科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前的睡眠阶段时空特征提取依赖于给定数据集标签的监督学习，在一定程度上受到限制。提出一种基于脑电信号的半监督睡眠分期算法，利用由改进卷积编码-解码器和生成对抗网络构建的浅层特征提取网络提取浅层时空特征，采用Hard swish激活函数来加速模型收敛。为充分提取脑电信号高质量的深层时序依赖特征，模型的深层特征提取网络将传统的长短时记忆网络改进为参数较少的双向门控循环单元。在特征融合后使用加权交叉熵损失函数训练以提高模型的分类准确性。实验使用Sleep-EDF数据集在Fpz-Cz通道上对模型进行20折交叉验证，得到模型总体准确率和MF1值分别为86.3%和81.2%,相比于卷积循环网络分别提高了3.1%和3.3%。
- 单位
