🤖 machine learning

STDA-Net: Spectrogram-Based Domain Adaptation for cross-dataset Sleep Stage Classification

L'article propose STDA-Net, un cadre d'adaptation de domaine non supervisé basé sur les spectrogrammes qui intègre des CNN, des BiLSTM et un apprentissage adversarial pour réaliser une classification robuste et stable des stades de sommeil entre plusieurs jeux de données, surpassant les méthodes existantes basées sur des signaux 1D sur plusieurs jeux de données.

Auteurs originaux : Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Publié 2026-05-11

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Unaza Tallal, Shruti Kshirsagar, Ankita Shukla

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez d'enseigner à un robot comment reconnaître les différentes étapes du sommeil humain (comme le sommeil léger, le sommeil profond ou le rêve). Vous disposez d'une grande quantité de données d'apprentissage provenant d'un groupe de personnes (appelons-le « Groupe A »), mais vous souhaitez que le robot fonctionne parfaitement sur un groupe de personnes complètement différent (« Groupe B »).

Le problème est que le Groupe A et le Groupe B sont différents. Peut-être que le Groupe A a été enregistré avec un type de microphone différent, dans une pièce différente, ou avec une vitesse d'échantillonnage différente. Dans le monde des données, cela s'appelle un « décalage de domaine ». C'est comme essayer d'enseigner à un élève à reconnaître un chien en utilisant uniquement des photos de Golden Retrievers, puis de s'attendre à ce qu'il reconnaisse instantanément un Chihuahua sans aucune aide supplémentaire. Le robot est confus parce que l'« apparence » des données a changé.

Ce papier présente une nouvelle solution appelée STDA-Net. Voici comment cela fonctionne, décomposé en concepts simples :

1. Changer le « langage » des données (Le spectrogramme)

La plupart des méthodes précédentes tentaient d'enseigner au robot en lui fournissant directement les ondes sonores brutes de l'activité cérébrale (EEG). Les auteurs soutiennent que c'est comme essayer de lire un livre en regardant les taches d'encre sur la page sans voir les lettres.

Au lieu de cela, STDA-Net convertit ces ondes cérébrales brutes en spectrogrammes. Imaginez un spectrogramme comme une carte thermique ou une empreinte digitale du son. Au lieu d'une simple ligne sinueuse, il transforme les données en une image 2D où l'on peut clairement voir les « couleurs » (fréquences) et les « formes » (modèles temporels) des étapes du sommeil. Le papier affirme que regarder ces images 2D aide le robot à mieux comprendre les données que de regarder les lignes brutes.

2. L'équipe à trois parties (L'architecture)

Pour résoudre le problème d'enseigner au robot à fonctionner sur le Groupe B sans jamais avoir vu les réponses (étiquettes) du Groupe B, les auteurs ont construit une équipe de trois spécialistes :

L'Artiste (CNN) : Cette partie examine les images 2D de « carte thermique » et apprend à repérer les motifs uniques de chaque étape du sommeil. C'est comme un artiste apprenant à reconnaître un style de peinture.
Le Conteur (BiLSTM) : Le sommeil ne se produit pas dans des instantanés isolés ; c'est une histoire. On ne passe généralement pas instantanément du « sommeil profond » au « rêve » sans passer par le « sommeil léger ». Cette partie examine la séquence des événements. Elle se souvient des quelques minutes précédentes pour comprendre ce qui se passe en ce moment, tout comme un conteur utilise le contexte pour donner du sens au chapitre actuel.
L'Espion (DANN) : C'est la partie astucieuse. Le travail de l'Espion est de tromper l'Artiste. L'Espion essaie de deviner si une image provient du Groupe A ou du Groupe B. L'Artiste essaie de rendre les images si similaires que l'Espion ne peut pas les distinguer. En forçant l'Artiste à « cacher » les différences entre les deux groupes, le robot apprend à se concentrer uniquement sur les modèles de sommeil qui sont universels, en ignorant les différences dans la façon dont les données ont été enregistrées.

3. Le processus d'entraînement

Le robot est entraîné en utilisant des données du Groupe A (où nous connaissons les réponses) et du Groupe B (où nous ne connaissons pas les réponses).

