基于深度学习的发作性睡病自动识别方法
本申请公开了基于深度学习的发作性睡病自动识别方法,涉及发作性睡病识别技术领域。本发明包括:读取、预处理和分割多被试的EEG/ECG睡眠数据;采用基于科尔莫戈罗夫‑阿诺德网络(KAN)的脑电特征提取模块;采用基于ResNet18迁移学习的心电特征提取模块;通过结合外部注意力机制和门控融合方案的特征融合模块实现特征整合;将融合后的睡眠心‑脑电特征输入到分类器进行分类。本发明通过深度学习技术的创新应用,解决了现有方法在特征提取、融合和分类中的不足,显著提升了睡眠分期和发作性睡病识别的效率和准确性,具有重要的临床应用价值。