换一批摘要为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法.首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题.实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F1 值达到79.0%,Cohen's Kappa系数达到0.78.与现有方法相比,算法性能提升明显,证明了所提方法的有效性.
更多相关知识
关键词
睡眠分期多视图注意力机制双向长短时记忆网络类别加权损失函数sleep stagingmulti-viewattention mechanismbidirectional long short-term memory networksclass weighted loss function
分类号
R318（医用一般科学）
栏目名称
DOI
10.19652/j.cnki.femt.2305396
发布时间
2024-02-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62101189）
浙江省自然科学基金项目（LTGC23F010001）
- 浏览4
- 被引6
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