L'Artiste apprend à identifier les étapes du sommeil à partir du Groupe A.
L'Espion essaie de distinguer le Groupe A du Groupe B.
Le Conteur s'assure que la séquence du sommeil est logique.
Grâce à ce « jeu », le robot apprend à reconnaître les étapes du sommeil dans le Groupe B aussi bien que dans le Groupe A, même s'il n'a jamais vu les réponses correctes pour le Groupe B pendant l'entraînement.

4. Les résultats : Un robot plus stable

Les chercheurs ont testé ce système sur trois bases de données de sommeil réelles différentes. Ils ont comparé leur nouvelle méthode aux anciennes méthodes qui utilisaient uniquement les « lignes sinueuses » brutes (données 1D).

Meilleur équilibre : Les anciennes méthodes étaient bonnes pour deviner les étapes de sommeil les plus courantes (comme être éveillé) mais terribles pour les rares (comme le sommeil léger). STDA-Net était bien meilleur pour obtenir toutes les étapes correctes, pas seulement les faciles.
Plus fiable : Lorsque les chercheurs ont exécuté le test cinq fois avec différents paramètres aléatoires, les anciennes méthodes donnaient des résultats très différents à chaque fois (comme un lancer de pièce). STDA-Net donnait presque le même score élevé à chaque fois. Cela signifie que la méthode est stable et digne de confiance.
Les chiffres : En moyenne, la nouvelle méthode a correctement identifié environ 89 % des étapes du sommeil, ce qui représente une amélioration significative par rapport aux meilleures méthodes précédentes.

Résumé

En bref, le papier affirme qu'en transformant les ondes cérébrales en images 2D, en ajoutant un conteur pour comprendre la séquence du sommeil, et en utilisant un espion pour masquer les différences entre les différents dispositifs d'enregistrement, ils ont créé un système capable de classifier avec précision les étapes du sommeil à travers différents ensembles de données. Ils ont trouvé que cette approche est plus précise, mieux équilibrée et beaucoup plus stable que les méthodes précédentes qui reposaient uniquement sur des données brutes.

Résumé Technique : STDA-Net

Énoncé du Problème
La classification précise des stades de sommeil à travers différents ensembles de données est entravée par des décalages de domaine significatifs causés par la variabilité des montages de canaux EEG, des taux d'échantillonnage, des environnements d'enregistrement et des populations de sujets. Bien que l'apprentissage profond ait fait progresser le dépistage automatisé du sommeil, la plupart des méthodes existantes pour le transfert entre ensembles de données reposent sur des représentations de signaux EEG bruts unidimensionnels (1D). De plus, l'application d'entrées bidimensionnelles (2D) basées sur des spectrogrammes dans un cadre d'adaptation de domaine non supervisé pour le dépistage du sommeil inter-ensembles de données reste largement inexplorée. Les approches actuelles souffrent souvent d'une dégradation des performances lors du transfert de modèles entre ensembles de données en raison de ces différences distributionnelles, et peu d'attention a été accordée à l'exploitation des représentations temps-fréquence 2D pour atténuer cet écart.

Méthodologie
Les auteurs proposent STDA-Net (Spectrogram-based Temporal Domain Adaptation Network), un cadre conçu pour l'adaptation de domaine non supervisée dans la classification des stades de sommeil utilisant des spectrogrammes EEG 2D. L'architecture intègre quatre composants principaux :

Prétraitement et Génération de Spectrogrammes : Les signaux EEG bruts mono-canaux des domaines source et cible sont standardisés (rééchantillonnés à 100 Hz, filtrés passe-bande 0,5–30 Hz) et segmentés en époques de 30 secondes. Chaque époque est convertie en une représentation temps-fréquence 2D (spectrogramme) de taille $76 \times 60$ en utilisant la Transformée de Fourier à Court Terme (STFT). Pour modéliser les dépendances temporelles, des séquences de $L=10$ époques consécutives (5 minutes) sont construites avec un pas de 5 époques.
Encodeur Époque CNN : Un réseau de neurones convolutifs (CNN) partagé traite chaque spectrogramme indépendamment pour extraire des caractéristiques discriminatives au niveau de l'époque. L'encodeur se compose de quatre blocs convolutifs avec des unités résiduelles, une normalisation par lots et une activation GELU. Il produit un vecteur de caractéristiques de 128 dimensions. Une tête de classification auxiliaire est attachée à ces caractéristiques pour fournir une supervision directe par époque, encourageant l'extraction de caractéristiques spectrales discriminatives.
Module Temporel BiLSTM : La séquence de caractéristiques au niveau de l'époque est alimentée dans un réseau à mémoire à long et court terme bidirectionnel (BiLSTM) à deux couches. Ce module capture les dépendances temporelles à travers les époques consécutives, exploitant les motifs de transition des stades de sommeil contraints biologiquement (par exemple, la rareté des transitions directes entre certains stades) pour affiner les prédictions.
Entraînement Adversaire de Domaine (DANN) : Pour aligner les distributions de caractéristiques source et cible sans données cibles étiquetées, un discriminateur de domaine est entraîné pour distinguer les caractéristiques source des caractéristiques cibles. Une Couche de Réversion de Gradient (GRL) est appliquée à l'encodeur CNN, l'entraînant à générer des caractéristiques qui confondent le discriminateur, apprenant ainsi des représentations invariantes au domaine. Cette adaptation adversaire est appliquée au niveau des caractéristiques CNN par époque, car les écarts spectraux sont la source principale de l'écart de domaine, tandis que les motifs temporels restent relativement cohérents.

