可解释睡眠分类中效用与性能权衡的优化

基于摘要分析。该研究针对睡眠障碍诊断中的自动睡眠状态标注，提出可解释方法 NormIntSleep，将具有领域意义的特征与深度神经网络嵌入结合，以生成基于临床指南的解释。研究同时提出 Alignment_DT 指标，用于量化解释的领域一致性及其效用，考察可解释睡眠分类中解释效用与预测性能的权衡。 技术机制：摘要明确了领域特征与深度表示的结合思路，但未说明特征定义、融合方式、网络结构、训练目标或解释生成流程。Alignment_DT 的计算公式、参照标准及与临床指南的具体对应关系尚未验证，因此不能据此判断该指标是否直接反映临床人员对解释的实际使用价值。 结果：作者报告，在摘要未交代的数据集、划分和评估协议下，NormIntSleep 的 Accuracy 为 0.814–0.847、F1-score 为 0.787–0.793、Kappa 为 0.759–0.788，并优于此前的可解释技术，获得最高的 Alignment_DT 分数。这些区间分别对应哪些数据集或设置尚未验证；F1 的聚合方式、对照方法及指标不确定性也需查阅全文，不能据此进行跨协议比较。 证据边界与复现条件：摘要未明确输入信号类型、被试数量、睡眠类别、被试内或跨被试划分，也未提供代码信息。实验协议、消融及统计信息尚未验证。复现需核对领域特征提取、嵌入与特征的结合流程、Alignment_DT 定义和数据划分。作者将其定位为可能适用于其他依赖领域知识的医疗任务的方法，但摘要不构成临床有效性或 BCI 效果的证据。