2026年10月17日至19日，中国人工智能学会人工智能国际会议（CICAI 2026）将在浙江海宁举行。CICAI是中国人工智能领域最具影响力和权威性的国际学术会议之一，属CAAI推荐的A类会议。脑机团队2024级硕士研究生林泽楠在潘家辉教授指导下完成的研究成果《MVTTASleep: Reliability-Guided Multi-View Test-Time Adaptation for Cross-Dataset Sleep Staging》被该会议正式录用。

研究背景：睡眠监测的"跨医院"难题 

图1 可靠性引导的多视图测试时自适应框架图

针对上述挑战，研究团队提出MVTTASleep框架（如图1所示），核心创新体现在三个方面：

多视图互补输入：模型同时构建原始EEG时域信号和短时傅里叶变换时频图两个视图，分别捕捉精细时序波形与频域睡眠特征模式，综合利用时域与频域互补信息。

适配-留存双分支模块：为每个视图配备适配分支与留存分支。适配分支通过在线更新批归一化参数快速拟合目标域分布；留存分支通过动量更新作为慢速参考基准，保留源域可判别性并缓解灾难性遗忘。两分支预测取平均作为该视图输出。

可靠性引导的自适应机制：框架核心创新。通过计算两个视图预测与交叉视图伪标签在mini-batch上的一致性作为可靠性分数，该分数同时发挥双重作用：一是控制融合权重，可靠性高的视图在最终预测中占据更大权重；二是动态调节学习率，可靠性低的视图获得更大更新步长以加速适应，可靠性高的视图则被保守更新以维持稳定，形成"不可靠则多学、少用，可靠则少学、多用"的自适应闭环。

实验结果：轻量高效，跨域性能显著提升

在SleepEDF和SHHS两个公开数据集上的跨数据集实验表明：

• SleepEDF→SHHS：准确率71.43%，宏F1分数71.02%
• SHHS→SleepEDF：准确率72.35%，宏F1分数72.11%

相比最优基线方法（Tent/EATA），准确率提升约1.5~2个百分点，宏F1提升约2~3个百分点。消融实验验证了各模块的有效性。模型参数量仅约160万，推理延迟远低于30秒的EEG片段时长，具备实时部署潜力。

总结与展望

MVTTASleep首次将可靠性引导机制引入多视图测试时自适应睡眠分期，通过"以一致性度量可靠性，以可靠性统筹更新与融合"的设计范式，有效解决了单通道EEG模型在跨域部署中的性能衰减问题。该工作不仅为睡眠分期领域提供了高性能、低延迟的在线自适应方案，其可靠性驱动的多视图协同思想也对其他生理信号时间序列分析具有重要借鉴意义。

未来，团队将致力于开发更轻量化的校准可靠性估计方法，进一步推动其在可穿戴设备上的落地应用。