摘要

目的 睡眠分期能为儿童睡眠问题的诊断提供客观的评价标准,有利于提前发现和诊断儿童睡眠疾病。方法 研究了一种基于因果卷积的儿童自动睡眠分期方法。首先,对原始的脑电信号进行带通滤波处理以减少噪声干扰,再利用具有不同尺寸卷积核的双分支模块提取信号的时频特征;然后利用膨胀因果卷积模块完成时序特征的提取;最后,通过全连接层和Softmax分类器对学习到的抽象特征进行分类。在20折交叉验证下,采用准确率、召回率、以及F1分数和科恩系数等指标对模型的分类性能进行评价。结果 采用美国国家儿童医院的164名2~10岁临床儿童数据集,并设计了2~10岁、2~6岁、6~10岁3个年龄组,实验结果表明所提的因果卷积模型的儿童睡眠分期准确率分别为81.7%、80.0%、82.4%,科恩系数分别为0.75、0.73、0.76。结论 基于因果卷积的睡眠分期方法对儿童数据有良好的分类能力,同时具有较快的收敛速度,可作为儿童睡眠疾病诊断的有效辅助工具。