标签
本文提出了一种基于学习的框架,通过混淆矩阵对个体评分者行为进行建模,以从多位专家中推导更稳健的睡眠分期标签,提高了在DOD-H和DOD-O数据集上的准确性。
本文介绍了STDA-Net,一种利用2D频谱图和对抗学习进行跨数据集睡眠分期的领域适应框架。在公共数据集上,与现有的1D EEG基线方法相比,该方法显示出更高的准确性和稳定性。