典型文献
采用小波变换和双向长短期记忆网络的脑电睡眠分期模型
文献摘要：
针对睡眠生理信号采集难度大、睡眠分期精度低的问题,提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型.首先使用连续小波变换提取睡眠脑电的时频图;然后使用卷积神经网络从脑电信号的时频图中提取睡眠相关的脑电特征,作为单个睡眠片段的分期依据,再使用双向长短期记忆网络进一步提取睡眠片段之间的状态转换规则;最后利用深度学习方法建立特征、规则与睡眠阶段的映射,使用数据扩充和两步训练法训练模型,削弱数据不均衡的影响,完成连续片段的睡眠分期.采用SHHS公开数据库的5793名被试者的睡眠脑电数据对该模型进行验证,实验结果表明,睡眠分期准确率达到85.82％,整体F1达到78.39,Kappa系数达到0.799,和现有方法相比性能明显提升.
文献关键词：
睡眠分期;脑电信号;连续小波变换;卷积神经网络;双向长短期记忆网络
中图分类号：
作者姓名：
王天宇;陈晗;王刚;吴宁
作者机构：
西安交通大学电子与信息学部,710049,西安;西安交通大学生物医学信息工程教育部重点实验室,710049,西安;西安交通大学生命科学与技术学院,710049,西安
文献出处：
引用格式：
[1]王天宇;陈晗;王刚;吴宁-.采用小波变换和双向长短期记忆网络的脑电睡眠分期模型)[J].西安交通大学学报,2022(09):104-111
A类：
SHHS
B类：
双向长短期记忆网络,睡眠分期,生理信号,信号采集,连续小波变换,睡眠脑电,时频图,脑电信号,分期依据,状态转换,转换规则,深度学习方法,使用数据,数据扩充,两步,训练法,训练模型,数据不均衡,被试者,脑电数据,Kappa
AB值：
0.211453
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
