跨纪元LSTM阶梯网络

跨个体稳定分期

通过直推式学习利用未标注数据微调模型，显著减少个体差异对睡眠分期准确率的影响。

Ruichen, Li · Wang, Bei · 张涛 · Sugi, Takenao

IEEE Transactions on Neural Systems and Rehabilitation Engineering 2023

技术优势

能适应新个体

直推式学习利用新个体的未标注数据调整模型，减少个体差异影响。

模型鲁棒性好

避免自动分期模型在新数据上性能下降，实现稳定表现。

应用场景

• 睡眠障碍辅助诊断：提升自动睡眠分期在个体差异下的可靠性，辅助医生诊断。
• 生物医学信号处理：提供一种融合LSTM与阶梯网络的跨纪元特征处理方案。
• 医疗设备软件：模型可集成到睡眠分析软件，辅助人工分期。