La perte d'entraînement totale combine trois objectifs : la perte de classification principale ( $L_{main}$ ) sur les étiquettes source, une perte de classification auxiliaire ( $L_{aux}$ ) sur les caractéristiques CNN, et la perte d'adaptation de domaine adversaire ( $L_{adv}$ ). Le poids de la perte adversaire suit un calendrier progressif pour permettre au modèle d'apprendre d'abord des caractéristiques source discriminatives avant d'augmenter progressivement la pression d'alignement.

Contributions Clés

Proposition de Cadre : L'introduction de STDA-Net, un cadre novateur pour la classification des stades de sommeil inter-ensembles de données fonctionnant sur des spectrogrammes EEG 2D. Il intègre de manière unique un encodeur CNN pour l'extraction de caractéristiques spectrales, un BiLSTM pour la modélisation temporelle et un DANN pour l'alignement de domaine non supervisé.
Ablation Systématique : Une étude d'ablation complète quantifiant les contributions individuelles de la modélisation temporelle, de la supervision auxiliaire et de l'adaptation adversaire, démontrant que la combinaison de tous les composants produit les performances optimales.
Évaluation Robuste Inter-Ensembles de Données : Des expériences extensives menées sur trois ensembles de données publics (Sleep-EDF, SHHS-1, SHHS-2) à travers six configurations distinctes de transfert inter-ensembles de données, validant la robustesse du cadre face aux décalages de domaine.

Résultats
Des expériences ont été menées sur Sleep-EDF, SHHS-1 et SHHS-2 dans six configurations de transfert. Le STDA-Net proposé a obtenu :

Une précision moyenne de 89,03 %.
Un score F1 macro moyen de 87,64 %.
Une performance de classification équilibrée (F1 macro) constamment supérieure aux méthodes de base 1D existantes (incluant Deep CORAL, DANN, ADAST et ADAADL).
Une variance nettement inférieure sur cinq exécutions indépendantes par rapport aux méthodes de base, indiquant une stabilité et une reproductibilité améliorées.

Il est à noter que le modèle a montré une asymétrie directionnelle où le transfert depuis les ensembles de données SHHS vers Sleep-EDF a surpassé l'inverse, suggérant que l'entraînement sur des populations sources physiologiquement diversifiées produit des représentations spectrales plus généralisables.

Signification
L'article affirme que les représentations basées sur des spectrogrammes 2D, combinées à la modélisation temporelle et à l'adaptation de domaine adversaire, offrent une alternative robuste et compétitive aux entrées EEG 1D conventionnelles pour le dépistage du sommeil inter-ensembles de données. Les résultats suggèrent que le passage des formes d'onde brutes 1D aux représentations temps-fréquence 2D aide à atténuer la dégradation des performances généralement causée par les décalages de domaine dans les données de sommeil. Le cadre aborde avec succès le défi de la généralisation des modèles de dépistage du sommeil à travers différents protocoles d'acquisition et populations de sujets sans nécessiter de données cibles étiquetées, offrant une solution pratique pour améliorer l'analyse automatisée du sommeil dans les contextes cliniques et de recherche. Des travaux futurs sont proposés pour valider le cadre sur des bases de données supplémentaires (ISRUC, MASS) et l'étendre aux configurations EEG multi-canaux.