用于睡眠觉醒检测的1D卷积神经网络模型
信号处理
2019-03-06 v1 机器学习
机器学习
摘要
睡眠觉醒将睡眠深度过渡到更浅的阶段。此类事件的发生常被视为警示身体有害刺激的保护机制。因此，准确的睡眠觉醒检测有助于增强对潜在原因的理解并影响睡眠质量评估。以往研究与指南表明，睡眠觉醒主要与EEG信号中的突发频移相关，但所提出的规则被证明不足以全面表征觉醒。本研究探讨了五种近期卷积神经网络（CNNs）在睡眠觉醒检测中的应用，并进行比较评估以确定该任务的最佳模型。所研究的最先进CNN模型最初为图像或语音处理而设计。在PhysioNet/Computing in Cardiology Challenge 2018提供的基准数据集上进行了详细评估，结果表明最佳的1D CNN模型在精确率-召回率曲线下面积与ROC曲线下面积分别取得了0.31与0.84的平均值。
引用
@article{arxiv.1903.01552,
title = {1D Convolutional Neural Network Models for Sleep Arousal Detection},
author = {Morteza Zabihi and Ali Bahrami Rad and Serkan Kiranyaz and Simo Särkkä and Moncef Gabbouj},
journal= {arXiv preprint arXiv:1903.01552},
year = {2019}
}
备注
10 pages, 6 figures