科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对睡眠分期中类别不平衡的问题，提出了一种基于多头注意力机制的生成对抗网络(MHA-GAN)来合成数据中的少数类别。通过在多个经典睡眠分期模型中进行实验对比，结果表明基于MHA-GAN的脑电(EEG)增强方法可以显著提高睡眠分期中少数类别的分类性能，尤其是在非快速眼动1期(N1),分类准确率提升率高达30.8%。进一步通过可视化对MHA-GAN模型产生的合成EEG样本与真实EEG样本在特征空间中的分布情况进行分析，可以看出前者中各类数据的聚集程度更高，这证明了基于GAN的EEG增强在睡眠分期中的潜力。本文提出的方法为提高睡眠分期的准确性提供了参考，有助于推进相关模型在睡眠障碍疾病诊断中的应用，并有机会推广到其他领域的研究中。
- 单位
