基于CNN-BiLSTM的自动睡眠分期方法

• 作者: 潘丽敏 罗森林 郝靖伟
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 睡眠分期 类别不平衡 特征学习 卷积神经网络 长短时记忆网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 信息与控制
• 页码范围: 746-752
• 页数: 7页
• 分类号: TP391
• 字数: 4243字
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2019.041

摘要

针对目前睡眠分期存在的依赖人工特征提取、无法识别长时关联数据中的时序模式、模型对EEG时序数据分期不准确等问题,提出一种基于CNN-BiLSTM的自动睡眠分期方法.将原始数据通过改进MSMOTE算法进行过采样形成类平衡数据,再通过CNN表达其高级特征,并馈送至BiLSTM中挖掘各睡眠阶段间的依赖关系,实现睡眠数据分期特征的自动学习和睡眠周期判定.在Sleep-EDF公开数据集上的实验结果表明,CNN-BiLSTM模型的分类准确率为92.21％.同时引入改进的MSMOTE过采样技术缓解因数据不平衡所导致的少数类睡眠期判定不准确问题.在原始数据集类不平衡的情况下,实现了睡眠数据自动分期,有效提高了睡眠分期模型的准确率,具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗森林	北京理工大学信息与电子学院	121	821	14.0	23.0
2	潘丽敏	北京理工大学信息与电子学院	66	402	10.0	17.0
3	郝靖伟	北京理工大学信息与电子学院	2	0	0.0	0.0