睡眠数据预训练可改善非睡眠生物信号任务

睡眠基础模型最近在域内多导睡眠图任务上表现出了强大的性能，包括睡眠分期、呼吸暂停检测和疾病风险预测。在这项工作中，我们研究了睡眠生物信号是否可以作为学习表征的有效预训练分布，将其从睡眠转移到相邻领域。根据睡眠基础模型，我们进行仅睡眠的多模式对比预训练（具有留一目标），并评估向非睡眠脑电图和心电图的转移，这两种具有异构数据集和临床意义的下游任务的基准良好的生物信号模式。在跨越多个脑电图和心电图数据集的八个下游任务中，睡眠预训练相对于从头开始的训练持续提高了性能。此外，在多项任务上，我们实现了与之前的专业最先进模型和基础模型相媲美或超越的性能。