文档名：基于多层级卷积融合网络的自动睡眠分期方法
摘要：针对原始数据不均衡、多层级特征利用不充分等原因造成的基于脑电(EEG)信号分析的睡眠分期方法精度长期驻足不前的问题,提出了一种多层级卷积融合网络的睡眠分期方法,在以SMOTE算法对原始EEG数据进行均衡化处理,并构建时-空信息特征矩阵对网络的输入量进行二维化处理的基础上,通过搭建和优化不同深度的卷积网络,自动提取并融合多层级、多尺度的EEG信号睡眠特征,实现睡眠分期.实验结果表明:所提方法在Sleep-EDF数据集上的分期精度可达到92.35％,宏F1-score达到84.4％,分期精度最低的N1期F1-score可达到53.3％,睡眠分期性能优于其他深度学习模型.
作者：刘鑫冰 周强Author：LIUXinbing ZHOUQiang
作者单位：陕西科技大学电气与控制工程学院,陕西西安710021
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(3)
分类号：TP391.4R318.04
关键词：睡眠分期 多层级卷积融合网络 时空特征 特征融合
机标分类号：TP391R318R741.044
在线出版日期：2023年5月25日
基金项目：陕西省科技计划项目，咸阳市科技计划项目基于多层级卷积融合网络的自动睡眠分期方法[
期刊论文] 传感技术学报--2023, 36(3)刘鑫冰 周强针对原始数据不均衡、多层级特征利用不充分等原因造成的基于脑电(EEG)信号分析的睡眠分期方法精度长期驻足不前的问题,提出了一种多层级卷积融合网络的睡眠分期方法,在以SMOTE算法对原始EEG数据进行均衡化处理,并构建时...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多层级卷积融合网络的自动睡眠分期方法 Automatic Sleep Staging Method Based on Multi-Layer Convolution Fusion Network
基于多层级卷积融合网络的自动睡眠分期方法.pdf
- 文件大小:
- 2.98 MB
- 下载次数:
- 60
-
高速下载
|
|
