基于卷积神经网络的双通道脑电信号睡眠分期
机器学习
2021-03-31 v1 人工智能
摘要
睡眠问题已成为全球主要疾病之一。为解决此问题，专家使用的基本工具是多导睡眠图，即睡眠期间记录的不同信号集合。记录后，专家须依据某一标准指南对不同信号进行分期。该过程手动完成，极为耗时且易出标注错误。因此，多年来人们探索了多种方法以辅助专家完成此任务。本文提出一种基于卷积神经网络的方法，并进行深入比较以确定同时采用多于一个信号作为输入的便利性。此外，这些模型还作为集成模型的一部分，以检验逐次处理单一信号能否提取出双信号模型无法识别的有用信息。测试使用名为 expanded sleep-EDF 的知名数据集，该数据集是此问题最常用的基准数据集。测试采用针对患者的留一交叉验证，确保训练与测试间无可能污染。所得方案网络规模小于既往发表者，但在同一数据集上超越了任何先前模型的结果。最佳结果显示准确率 92.67%，与人体专家相比 Cohen's Kappa 值超过 0.84。
引用
@article{arxiv.2103.16215,
title = {Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal},
author = {Enrique Fernandez-Blanco and Daniel Rivero and Alejandro Pazos},
journal= {arXiv preprint arXiv:2103.16215},
year = {2021}
}
备注
20 pages, 4 figures, 4 tables