摘要
自动睡眠阶段分类对于评估睡眠质量具有重要意义。本文提出了一种基于注意力机制的新型深度学习架构——AttnSleep，用于仅使用单通道脑电图（EEG）信号进行睡眠阶段分类。该架构首先通过基于多分辨率卷积神经网络（MRCNN）与自适应特征重校准（AFR）的特征提取模块，实现对低频与高频特征的有效提取；其中，AFR通过建模特征之间的相互依赖关系，进一步提升所提取特征的质量。第二阶段为时间上下文编码器（TCE），其利用多头注意力机制捕捉提取特征之间的时序依赖关系，尤其通过引入因果卷积来建模输入特征中的时间关联性。我们在三个公开数据集上对所提出的AttnSleep模型进行了性能评估，结果表明，该模型在多种评价指标下均优于当前最先进的技术方法。本文的源代码、实验数据及补充材料已开源，可通过 https://github.com/emadeldeen24/AttnSleep 获取。