编辑推荐：
睡眠障碍诊断依赖多导睡眠监测（PSG），但手动评分耗时且主观。研究人员开展 “Explainable vision transformer for automatic visual sleep staging on multimodal PSG signals” 研究，SleepXViT 系统性能出色且可解释，有助于 AI 与人工评分协同，提升睡眠分期准确性。
在睡眠研究领域，睡眠对于人体健康至关重要，它影响着能量恢复、免疫功能和认知能力等多个方面，还与心血管疾病、代谢疾病以及抑郁症等多种健康问题相关。临床睡眠监测的金标准是多导睡眠监测（Polysomnography，PSG），通过它可以全面测量脑电图（EEG）、心电图（ECG）、眼电图（EOG）、肌电图（EMG）和呼吸活动等多种生理参数。之后，技术人员会根据美国睡眠医学学会（American Academy of Sleep Medicine，AASM）的评分规则，将每个 30 秒的睡眠周期（1 个 epoch）划分为清醒（Wake）、快速眼动（REM）睡眠以及三个非快速眼动（NREM）睡眠阶段（N1、N2 和 N3） ，以此来评估睡眠质量和诊断相关疾病。
然而，目前 PSG 评分存在诸多问题。一方面，手动评分过程极为繁琐，需要耗费大量时间和精力；另一方面，评分结果容易受到评分者主观因素的影响，不同评分者之间的评分差异较大，这使得 PSG 评分的准确性和可靠性受到了挑战。同时，现有的基于机器学习的自动睡眠评分模型虽然在一定程度上提高了评分效率，但大多存在 “黑箱” 问题，缺乏可解释性，这在临床应用中成为了阻碍。
为了解决这些问题，来自首尔国立大学等机构的研究人员开展了一项关于自动睡眠分期的研究，开发了名为 SleepXViT 的自动睡眠分期系统。该研究成果发表在《npj Digital Medicine》上，为睡眠分期的研究带来了新的突破。
在研究方法上，研究人员主要采用了以下关键技术：
- 数据处理：使用了 KISS 和 SHHS 两个主要数据集。KISS 数据集来自四个医院的 7745 名患者，包含超过 762 万张图像；SHHS 数据集分为 SHHS1 和 SHHS2。对这些数据，研究人员按照相应标准进行预处理，将 PSG 原始数据转换为标准化图像格式。
- 模型构建：SleepXViT 系统利用视觉 Transformer（Vision Transformer，ViT）架构，由 Intra-epoch ViT 和 Inter-epoch ViT 组成。Intra-epoch ViT 从单 epoch 图像中提取特征并分类睡眠阶段，Inter-epoch ViT 则处理多 epoch 序列，分析相邻 epoch 之间的关系来预测睡眠阶段。
研究结果如下：
- 分类性能与置信度：在多个数据集上，SleepXViT 与其他基线模型对比，以准确率（Accuracy）、宏 F1 分数（Macro F1 Score，MF1）、Cohen's Kappa（κ）和加权 F1 分数（Weighted F1 Score，WF1）为评估指标。在 KISS 数据集上，SleepXViT 的整体 MF1 达到 81.94%，表现优异；在 SHHS1 和 SHHS2 数据集上，也展现出了强大的性能。同时，SleepXViT 通过软 max 值提供了校准良好的置信度分数，其可靠性图显示模型校准良好，能够有效反映预测的准确性。
- 可视化解释：SleepXViT 采用基于层相关传播（Layer-wise Relevance Propagation，LRP）的方法生成高分辨率的逐 epoch 热图，以可视化解释模型的决策过程。热图突出了模型在分类预测时关注的图像关键区域，不同睡眠阶段的热图特征与 AASM 规则在一定程度上相符，有助于人类专家理解模型的推理依据。
- 多 epoch 序列的影响：Inter-epoch ViT 通过滑动窗口方法处理多 epoch 序列，考虑相邻 epoch 的影响，显著提升了分类性能。例如在 REM 阶段，它能够根据相邻 epoch 的情况正确调整预测结果，McNemar 检验也表明其在多个睡眠阶段的预测中都有显著的性能提升。
- 可解释性的一致性评估：通过对热图进行 K -means 聚类分析，研究人员发现 SleepXViT 的解释具有一定的一致性，相似的输入能产生相似的解释，不过 N1 阶段的热图与其他阶段存在混淆的情况。
研究结论和讨论部分指出，SleepXViT 在不同数据集上的表现优于其他基线模型，其性能优势得益于多模态 PSG 信号的整合以及 ViT 的注意力机制。尽管 KISS 数据集存在一定的人口统计学偏差，但对模型性能影响较小。此外，SleepXViT 的校准良好的置信度分数使其可作为临床辅助工具，结合热图和相关性分数，能帮助临床医生更高效地进行睡眠分期决策。
总之，SleepXViT 的出现为自动睡眠分期带来了新的解决方案，它不仅提高了睡眠分期的准确性和效率，还通过可解释性增强了临床医生对模型的信任，为睡眠障碍的诊断和研究提供了有力支持，具有重要的临床应用价值和研究意义，有望推动睡眠医学领域的进一步发展。
