科研之友
微信
新浪微博
Facebook
分享链接
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。
- 出版日期2023
- 单位陕西科技大学
