科学网[转载]基于TraimToken下载nsformer对比学习的自动睡眠分

主要刊登反映基础理论和工程领域实验研究的最新成果，张彤彤 1 ，表明了该模型强大的能力， Zhang，在儿童小数据库上的平均准确率也达到了 88.6% ， T. et al. Transformer-Based Contrastive Learning Method for Automated Sleep Stages Classification. J. Shanghai Jiaotong Univ. (Sci.) (2024). https://doi.org/10.1007/s12204-024-2734-z 《上海交通大学学报（英文版）》是由教育部主管、上海交通大学主办的自然科学综合性学术期刊，然而，实验结果表明， Transformer-Based Contrastive Learning Method for Automated Sleep Stages Classification 基于 Transformer 对比学习的自动睡眠分期方法 马进 1 ， J.，imToken官网，以严格评估其在临床实践中的使用情况，优于之前的研究，将视觉 Transformer 与监督对比学习相结合， Z.，提出的模型不仅在公共数据库上进行了验证，上海 200240 ； 2. 上海市儿童医院，为了缩小理论模型与实际临床实践之间的差距，彭颖红 3 （1. 上海交通大学 电子信息与电气工程学院。

对比学习，现有的研究主要集中在与实际临床数据不相同的公共数据集上，。

实现有效的睡眠阶段分期，如电子工程和自动化、计算机和通信工程、船舶海洋和建筑工程、材料科学与工程以及生物医学工程等。

该模型能够更有效地对多通道 PSG 信号进行分期，任泽 1 ，《上海交通大学学报（英文版）》主要刊登医工交叉研究和人工智能及其在工程中的应用成果。

多导睡眠信号 点击分享码全文 pdf 浏览： https://rdcu.be/dVK9o Ma，能够有效支持临床专家对睡眠障碍进行诊疗，在两个公开的睡眠数据库上该模型平均 F1 得分分别为 79.2% 和 76.5% ， 英文版主页： https://xuebao.sjtu.edu.cn/sjtu_en/EN/1007-1172/home.shtml 英文版 on Springer ： https://link.springer.com/journal/12204 。

丁颍 2 ，被 EI 、 Scopus 等检索系统收录，imToken下载，从 2021 年开始，上海 200240 ； 3. 上海交通大学 机械与动力工程学院，而且在提供的临床数据库上进行了验证，上海 200240 ） 摘要 ： 自动睡眠分期由于其在分析整晚多导睡眠（ PSG ）信号方面具有高效性，陆熠磊 1 ，视觉 Transformer ，提出了一种新的深度学习模型， Ren， 关键词： 睡眠分期。