睡眠模型——一种预测下一睡眠阶段的序列模型
信号处理
2023-02-27 v1 机器学习
摘要
随着睡眠障碍日益普遍，以更少干扰的方式对睡眠阶段进行分类的需求迫在眉睫。特别是，使用简单传感器（如单通道脑电图（EEG）、眼电图（EOG）、肌电图（EMG）或心电图（ECG））的睡眠阶段分类已获得大量关注。在本研究中，我们提出一种预测下一睡眠阶段的睡眠模型，并用以提升睡眠分类精度。该睡眠模型利用睡眠序列数据构建，采用统计 -gram 或基于深度神经网络的模型。我们开发了集束搜索解码以结合来自传感器与睡眠模型的信息。此外，我们评估了基于 -gram 与长短期记忆（LSTM）循环神经网络（RNN）的睡眠模型性能，并展示了使用 EOG 传感器对睡眠阶段分类的改进。所开发的睡眠模型显著提高了睡眠阶段分类的准确率，尤其在缺少 EEG 传感器时。
引用
@article{arxiv.2302.12709,
title = {Sleep Model -- A Sequence Model for Predicting the Next Sleep Stage},
author = {Iksoo Choi and Wonyong Sung},
journal= {arXiv preprint arXiv:2302.12709},
year = {2023}
}