基于一维卷积神经网络的儿童睡眠分期

来源 :工程科学学报 | 被引量 : 0次 | 上传用户:shuiwadandan
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
高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关,由于儿童睡眠障碍的早期症状不明显,需要进行长期监测,因此急需找到一种适用于儿童睡眠监测,且能够提前预防和诊断此类疾病的方法.多导睡眠图(Polysomnography,PSG)是临床指南推荐的睡眠障碍基本检测方法,通过观察PSG各睡眠期间的变化和规律,对睡眠质量评估和睡眠障碍识别具有基础作用.本文对儿童睡眠分期进行了研究,利用多导睡眠图记录的单通道脑电信号,在Alexnet的基础上,用一维卷积代替二维卷积,提出一种1D-CNN结构,由5个卷积层、
其他文献
本文针对铜冶炼行业电解车间信息化、智能化建设的重大应用需求,充分研究车间生产管理的流程和机制,面向实时数据库、关系数据库构建多源异构数据平台,解决不同数据源的互联互通问题;基于VR技术,实现车间全景3D数字可视化及虚拟仿真,设计具有较强柔性化的综合展示及交互系统实现车间各业务模块,研究具有组态化的生产管理驾驶舱,构建全局的数据可视化大屏;最终将系统有机整合为电解车间智能信息化综合管理平台,在智能电解车间的建设中发挥实用效果。
连续血糖监测在糖尿病管理中具有重要的意义.目前糖尿病患者主要通过指尖采血或植入式微创传感器监测血糖,但上述方法存在疼痛、成本昂贵、易感染等问题,因此,无创监测是实现连续血糖监测的理想技术.本文利用心电(ECG)信号,提出了一种血糖水平无创监测的方法:通过获取12名志愿者共60 d 756160个ECG周期信号,利用递归滤波器实现ECG信号的滤波,并采用卷积神经网络和长短期记忆网络相结合(CNN-LSTM)的方法,实现了血糖水平的十分类监测,并通过实验探索了个体建模和群体建模2种建模方式的差异.结果表明,在