NCC论文：Omni-Sleep——构建具有生理合理性的睡眠基础模型

本文介绍了南方科技大学和深圳全域智能团队在MICCAI 2026发表的论文“Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS-ANS Dynamics”。背景：现有睡眠基础模型通常将多模态PSG信号（如脑电、心电、呼吸等）进行扁平化融合，忽略了中枢神经系统（CNS）与自主神经系统（ANS）之间的生理层级关系。研究目的：为解决这一问题，作者提出了Omni-Sleep模型，将CNS/ANS的生理学分区作为显式结构先验，通过系统内对比学习、系统间耦合对齐和长程潜空间掩码预测，实现从传感器级融合到生理层级结构感知的转变。结论：在CinC2018外部数据集上，Omni-Sleep在睡眠分期任务中全模态达到77.8%准确率，比SleepFM高出6.0%；在仅使用ANS信号时仍维持66.3%准确率。在SHHS数据集的多标签疾病分类中，阻塞性睡眠呼吸暂停筛查AUROC达0.841，心力衰竭达0.825。消融实验验证了长程建模对呼吸系统疾病的特异性贡献。Omni-Sleep为结构感知的睡眠基础模型提供了新范式，并可有效支持模态缺失和少样本场景。