基于EOG的睡眠分期研究

• 作者: 夏斌 王丹丹
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: DBN LSTM-RNN 睡眠自动分期 EOG
• 年，卷（期）: 2016,（13）
• 所属期刊栏目: 技术与方法
• 页码范围: 79-81
• 页数: 3页
• 分类号: TP391.9
• 字数: 1193字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2016.13.026

摘要

随着模式识别技术的发展与应用,睡眠自动分期方法正在逐渐取代手动分期研究.文章使用深度置信网络(Deep Belief Network,DBN)和长短时记忆递归神经网络(Long Short-Term Memory Recurrent Neural Network,LSTM-RNN)这两种方法对眼电(Electrooculogram,EOG)通道的数据进行睡眠自动分期.LSTM-RNN方法(平均准确率83.4％)相对DBN(平均准确率75.6％)在基于眼电信号的睡眠分期问题上取得了更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏斌		45	178	7.0	10.0
2	王丹丹		9	44	3.0	6.0