基于智能手机上深度学习的可穿戴EEG实时睡眠分期
人机交互
2018-11-29 v2 机器学习
信号处理
神经元与认知
摘要
我们提出了首个实时睡眠分期系统，该系统在用于可穿戴EEG的智能手机应用中使用深度学习且无需服务器。我们采用单通道脑电图（EEG）的实时适配，通过时间分布一维深度卷积神经网络进行推断。多导睡眠图（PSG）——睡眠分期的金标准，需要人工评分者且既复杂又耗费资源。我们的工作展示了一个端到端的手机端流水线，仅用单个30秒时段即可推断睡眠阶段，在开放的Sleep-EDF数据集上以20折交叉验证对睡眠阶段五分类取得了83.5%的总体准确率。
引用
@article{arxiv.1811.10111,
title = {Real-Time Sleep Staging using Deep Learning on a Smartphone for a Wearable EEG},
author = {Abhay Koushik and Judith Amores and Pattie Maes},
journal= {arXiv preprint arXiv:1811.10111},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216