典型文献
基于深度学习的跨对象脑电睡眠分期研究
文献摘要：
目的 跨对象脑电睡眠分期是国际顶级会议NeurIPS 2021最新提出的一项挑战性任务,目的是解决当前脑电睡眠分期中主要存在的目标数据不足问题.本文基于深度学习方法对该任务进行了初步探索,通过对数据集的深入分析,结合深度学习AttnSleep(attention-based deep learning approach for sleep stage classification)模型,设计实现了一种基于类感知损失函数(class-aware loss function)的单通道脑电睡眠分期方法.方法 实验数据来自NeurIPS 2021 BEETL Competition任务一官方所提供的跨对象数据集,首先对脑电数据进行标准化预处理,然后使用本文设计的方法进行睡眠分期,并对其结果进行检验.结果 在数据集提供的2个不同年龄组别中,本文方法分别达到了67.33和66.68的任务指标,同时也验证了类感知损失函数的作用.结论 使用基于类感知损失函数的单通道AttnSleep模型有助于在目标数据不足的情况下提升跨对象脑电睡眠分期的效果.文中所用的实验方法代码将发布于.
文献关键词：
跨对象睡眠分期;脑电;深度学习;AttnSleep模型;类感知损失函数
中图分类号：
作者姓名：
张金辉;汪鹏;李蕾
作者机构：
解放军总医院服务保障中心装备保障室,北京 100853;北京邮电大学人工智能学院,北京 100876
文献出处：
引用格式：
[1]张金辉;汪鹏;李蕾-.基于深度学习的跨对象脑电睡眠分期研究)[J].北京生物医学工程,2022(04):399-404
A类：
NeurIPS,AttnSleep,类感知损失函数,BEETL,跨对象睡眠分期
B类：
分期研究,顶级,级会,挑战性任务,前脑,不足问题,深度学习方法,初步探索,attention,deep,learning,approach,sleep,stage,classification,设计实现,aware,loss,function,单通道,Competition,对象数据,脑电数据,标准化预处理,不同年龄组,组别,任务指标,实验方法,代码
AB值：
0.24976
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。
