一种用于睡眠期间EEG信号事件检测的深度学习架构
信号处理
2018-07-17 v1 机器学习
机器学习
摘要
睡眠期间的脑电图（EEG）被临床医生用于评估各种神经性疾病。在睡眠医学中，检测宏事件（>10s）如睡眠阶段，以及微事件（<2s）如纺锤波和 K 复合波具有相关意义。此类事件的标注需要训练有素的睡眠专家，是一个耗时且繁琐且评分者间差异大的过程。已开发自动算法检测各类事件，但这些均针对特定事件。我们提出一种深度学习方法来联合预测 EEG 时间序列中事件的位置、持续时间与类型。其依赖于一个从原始 EEG 信号构建特征表示的卷积神经网络。数值实验证明了这一新方法相较于当前最先进、特定事件的算法在各种事件检测任务上的高效性。
引用
@article{arxiv.1807.05981,
title = {A deep learning architecture to detect events in EEG signals during sleep},
author = {Stanislas Chambon and Valentin Thorey and Pierrick J. Arnal and Emmanuel Mignot and Alexandre Gramfort},
journal= {arXiv preprint arXiv:1807.05981},
year = {2018}
}