Buchumschlag

WaveSleepNet: An Interpretable Network for Expert-like Sleep Staging

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pei, Yan, Luo, Wei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Signal Processing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ULW-SleepNet: An Ultra-Lightweight Network for Multimodal Sleep Stage Scoring
von: Wang, Zhaowen, et al.
Veröffentlicht: (2026)

Transparency in Sleep Staging: Deep Learning Method for EEG Sleep Stage Classification with Model Interpretability
von: Sharma, Shivam, et al.
Veröffentlicht: (2023)

SleepNetZero: Zero-Burden Zero-Shot Reliable Sleep Staging With Neural Networks Based on Ballistocardiograms
von: Li, Shuzhen, et al.
Veröffentlicht: (2024)

FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep Stage Classification
von: Tang, Weitao, et al.
Veröffentlicht: (2025)

Toward Interpretable Sleep Stage Classification Using Cross-Modal Transformers
von: Pradeepkumar, Jathurshan, et al.
Veröffentlicht: (2022)

BiT-MamSleep: Bidirectional Temporal Mamba for EEG Sleep Staging
von: Zhou, Xinliang, et al.
Veröffentlicht: (2024)

ECG-SleepNet: Deep Learning-Based Comprehensive Sleep Stage Classification Using ECG Signals
von: Aghaomidi, Poorya, et al.
Veröffentlicht: (2024)

Multimodal Sleep Stage and Sleep Apnea Classification Using Vision Transformer: A Multitask Explainable Learning Approach
von: Kazemi, Kianoosh, et al.
Veröffentlicht: (2025)

Generalizable Sleep Staging via Multi-Level Domain Alignment
von: Wang, Jiquan, et al.
Veröffentlicht: (2023)

Contrastive Learning for Sleep Staging based on Inter Subject Correlation
von: Zhang, Tongxu, et al.
Veröffentlicht: (2023)

On Improving PPG-Based Sleep Staging: A Pilot Study
von: Wang, Jiawei, et al.
Veröffentlicht: (2025)

Automatic Classification of Sleep Stages from EEG Signals Using Riemannian Metrics and Transformer Networks
von: Seraphim, Mathieu, et al.
Veröffentlicht: (2024)

Label-Efficient Sleep Staging Using Transformers Pre-trained with Position Prediction
von: Lala, Sayeri, et al.
Veröffentlicht: (2024)

The Breakthrough of Sleep: A Contactless Approach for Accurate Sleep Stage Detection Using the Sleepal AI Lamp
von: Diao, Zhuo, et al.
Veröffentlicht: (2026)

From Sleep Staging to Spindle Detection: A Case Study on End-to-End Automated Sleep Analysis
von: Grieger, Niklas, et al.
Veröffentlicht: (2025)

NeuroSleep: Neuromorphic Event-Driven Single-Channel EEG Sleep Staging for Edge-Efficient Sensing
von: Li, Boyu, et al.
Veröffentlicht: (2026)

A Deep Generative Model for Five-Class Sleep Staging with Arbitrary Sensor Input
von: van Gorp, Hans, et al.
Veröffentlicht: (2024)

MSA-CNN: A Lightweight Multi-Scale CNN with Attention for Sleep Stage Classification
von: Goerttler, Stephan, et al.
Veröffentlicht: (2025)

SleepNet: Attention-Enhanced Robust Sleep Prediction using Dynamic Social Networks
von: Khalid, Maryam, et al.
Veröffentlicht: (2024)

Holter-to-Sleep: AI-Enabled Repurposing of Single-Lead ECG for Sleep Phenotyping
von: Xie, Donglin, et al.
Veröffentlicht: (2026)

SI-SD: Sleep Interpreter through awake-guided cross-subject Semantic Decoding
von: Zheng, Hui, et al.
Veröffentlicht: (2023)

NeuroLingua: A Language-Inspired Hierarchical Framework for Multimodal Sleep Stage Classification Using EEG and EOG
von: Samaee, Mahdi, et al.
Veröffentlicht: (2025)

Energy-Efficient Real-Time 4-Stage Sleep Classification at 10-Second Resolution: A Comprehensive Study
von: Mohammadi, Zahra, et al.
Veröffentlicht: (2025)

Detection of Sleep Oxygen Desaturations from Electroencephalogram Signals
von: Manjunath, Shashank, et al.
Veröffentlicht: (2024)

Multimodal Sleep Apnea Detection with Missing or Noisy Modalities
von: Fayyaz, Hamed, et al.
Veröffentlicht: (2024)

SleepPPG-Net2: Deep learning generalization for sleep staging from photoplethysmography
von: Attia, Shirel, et al.
Veröffentlicht: (2024)

Two-Stage Hierarchical and Explainable Feature Selection Framework for Dimensionality Reduction in Sleep Staging
von: Deng, Yangfan, et al.
Veröffentlicht: (2024)

SleepFM: Multi-modal Representation Learning for Sleep Across Brain Activity, ECG and Respiratory Signals
von: Thapa, Rahul, et al.
Veröffentlicht: (2024)

SomnoNet: A Lightweight and Interpretable Framework for Sleep Staging from Single-Channel EEG
von: Guo, Shengwei, et al.
Veröffentlicht: (2024)

DTP-Net: Learning to Reconstruct EEG signals in Time-Frequency Domain by Multi-scale Feature Reuse
von: Pei, Yan, et al.
Veröffentlicht: (2023)

Optimizing Photoplethysmography-Based Sleep Staging Models by Leveraging Temporal Context for Wearable Devices Applications
von: Quino, Joseph A. P., et al.
Veröffentlicht: (2024)

NeuroNet: A Novel Hybrid Self-Supervised Learning Framework for Sleep Stage Classification Using Single-Channel EEG
von: Lee, Cheol-Hui, et al.
Veröffentlicht: (2024)

LightSleepNet: Design of a Personalized Portable Sleep Staging System Based on Single-Channel EEG
von: Liao, Yiqiao, et al.
Veröffentlicht: (2024)

Continuous Sleep Depth Index Annotation with Deep Learning Yields Novel Digital Biomarkers for Sleep Health
von: Zhou, Songchi, et al.
Veröffentlicht: (2024)

S4Sleep: Elucidating the design space of deep-learning-based sleep stage classification models
von: Wang, Tiezhi, et al.
Veröffentlicht: (2023)

A Single Channel-Based Neonatal Sleep-Wake Classification using Hjorth Parameters and Improved Gradient Boosting
von: Arslan, Muhammad, et al.
Veröffentlicht: (2024)

MC2SleepNet: Multi-modal Cross-masking with Contrastive Learning for Sleep Stage Classification
von: Na, Younghoon, et al.
Veröffentlicht: (2025)

Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification
von: Tang, Weitao, et al.
Veröffentlicht: (2025)

Personalized Sleep Prediction via Deep Adaptive Spatiotemporal Modeling and Sparse Data
von: Wang, Xueyi, et al.
Veröffentlicht: (2025)

SleePyCo: Automatic Sleep Scoring with Feature Pyramid and Contrastive Learning
von: Lee, Seongju, et al.
Veröffentlicht: (2022)