Buchumschlag

Automatic Classification of Sleep Stages from EEG Signals Using Riemannian Metrics and Transformer Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Seraphim, Mathieu, Lechervy, Alexis, Yger, Florian, Brun, Luc, Etard, Olivier
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

Structure-Preserving Transformers for Sequences of SPD Matrices
von: Seraphim, Mathieu, et al.
Veröffentlicht: (2023)

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

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

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

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

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)

Ultralight Signal Classification Model for Automatic Modulation Recognition
von: Oquendo, Alessandro Daniele Genuardi, et al.
Veröffentlicht: (2024)

Deep Riemannian Networks for End-to-End EEG Decoding
von: Wilson, Daniel, et al.
Veröffentlicht: (2022)

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

Improving EEG Signal Classification Accuracy Using Wasserstein Generative Adversarial Networks
von: Park, Joshua, et al.
Veröffentlicht: (2024)

WaveSleepNet: An Interpretable Network for Expert-like Sleep Staging
von: Pei, Yan, et al.
Veröffentlicht: (2024)

Automatic EEG Independent Component Classification Using ICLabel in Python
von: Delorme, Arnaud, et al.
Veröffentlicht: (2024)

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

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

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

Motor Imagery EEG Signal Classification Using Minimally Random Convolutional Kernel Transform and Hybrid Deep Learning
von: Hwaidi, Jamal, et al.
Veröffentlicht: (2025)

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

Three-Way Emotion Classification of EEG-based Signals using Machine Learning
von: Purwar, Ashna, et al.
Veröffentlicht: (2026)

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

SCFNet:A Transferable IIIC EEG Classification Network
von: Xu, Weijin
Veröffentlicht: (2024)

Combining Scatter Transform and Deep Neural Networks for Multilabel Electrocardiogram Signal Classification
von: Oppelt, Maximilian P, et al.
Veröffentlicht: (2020)

Joint Signal Detection and Automatic Modulation Classification via Deep Learning
von: Xing, Huijun, et al.
Veröffentlicht: (2024)

Subject-Adaptive Transfer Learning Using Resting State EEG Signals for Cross-Subject EEG Motor Imagery Classification
von: An, Sion, et al.
Veröffentlicht: (2024)

Domain-Adaptive Arrhythmia Classification Using a Hybrid Transformer on Wearable Heart Signals
von: Toosi, Maedeh H., et al.
Veröffentlicht: (2026)

Multi-Branch Mutual-Distillation Transformer for EEG-Based Seizure Subtype Classification
von: Peng, Ruimin, et al.
Veröffentlicht: (2024)

Designing Pre-training Datasets from Unlabeled Data for EEG Classification with Transformers
von: Bary, Tim, et al.
Veröffentlicht: (2024)

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

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

Cross-Subject Depression Level Classification Using EEG Signals with a Sample Confidence Method
von: Zhang, ZhongYi, et al.
Veröffentlicht: (2025)

EEG_GLT-Net: Optimising EEG Graphs for Real-time Motor Imagery Signals Classification
von: Aung, Htoo Wai, et al.
Veröffentlicht: (2024)

mixEEG: Enhancing EEG Federated Learning for Cross-subject EEG Classification with Tailored mixup
von: Liu, Xuan-Hao, et al.
Veröffentlicht: (2025)

Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets
von: Mellot, Apolline, et al.
Veröffentlicht: (2024)

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)

Improving EEG Classification Through Randomly Reassembling Original and Generated Data with Transformer-based Diffusion Models
von: Chen, Mingzhi, et al.
Veröffentlicht: (2024)

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

Enhancing Automatic Modulation Recognition for IoT Applications Using Transformers
von: Rashvand, Narges, 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)