LightSleepNet：基于单通道 EEG 的个性化便携睡眠分期系统设计
信号处理
2024-01-25 v1
摘要
本文提出了 LightSleepNet——一种基于一维卷积神经网络 (CNN) 的轻量级个性化架构，用于实时睡眠分期，可在硬件资源有限的各种移动平台上实现。所提出的架构仅需输入 30 秒的单通道 EEG 信号即可进行分类。使用由分组一维卷积组成的两个残差块代替传统卷积层，以消除 CNN 中的冗余。在每个卷积层中插入通道洗牌以提高准确率。为了避免对训练集过拟合，使用全局平均池化 (GAP) 层替代全连接层，从而进一步显著减少模型参数总量。提出了一种结合自适应批归一化 (AdaBN) 和梯度重加权的个性化算法，用于无监督域适应。该算法对易于迁移到新受试者的样本赋予更高优先级，并且无需重新训练即可针对新受试者进行个性化适配。实验结果表明，在仅需 45.76 百万次浮点运算每秒 (MFLOPs) 的计算量和 43.08 K 参数的情况下，实现了 83.8% 的 SOTA 总体准确率。
引用
@article{arxiv.2401.13194,
title = {LightSleepNet: Design of a Personalized Portable Sleep Staging System Based on Single-Channel EEG},
author = {Yiqiao Liao and Chao Zhang and Milin Zhang and Zhihua Wang and Xiang Xie},
journal= {arXiv preprint arXiv:2401.13194},
year = {2024}
}
备注
5 pages, 3 figures, published by IEEE TCAS-II