文献类型：期刊文献

中文题名：基于周期分割的睡眠自动分期研究

作者：李同庆[1];邹俊忠[1];张见[1];王蓓[1];卫作臣[1];

机构：[1]华东理工大学信息科学与工程学院自动化系;

年份：2018

期号：9

起止页码：94

中文期刊名：计算机工程与应用

基金：国家自然科学基金(No.61773164);上海市自然科学基金(No.16ZR1407500);

语种：中文

中文关键词：睡眠分期;周期分割;合并增减序列;深度学习;双向长短时记忆网络;

摘要：为实现高效的自动睡眠分期,提出一种基于周期分割的时域信号处理方法,采用合并增减序列方法对三个通道多导睡眠图记录(2路脑电,1路眼电)进行周期分割,根据信号波形的周期标记睡眠各期的特征波形,提取特征波形在每一帧数据的时长占比与平均幅值作为特征。双向长短时记忆网络(Bi-directional Long Short-Term Memory,Bi-LSTM)作为分类器,解决传统机器学习方法无法利用睡眠数据时间上下文信息的缺点。对42 699个样本使用交叉验证方法得到了84.8%的平均准确率,实验结果表明合并增减序列方法可以降低脑电信号分析的复杂度,是一种有效的时域信号处理方法,双向长短时记忆网络可以有效提高睡眠分期准确率,具有良好的应用前景。