,Xuehui Wang,Peiyi Xie,Yingbin Zhang
出处
期刊:International Joint Conference on Artificial Intelligence 卷期号:3: 2614-2620 被引量:2
标识
DOI:10.24963/ijcai.2021/360
摘要

Sleep staging is fundamental for sleep assessment and disease diagnosis. Although previous attempts to classify sleep stages have achieved high classification performance, several challenges remain open: 1) How to effectively extract salient waves in multimodal sleep data; 2) How to capture the multi-scale transition rules among sleep stages; 3) How to adaptively seize the key role of specific modality for sleep staging. To address these challenges, we propose SalientSleepNet, a multimodal salient wave detection network for sleep staging. Specifically, SalientSleepNet is a temporal fully convolutional network based on the $\rm U^2$-Net architecture that is originally proposed for salient object detection in computer vision. It is mainly composed of two independent $\rm U^2$-like streams to extract the salient features from multimodal data, respectively. Meanwhile, the multi-scale extraction module is designed to capture multi-scale transition rules among sleep stages. Besides, the multimodal attention module is proposed to adaptively capture valuable information from multimodal data for the specific sleep stage. Experiments on the two datasets demonstrate that SalientSleepNet outperforms the state-of-the-art baselines. It is worth noting that this model has the least amount of parameters compared with the existing deep neural network models.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
cannon8应助开心的秋寒采纳,获得20
刚刚
刚刚
笨蛋琪露诺完成签到,获得积分10
1秒前
1秒前
苹果洋葱发布了新的文献求助10
2秒前
冷酷的傲之完成签到,获得积分10
2秒前
2秒前
酷酷千愁发布了新的文献求助10
2秒前
茉莉完成签到,获得积分10
3秒前
3秒前
叶95发布了新的文献求助10
3秒前
醉书生完成签到,获得积分10
3秒前
4秒前
帅气的可乐完成签到,获得积分10
6秒前
7秒前
7秒前
7秒前
7秒前
8秒前
学术垃圾完成签到,获得积分10
9秒前
茉莉发布了新的文献求助10
9秒前
研友_VZG7GZ应助凉秋采纳,获得10
10秒前
栋栋完成签到 ,获得积分10
10秒前
科研通AI2S应助Ly采纳,获得10
11秒前
一棵树发布了新的文献求助10
13秒前
14秒前
14秒前
星川发布了新的文献求助10
14秒前
15秒前
科研小男孩完成签到,获得积分20
20秒前
more完成签到,获得积分10
20秒前
FashionBoy应助温暖幻桃采纳,获得10
21秒前
Hello应助酷酷千愁采纳,获得10
21秒前
俱乐部完成签到,获得积分10
21秒前
8941完成签到 ,获得积分10
22秒前
22秒前
SCI1区完成签到 ,获得积分10
23秒前
23秒前
miqiqi发布了新的文献求助10
23秒前
潇洒的诗桃应助xinanan采纳,获得10
24秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Ribozymes and aptamers in the RNA world, and in synthetic biology 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3180770
求助须知:如何正确求助?哪些是违规求助? 2830975
关于积分的说明 7982319
捐赠科研通 2492731
什么是DOI,文献DOI怎么找? 1329813
科研通“疑难数据库(出版商)”最低求助积分说明 635802
版权声明 602954