中大新闻网讯（ 通讯员张玉琦）近日，中山大学中山医学院周毅教授团队在中科院一区TOP期刊Knowledge-Based Systems在线发表题为《SleepECGFusion: A Cross-Modal Deep Learning Framework for Automatic Sleep Stage Classification using Single-Lead ECG》的研究论文。研究提出了一种创新型跨模态深度学习框架，该框架成功整合了来自两个互补领域的信息。研究验证了增加输入信号持续时间能够持续提高所有睡眠阶段的分类准确率的猜想。SleepECGFusion 在基于心电图的睡眠分期分类任务中取得了相对前人研究结果更佳的性能，并展现出卓越的迁移能力。未来的研究将整合更多生理信号以增强其在高度干扰睡眠中的鲁棒性，以及评估其在其他睡眠相关神经系统疾病中的应用。
该论文我院周毅教授为通讯作者，2024级博士研究生祁煊皓为第一作者。
原文链接：https://www.sciencedirect.com/science/article/pii/S0950705125021677
