用于睡眠分期评分的脑电信号自适应脉冲样表示
信号处理
2022-04-08 v1 机器学习
摘要
最近，通过从脑电图（EEG）中提取时空特征进行自动睡眠分期评分已显示出有希望的结果。此类方法需要费力的手动特征工程和领域知识。在本研究中，我们提出了一种自适应方案，对输入信号进行概率编码、滤波和累积，并通过信号强度的半高斯概率对所得特征进行加权。随后，将这些自适应表示输入到一个Transformer模型中，以自动挖掘特征与相应睡眠阶段之间的相关性。在最大的公开数据集上，针对最先进方法进行的大量实验验证了我们所提方法的有效性，并揭示了有前景的未来方向。
引用
@article{arxiv.2204.03565,
title = {Adaptive Spike-Like Representation of EEG Signals for Sleep Stages Scoring},
author = {Lingwei Zhu and Koki Odani and Ziwei Yang and Guang Shi and Yirong Kan and Zheng Chen and Renyuan Zhang},
journal= {arXiv preprint arXiv:2204.03565},
year = {2022}
}
备注
4 pages, accepted for EMBC 2022