适配睡眠基础模型用于密集睡眠纺锤波定位

将睡眠基础模型适配到密集脑电图（EEG）事件定位具有挑战性，因为多秒级的表征可能无法保留足够的时间细节以精确恢复边界。我们通过为冻结的 SleepFM 编码器引入一条局部时频通路来应对睡眠纺锤波定位问题，该通路保留了与纺锤波相关的频谱内容和 token 内位置信息。局部表征驱动定位，而残差交叉注意力则引入 SleepFM 的时间上下文。通过局部化的 token 到样本重建与时间细化获得密集预测。在 Massive Online Data Annotation（MODA）上测试，所提出的模型在六折交叉验证中于 IoU 0.2 下达到事件级 $F_1$ 为 $0.8080 \pm 0.0040$。消融实验表明，定位主要依赖于局部频谱和子 token 时间信息，而预训练表征提供互补的上下文。这些结果表明，密集适配受益于保留预训练 token 尺度以下的信息。代码将在论文被接收后发布。

中文由 AI 翻译，仅供参考，以原文为准。