基于深度卷积神经网络的睡眠分期模型

• 作者: 张宏钧 林友芳 王晶 贾子钰
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 睡眠分期 脑电信号 深度学习 卷积神经网络(CNN)
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 计算机技术
• 页码范围: 1899-1905
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.10.005

摘要

针对现阶段数据和特征决定睡眠分期模型的分类精度上限的问题,提出深度卷积神经网络模型.在模型主体构建方面,并行卷积网络可以自动学习原始信号的时域特征和频域特征,特征融合网络通过空洞卷积和残差连接进行多特征融合,分类网络基于融合后的特征进行睡眠分期.利用生成少数类过采样技术(SMOTE)减少类别不平衡对分类效果的影响,结合两步训练法对模型进行优化.实验使用Sleep-EDF数据集的原始单导脑电信号(Fpz-Cz通道)对模型进行20折交叉验证,得到总体精度和宏F1分别为86.73％和81.70％.提出的深度卷积模型在没有任何先验知识的情况下,对脑电信号进行端到端的学习,分类准确率优于传统的深度学习模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林友芳		29	139	5.0	11.0
2	王晶		20	121	6.0	11.0
3	贾子钰		3	4	1.0	2.0
4	张宏钧		1	0	0.0	0.0