基于共享波形节点表征的图神经网络睡眠分期方法改进研究

《Machine Learning and Knowledge Extraction》：Improving Graph-Based Sleep Staging with Shared Waveform Node Representations

　　

摘要专业翻译 基于图的睡眠分期模型采用不同的节点表征方式，这使得前端特征提取模块与图架构各自的贡献难以分离。本研究探究一种通用的原始波形编码器是否能够在无需针对特定模型或数据集进行架构调优的前提下，提升异构图模型的性能。研究人员将五种图骨干网络的原始前端替换为同一紧凑型一维卷积神经网络（CNN）。该CNN直接从30秒多导睡眠图（PSG）波形中学习节点表征，而每个模型保留其原有的图构建机制、时间上下文及预测模块。研究在五个数据集上采用匹配的五折受试者交叉验证，比较了三种训练策略：两阶段训练（CNN–2S）、端到端训练（CNN–E2E）以及预训练后微调（CNN–PTFT）。在25种骨干网络–数据集组合中，至少有一种CNN策略在22种组合下优于对应的原始前端。CNN–2S、CNN–E2E和CNN–PTFT的平均宏F1（macro-F1）增益分别为2.99、2.34和2.53个百分点。所有睡眠分期的平均增益均为正值，其中N1期和快速眼动期（REM）增益最大。CNN–2S在整体结果上表现最优，并具有最有利的综合性能–成本平衡，尽管其对训练时间的影响因骨干网络而异。冻结的CNN–2S表征在跨数据集迁移时仍然有效。研究结果支持将节点表征学习视为基于图的睡眠分期设计中的重要组成部分。

论文解读

一、研究背景与问题

睡眠分期是临床睡眠评估与睡眠研究的核心环节。标准实践中，多导睡眠图（PSG）记录被划分为30秒的时段（epoch），每个时段被标注为清醒期（W）、非快速眼动睡眠N1–N3期之一或快速眼动睡眠（REM）期。可靠的睡眠分期既需要局部生理证据，也需要时间上下文信息。时段内的脑电图（EEG）、眼电图（EOG）和颏下肌电图（EMG）信号包含互补的分期相关模式，而睡眠通过结构化转换演进，相邻时段在目标时段模糊时具有参考价值。N1期尤为典型：它属于过渡期，相对罕见，且即使由专家评分者也存在较低的一致性。

图神经网络（GNN）通过将通道表示为节点、通道间关系表示为边，为多通道PSG提供了互补的归纳偏置。已有多种基于图的睡眠分期模型被提出，包括GraphSleepNet、MSTGCN、ProductGraphSleepNet、JK-STGCN和STDP-GCN等。然而，这些模型不仅在图结构上存在差异，在PSG信号输入图处理之前的编码方式上也各不相同：GraphSleepNet和ProductGraphSleepNet使用每通道九个微分熵（DE）特征，MSTGCN和JK-STGCN先训练双分支卷积FeatureNet，STDP-GCN则将尖峰衍生图与残差波形的频谱特征相结合。

这种异构性带来了一个核心问题：由于这些图模型与不同的表征管线共同开发，节点表征的贡献与图架构本身的贡献难以分离。具体而言，同一个学习型原始波形编码器能否在基于不同特征表征和图学习原理的图模型上均带来性能提升？现有研究尚未对此进行系统性的受控评估。

二、研究内容与结论

针对上述问题，研究人员开展了一项系统性受控研究：将五种图骨干网络的原始节点表征替换为同一紧凑型一维CNN主干，同时保留各模型的图构建、图卷积、时间上下文和预测模块。研究比较了三种训练策略——两阶段训练（CNN–2S）、端到端训练（CNN–E2E）和预训练后微调（CNN–PTFT），在五个数据集配置上采用匹配的五折受试者交叉验证进行评估。

研究得出以下核心结论：至少一种CNN策略在25种骨干网络–数据集组合中的22种组合下优于对应的原始前端；CNN–2S、CNN–E2E和CNN–PTFT的平均宏F1增益分别为2.99、2.34和2.53个百分点；所有睡眠分期的平均增益均为正值，其中N1期和REM期增益最大；CNN–2S在整体表现和性能–成本平衡上最优。该研究的重要意义在于：证明了节点表征学习应被视为基于图的睡眠分期设计中的显式组成部分，而非固定的预处理步骤；同时提供了一种通用学习型波形前端，可作为比较异构图模型的统一基础。

三、关键技术方法

研究使用了以下主要技术方法：一是共享波形编码器，即一个紧凑型四层一维卷积神经网络（CNN），包含GroupNorm、GELU激活和dropout，对每个通道和时段独立编码，通过自适应平均池化输出64维向量，再经线性投影映射至各骨干网络所需的节点特征维度。二是三种训练策略：CNN–2S采用辅助时段级分类器预训练后冻结编码器；CNN–E2E从随机初始化联合优化；CNN–PTFT先预训练再联合微调。三是固定原始邻接隔离实验，将CNN节点特征与原始图固定组合以分离表征与图构建的贡献。四是归一化控制实验和可用历史统计量敏感性分析。五是跨数据集编码器迁移实验。数据集来源包括Sleep-EDFx及其Sleep-EDF20子集（健康受试者）、ISRUC-SG1（睡眠障碍患者）和ISRUC-SG3（健康受试者）以及ANPHY（高密度EEG健康受试者）。

