本研究提出了一种门控多模态时间神经网络，旨在解决深度学习在睡眠分级中的多模态贡献不均和数据干扰问题。通过动态融合心率、运动、步数、EEG和EOG数据，显著提高了分类准确率，性能优于现有模型。