基于KAN的多模态自动睡眠分期

来源：电子测量技术杂志2025年第16期北京时间：

作者：张昌涛，耿读艳，殷玥

单位：1.河北工业大学省部共建电工装备可靠性与智能化国家重点实验室 天津 300130; 2.河北工业大学电气工程学院 天津 300072

摘要：当前的自动睡眠分期模型存在特征提取能力不足以及多模态特征融合效果欠佳的问题。为了更有效地处理非线性信号，本文利用科尔莫戈罗夫-阿诺德网络（KAN）动态学习非线性激活函数，采用基于KAN和迁移学习的特征提取网络分别提取睡眠状态下的脑电和心电信号特征。利用外部注意力机制对不同模态分别施加注意力，通过结合外部注意力机制的多模态门控融合方案进行特征整合，缓解数据类不平衡对N1期精度的影响。在ISRUC-S3数据集上实现了85.6%的总体准确率、84.9%的宏平均F1值，N1期的F1分数为67.7%。相较于当前的其他先进方法，有效提升了自动睡眠分期算法的性能。

关键词：自动睡眠分期;科尔莫戈罗夫-阿诺德网络;迁移学习;外部注意力机制;多模态门控融合

基金资助：河北工业大学2024年交叉方向研究生培养项目（XKJC-2024026）资助