基于多模态显著波形分析的睡眠阶段自动分类方法

本发明公开了基于多模态显著波形分析的睡眠阶段自动分类方法，属于睡眠医学和人工智能技术领域。本发明以脑电信号、眼电信号等多模态信号为主要输入，通过频率特征提取模块、交互卷积模块和多模态特征融合模块协同作用，实现对显著波形的精准提取与分类。本发明通过快速傅里叶变换提取频域特征，结合自适应滤波技术去除高频噪声，显著增强信号特征；通过交互卷积操作捕获信号的局部与全局依赖特性；通过Transformer编码器的注意力机制对多模态特征进行融合，进一步提升对时间序列依赖关系的建模能力。本发明方法在分类准确率和宏平均F1分值方面表现优越，且参数量较少，计算效率高，能够广泛应用于临床睡眠障碍的评估与自动化诊断。