基于周期分割的睡眠自动分期研究

• 作者: 卫作臣 张见 李同庆 王蓓 邹俊忠
• 来源期刊: 计算机工程与应用
• 学科: 医学
• 关键词: 睡眠分期 周期分割 合并增减序列 深度学习 双向长短时记忆网络
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 94-99
• 页数: 6页
• 分类号: R318
• 字数: 4657字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1801-0254

摘要

为实现高效的自动睡眠分期,提出一种基于周期分割的时域信号处理方法,采用合并增减序列方法对三个通道多导睡眠图记录(2路脑电,1路眼电)进行周期分割,根据信号波形的周期标记睡眠各期的特征波形,提取特征波形在每一帧数据的时长占比与平均幅值作为特征.双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)作为分类器,解决传统机器学习方法无法利用睡眠数据时间上下文信息的缺点.对42 699个样本使用交叉验证方法得到了84.8%的平均准确率,实验结果表明合并增减序列方法可以降低脑电信号分析的复杂度,是一种有效的时域信号处理方法,双向长短时记忆网络可以有效提高睡眠分期准确率,具有良好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹俊忠	华东理工大学信息科学与工程学院自动化系	43	273	9.0	15.0
2	张见	华东理工大学信息科学与工程学院自动化系	18	133	5.0	11.0
3	王蓓	华东理工大学信息科学与工程学院自动化系	25	62	4.0	6.0
4	卫作臣	华东理工大学信息科学与工程学院自动化系	8	60	3.0	7.0
5	李同庆	华东理工大学信息科学与工程学院自动化系	1	3	1.0	1.0