[AI学术] Omni-Sleep：基于层次对比学习的睡眠基础模型

摘要

睡眠生理学来源于中枢神经系统（CNS）和自主神经系统（ANS）的协调动态，这通过包括脑电图（EEG）、眼电图（EOG）、肌电图（EMG）、心电图（ECG）和呼吸等多模态多导睡眠监测信号得以体现。

然而，现有的睡眠基础模型通常以拓扑无关的方式融合异质生物信号，忽视了它们的生理组织。我们引入了 Omni-Sleep，一个利用 CNS/ANS 划分作为生理先验的拓扑约束表示学习的睡眠基础模型。

Omni-Sleep 通过三个目标学习结构化表示：

1. 系统内部一致性：捕捉神经和心肺信号中的共享子系统级因素；
2. 系统间同步：对齐子系统轨迹以建模脑-身体动态；
3. 潜在空间掩蔽时间建模：捕捉长期睡眠动态。

在超过 100,000 小时的多中心多模态 PSG 数据上进行预训练后，Omni-Sleep 在睡眠分期和多疾病分类任务上进行了评估。

在各种数据集和模态消融设置中，Omni-Sleep 超越了强大的基础模型基线，表现出更好的标签效率、跨数据集泛化能力和对缺失模态的鲁棒性。这些结果突显了生理层次在可泛化睡眠表示学习中的重要价值。

代码可在 GitHub 获取。

博主点评： Omni-Sleep 模型通过引入生理学层次结构，显著提升了睡眠数据的表示学习能力。其在多模态数据处理上的成功应用，为未来睡眠研究和临床应用提供了新的思路与方法。尤其是在多疾病分类中的表现，显示了该模型的广泛适用性与潜力。