基于深度学习脑电信号的睡眠分期

来源 :燕山大学 | 被引量 : 0次 | 上传用户:mylovesm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
睡眠是人类基本的活动,高质量的睡眠状态有利于人体的身体健康。随着生活和工作压力的加大,睡眠相关的疾病在当今社会日益突出,威胁着人们的身体健康和日常生活。目前通过人工标记睡眠分期需要人力和时间成本,效率低且主观性强。该文针对目前睡眠分期的类别不平衡、长时间依赖关系等问题出发,利用深度学习实现自动睡眠分期,在公开的数据集睡眠记录(Sleep-European Data Format,Sleep-EDF)进行网络模型训练与测试。主要工作如下:首先,利用多种信号对睡眠呼吸暂停综合症进行了分析。主要分析了阻塞性、中枢性呼吸暂停综合症以及混淆性呼吸暂停综合征的特点;并对目前有的数据进行了统计分析,得出了不同性别、不同年龄、不同体重指数和呼吸暂停综合症的相关性。其次,构建了以一维卷积为基础的18层深残差网络模型,在网络模型中加入了残差连接来解决深网络层训练中可能会出现的梯度消失或梯度爆炸问题。另外利用长短期记忆网络,学习睡眠时期之间的依赖关系,从而提高网络模型的性能。在SleepEDF数据集上进行训练并通过五折交叉验证对模型进行评估,在额极中点-中央中线电极(Frontal Pole-Central Electrode,Fpz-Cz)通道上,实现了82.6%的准确率和77.9的MF1值,在顶中线-枕中线电极(Parieto-Occipital Electrode,Pz-Oz)通道上的准确率和MF1值分别为:80.3%、75.4。然后,实现了基于门控循环单元的注意力网络模型睡眠分期。通过多尺度并行的卷积神经网络分别提取脑电信号的时频、时域以及频率特征。为了捕获序列信息之间的依赖关系,利用门控循环单元与注意力机制结合学习较长睡眠序列之间长依赖关系,最终实现睡眠分期。另外为了缓解类别不平衡的问题,引入了焦损失函数。在Sleep-EDF数据集上进行训练并通过二十倍交叉验证的方式对网络模型进行评估,在Fpz-Cz通道上的准确率和MF1分数分别是:84.8%、79.7;在Pz-Oz通道上,准确率和MF1分数分别为82.7%、76.4。最后,根据多导睡眠仪信号,分析了睡眠中微觉醒事件,统计分析了微觉醒在不同年龄段、不同体重指数以及呼吸暂停指数的相关性。
其他文献
冷带轧机液压厚度(Hydraulic Automatic Gauge Control,HAGC)系统由于自身具有快响应、高精度、高承载等特点被广泛应用于各个领域,但HAGC系统的控制性能受测量时延、外界扰动和不确定性等因素制约,为了提高板带材锻造的精度,本文针对冷带轧机液压厚度系统的稳定跟踪控制问题,提出智能反步控制策略,主要内容如下:首先,针对具有外界扰动和测量时延的冷带轧机液压厚控系统,提出基
Markov跳变系统是一种特殊的混杂系统,由系统的状态和系统的模态两部分组成。其特点是能更好地模拟动态系统结构突变情况,比如环境突变,子系统的关联改变,系统的组件损坏以及人为干预等。因为有如此优良的性能,所以Markov跳变系统模型一直是控制领域的研究热点。本文对Markov跳变系统的异步控制问题进行研究,具体工作如下:首先,针对具有时变时滞和扰动的Markov跳变系统,研究基于混合观测器的异步控
