إطار تعميق المعرفة لتحسين مراحل النوم المستندة إلى السجل الكهربائي القلبي الأحادي القناة بمساعدة السجل الكهربائي الدماغي

دراسة التصنيف التلقائي للمرحلات النوم تُجرى حاليًا بمساعدة إشارات الرسم الكهربائي للدماغ (EEG). مؤخرًا، ساعدت الأساليب المستندة إلى التعلم العميق (DL) على تحقيق تقدم كبير في هذا المجال، مما أتاح دقة قريبة من الدقة البشرية في تصنيف مراحل النوم بشكل آلي. ومع ذلك، يتطلب تصنيف مراحل النوم باستخدام الرسم الكهربائي للدماغ تجهيزات سريرية واسعة ومكلفة. بالإضافة إلى ذلك، الحاجة إلى خبير لتركيب الأجهزة والانزعاج الإضافي للموضوع المدروس يجعل منه غير مفضل في سياق الرعاية الصحية الأولية. يعتبر الرسم الكهربائي للقلب (ECG) بديلًا غير مزعج للرسم الكهربائي للدماغ وهو أكثر ملاءمة، ولكن أداؤه، كما هو متوقع، يظل أقل من أداء تصنيف مراحل النوم باستخدام الرسم الكهربائي للدماغ. ومن الطبيعي أن يكون من المفيد نقل المعرفة من الرسم الكهربائي للدماغ إلى الرسم الكهربائي للقلب، مما يؤدي في النهاية إلى تعزيز أداء النموذج على المدخلات المستندة إلى الرسم الكهربائي للقلب. تعتبر تقنية نقل المعرفة (KD) مفهومًا مشهورًا في التعلم العميق تهدف إلى نقل المعرفة من نموذج معلم أفضل ولكنه قد يكون أكثر تعقيدًا إلى نموذج طالب صغير الحجم. بناءً على هذا المفهوم، نقترح إطار عمل عبر الأنظمة الحسية لنقل المعرفة بهدف تحسين أداء تصنيف مراحل النوم باستخدام الرسم الكهربائي للقلب مع المساعدة من الخصائص التي تم تعلمها بواسطة النماذج المدروسة على الرسم الكهربائي للدماغ. بالإضافة إلى ذلك، أجرينا العديد من التجارب على العناصر الفردية لنموذجنا المقترح للحصول على فهم أفضل لطريقة نقل المعرفة. استُخدمت بيانات 200 موضوعًا من أرشيف دراسات النوم في مونتريال (MASS) لدراساتنا. أظهر النموذج المقترح زيادة بنسبة 14.3٪ و13.4٪ في مؤشر F1 المرتب بالوزن في تصنيف مراحل النوم رباعي الفئات وثلاثي الفئات على التوالي. وهذا يدل على جدوى استخدام تقنية نقل المعرفة لتحسين أداء تصنيف مراحل النوم باستخدام القناة الواحدة من الرسم الكهربائي للقلب في تصنيف رباعي الفئات (W-L-D-R) وثلاثي الفئات (W-N-R).