基于深度卷积神经网络和循环神经网络的睡眠分期模型

摘要：

针对传统机器学习模型过于依赖特征工程、多导睡眠图(Polysomnography,PSG)数据获取难度大等问题,提出一种基于深度卷积神经网络(Convolutional Neural Networks,CNN)和循环神经网络(Recurrent Neural Network,RNN)的自动睡眠分期模型.该模型不需要烦琐的特征提取过程,仅使用单通道脑电信号即可在较高水准下完成自动睡眠分期,在公开数据集Sleep-EDF的Fpz-CZ通道脑电数据上实现了 85.2％的分类准确率.

关键词：睡眠分期、卷积神经网络(CNN)、循环神经网络(RNN)、脑电信号

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：68-70