四、研究结果

总体性能增益。 在完整实验网格上，CNN–2S在25种骨干网络–数据集组合中的21种组合下提升宏F1，CNN–E2E在19种组合下提升，CNN–PTFT在20种组合下提升。至少一种CNN策略在22种组合下优于匹配的原始前端。CNN–2S、CNN–E2E和CNN–PTFT的平均宏F1增益分别为2.99、2.34和2.53个百分点。增益覆盖全部五个睡眠分期，CNN–2S使N1和REM的平均F1分别提升4.68和4.05个百分点。受试者配对分析中，75个预定义比较中有42个的置信区间完全高于零，经Holm校正后27个正向效应保持显著，无显著负向效应。

骨干网络与数据集特异性效应。 增益幅度和一致性取决于被替换的前端类型。GraphSleepNet、ProductGraphSleepNet和STDP-GCN的改进最大且最一致，CNN–2S在这三个模型的所有五个数据集上均提升宏F1；MSTGCN和JK-STGCN的变化较小且依赖数据集。STDP-GCN在分期层面的增益最强，N1期平均增益达+9.46个百分点。数据集层面，CNN条件在ANPHY、ISRUC-SG1和ISRUC-SG3上取得最高折均宏F1，而Sleep-EDF20和Sleep-EDFx上原始JK-STGCN仍为最高配置。

固定原始邻接隔离实验。 在GraphSleepNet和ProductGraphSleepNet上，仅将节点表征替换为CNN而保持原始图固定，在30种骨干网络–数据集–训练策略组合中的28种组合下提升宏F1。CNN–2S在固定原始图条件下使GraphSleepNet的五数据集平均宏F1提升4.87个百分点，ProductGraphSleepNet提升3.32个百分点。允许图适应CNN表征仅产生较小的额外变化，表明主要收益来自CNN节点表征本身。

归一化控制实验。 在20种适用配置中，匹配CNN波形归一化仅使原始前端在7种情况下提升、13种情况下降低，平均变化为?1.23个百分点。CNN–2S在所有20种比较中仍优于归一化匹配的原始条件，平均优势为4.96个百分点。使用可用历史统计量替代全记录统计量对结果影响甚微，平均变化为?0.08个百分点，相对原始前端的优势仍保持+2.54个百分点。

跨数据集编码器可迁移性。 以Sleep-EDFx为源数据集时，迁移的CNN–2S编码器相对原始前端平均提升2.44个百分点宏F1，在15种比较中的14种下优于原始前端。以ISRUC-SG1为源数据集时，平均提升2.61个百分点，在20种比较中的15种下优于原始前端，且与目标数据集直接训练的CNN–2S几乎一致（平均差异?0.07个百分点）。STDP-GCN和GraphSleepNet的迁移增益最大。

训练策略与性能–成本权衡。 每个条件125折的平均训练管线时间为：原始前端14.23分钟/折，CNN–2S为13.83分钟/折（约为原始前端的0.97倍），CNN–E2E为18.42分钟/折（1.29倍），CNN–PTFT为21.48分钟/折（1.51倍）。CNN–2S在25种配置中的12种下训练速度快于原始前端。CNN–2S使STDP-GCN和GraphSleepNet分别提升6.27和4.80个百分点宏F1，同时训练时间增加；ProductGraphSleepNet在获得3.46个百分点增益的同时训练时间降至原始前端的0.78倍。

五、讨论与结论

讨论部分指出，节点表征可显著影响基于图的睡眠分期模型性能。最大且最一致的增益出现在CNN替换固定频谱摘要（微分熵和尖峰残差表征）的场景中，而替换已受监督训练的卷积前端（FeatureNet）时变化较小，且替换后的波形编码器参数量减少60.5%，表明前端容量增加不能解释整体增益模式。固定邻接分析和归一化控制实验表明，改进主要与学习型节点表征相关，而非图自适应或波形归一化所致。跨数据集实验进一步证明冻结的CNN表征在迁移后仍保持有效。在三种训练策略中，CNN–2S提供最强的整体性能且无需端到端优化，总训练管线时间为28.81小时，低于原始前端的29.64小时。

研究结论部分翻译如下：本研究通过将异构原始前端替换为跨五种图骨干网络和五个数据集的通用原始波形CNN，为基于图的睡眠分期中的节点表征提供了受控比较。在25种骨干网络–数据集组合中，CNN–2S平均提升宏F1达2.99个百分点，并在21种组合下超过匹配的原始前端。CNN–E2E和CNN–PTFT也分别平均提升宏F1达2.34和2.53个百分点。增益覆盖全部五个睡眠分期，平均而言N1和REM期增益最大。在受试者配对分析中，经Holm校正后27个正向效应保持显著，无显著负向效应。当CNN替换固定频谱表征时增益最大且最一致，而替换已受监督训练的卷积前端时变化较小且更依赖数据集。固定邻接和归一化匹配分析表明，这些改进主要与学习型节点表征相关，而非图自适应或波形归一化单独所致，且在使用仅含历史统计量的归一化时增益仍然保持。跨数据集实验进一步表明冻结的CNN表征在迁移至其他数据集后仍然有效。在三种训练策略中，CNN–2S在不需端到端优化的前提下提供最强的整体性能，其总训练管线时间为28.81小时，而原始前端为29.64小时、CNN–E2E为38.37小时、CNN–PTFT为44.75小时，尽管训练时间的影响因骨干网络而异。总体而言，研究结果支持将节点表征学习视为基于图的睡眠分期设计中的显式组成部分，并表明通用学习型波形前端可为比较异构图模型提供有用基础。