自监督睡眠呼吸暂停检测模型

仅需10%标签

该模型通过自监督学习利用单导联心电信号，在仅10%标注数据下达到高精度检测，并具有跨数据集迁移能力。

Yuxuan, Zhao · 何海涛 · Ke, Xu · 张炳 · 任家东

Artificial Intelligence in Medicine 2026

参数信息

准确率

91.91 %

灵敏度

89.97 %

技术优势

标注需求大幅降低

通过自监督对比学习从无标签心电信号中学习表征，仅需10%标注数据即可微调。

跨数据集迁移性好

预训练学到的表征能有效迁移到不同数据集，展现对域偏移的鲁棒性。

多尺度时序建模

层级可学习残差块通过逐层扩展的感受野捕捉心电信号中的多尺度时序特征。

应用场景

• 可穿戴睡眠监测：在可穿戴设备上直接分析单导联心电信号，减少云端上传和标注依赖。
• 远程健康监测：利用少量标注数据即可部署，适合远程场景下数据标注稀缺的环境。
• 睡眠呼吸暂停检测：直接从心电信号中自动识别呼吸暂停事件，替代人工判读。