科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 现有失眠障碍检测算法一般包括睡眠分期和失眠障碍识别两个阶段，存在差错传播问题，且计算量大。基于此，论文提出一种基于CNN-BiLSTM的深度学习算法，直接检测失眠障碍。方法 首先结合睡眠脑电信号时空模式，根据电极分布构造特征矩阵，再通过CNN表达其高级特征。随后馈送至BiLSTM中挖掘睡眠阶段的时序信息，实现失眠障碍的直接检测。最后按照6∶2∶2的比例随机设置训练集、验证集、测试集，用准确率作为指标评估算法模型的分类效果。结果 在ISRUC-Sleep公开数据集上进行实验，测试集准确率为93.25%,可达到两阶段方法的准确率水平。结论 本文设计的CNN-BiLSTM算法模型能够有效检测失眠障碍，将为辅助医生高效地诊断失眠障碍提供可靠技术方法。
- 单位
