MM-Net：缺血性卒中后睡眠分期与呼吸暂停评估的多模态多任务网络

MM-Net 联合建模卒中后睡眠分期与呼吸事件，并做嵌入对齐。

资讯摘要

论文提出 MM-Net 多模态多任务框架，用于缺血性卒中后的睡眠分期与呼吸事件检测。作者称其通过交叉拟合与岭回归嵌入对齐解决预训练 EEG 编码器的表征不一致问题，融合睡眠适配的 EEG-EOG 表征、工程化神经描述符与学习到的心肺特征。在 iSLEEPS 99 名患者上十折患者独立评估取得 76.3% 分期准确率（κ=0.656）与 0.825 呼吸事件 AUC。

要点速读

1. 在 iSLEEPS（99 名亚急性缺血性卒中患者）十折患者独立评估中，分期准确率 76.3%（Cohen's κ=0.656），呼吸事件 AUC 0.825，作者称优于匹配协议下的基线。
2. 嵌入对齐后睡眠适配编码器使分期准确率较冻结编码器提升 1.4 个百分点（p=0.020），未对齐时仅提升 0.2 个百分点。
3. 在 Sleep-EDF 上分期准确率 86.4%，在 ISRUC-I 上为 80.3%、呼吸 AUC 0.889；iSLEEPS 训练模型未重训练时在 ISRUC-I 与 UCD 的呼吸 AUC 分别为 0.833 和 0.841。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。