一种多模态无监督跨域睡眠分期方法

本发明公开了一种多模态无监督跨域睡眠分期方法，本方法采用对抗学习，设计了多模态卷积特征提取器模块、域泛化特征增强模块和域注意力模块。首先，针对脑电和眼电两种模态的生理信号设计了多模态卷积特征提取器。对于脑电信号，采用不同尺度的卷积核提取多尺度特征；对于眼电信号，先通过傅里叶变换转换为二维频谱，再利用二维卷积进行特征提取，以充分捕捉其独特的生理信息。接着，利用域泛化特征增强模块，自适应地调整源域和目标域的数据分布，减少域间差异，并自适应地增强高判别力特征。域注意力模块则在对抗学习过程中保留了关键的域特定特征，显著提高了模型的分类精度和泛化能力，本发明在无监督跨域睡眠分期任务中展现出卓越的性能。