全球能源短缺和环境污染的影响使得电动汽车正在逐渐地代替燃油汽车。随着电动汽车的普及,其大规模化地接入电网充电即将成为一种趋势,将会对城市电网的正常运行造成巨大的挑战。由于大量电动汽车充电会对电网产生较大影响,因此对电动汽车的日负荷进行预测和优化是必要的。为此,本文对相关问题进行了研究,以实现对电动汽车日负荷预测及其峰谷差优化。首先,针对电动汽车日负荷预测问题,本文提出了一种基于双链马尔科夫和决策树
制造业有着夯实经济基础的重要作用,国家对制造业的重视程度越来越高,传统车间生产已经不能满足生产要求,因此建设智能工厂是制造业未来发展的趋势。在建设智能工厂过程中,明确需求并给出合理科学的方法是必要可行的。本文从智能工厂的需求出发,建立了智能工厂生产架构,同时对调度的方法做了详细阐释。首先,指出了传统企业在建设智能工厂过程中出现的问题,对智能工厂的需求进行了分析,给出了基于需求的智能工厂生产解决方案
近年来,多智能体分布式一致性控制在移动机器人、无人机编队、网络化控制等方面有了广泛了发展,已经逐渐成为控制学科中的研讨热点。然而,对于其中最基本的一致性问题还存在着很多内容值得讨论,例如在实际生活中,通信往往通过共享网络执行,这意味着网络通信带宽和智能体的计算资源无法避免地受到限制。本文从这一点出发,通过结合动态事件触发的控制机制,对一般线性多智能体系统展开研究,在保证系统稳定性和一致性的前提下,
三维点云数据任务在计算机视觉以及机器人领域有着广泛的应用,随着深度学习技术在智慧出行、智能家居和智能园区等领域的发展为点云的分类和分割领域提供了新的可能性。然而,由于点云数据本身的不规则性、无序性、稀疏性等固有属性的存在,使得现有的三维点云深度学习架构仍无法避免特征信息提取能力不足、网络框架泛化能力差等问题。本课题以局部采样算法为基础,对三维点云数据的方向编码卷积设计、深度学习分类、分割网络结构设
新冠肺炎是一种传染性很强的疾病。自2019年12月以来,在全球范围内已经造成了两百多万人死亡,给全球人民带来了巨大的伤害。所以及时准确的识别新冠肺炎患者,不仅可以对患者进行及时的治疗,还可以有效防止疫情的扩散。新冠肺炎现阶段主要的检测手段是核酸检测,但是核酸检测的假阴性率太高,而且需要多次检测才能确诊。胸部X光片作为普通肺炎判断的标准,同时也可以成为新冠肺炎诊断的依据。由于新冠肺炎和普通肺炎的医疗
遥操作系统作为能够代替人类在核事故救援、空间探测、远程医疗以及农业等多个领域完成多种复杂操作的远程操作系统,近年来已经得到广泛的发展。随着功能的不断完善,遥操作系统的应用场景更为丰富,这也使得人们对遥操作系统的控制性能有了更高的要求。在实际应用中,遥操作系统主-从系统之间的网络通讯存在不可避免的通讯时延、遥操作系统自身较强的非线性特性以及所处环境的复杂性导致系统的控制性能极易受到通讯时延、模型参数
随着科学技术的高速发展和人类社会的不断进步,海洋逐渐成为各个国家争相研究的对象。我国是海洋大国,未来也必将会是海洋强国,党和政府都高度重视对海洋的研究和开发。水下无线传感器网络是近年来对海洋进行数据采集和监测的重要工具,具有很高的研究意义和研究价值。网络中有许多值得研究的方向,本文主要就水声信道质量预测、动态节点移动策略和静态节点中继部署三个方面进行了深入研究,主要研究内容为:(1)水下无线传感器
水泥工业是我国国民经济发展的支柱产业,水泥烧成系统是水泥生产的三大环节之一,对水泥烧成系统生产过程进行优化,对降低生产过程成本,提高水泥产品质量具有重要意义。目前,水泥烧成系统生产过程的优化主要依赖于操作员的经验,无法保证优化操作的合理性,同时在生产过程会由于操作的不合理性造成大量的能源消耗。本课题结合水泥烧成系统生产过程优化问题,对卷积神经网络(Convolution Neural Networ