一种CLIP自监督学习的多模态睡眠分期方法

睡眠分期对睡眠质量评估、睡眠障碍诊断具有重要的意义。针对基于深度学习的睡眠分期存在标签数据少、数据标注困难等问题,提出一种CLIP自监督学习的多模态睡眠分期方法。通过学习无标签数据的特征表示,解决了因标签数据少而导致的模型训练效果欠佳的问题。在不同标签数据下,将基于CLIP的多模态自监督学习方法与有监督学习、单模态自监督学习方法SimCLR和TS-TCC进行对比实验。实验结果表明,基于CLIP的多模态自监督学习方法能有效提高睡眠分期的性能。