基于散射变换与循环神经网络的睡眠多导图觉醒检测
机器学习
2018-10-23 v1 信号处理
机器学习
摘要
睡眠障碍与越来越多的健康问题相关。本文提出一种信号处理/机器学习方法，用于检测 Physionet/CinC Challenge2018 数据集多通道睡眠多导图记录中的觉醒事件。方法：我们的网络架构由两部分组成。输入先送入散射变换（Scattering Transform, ST）表示层，再接入用于序列学习的循环神经网络，该循环神经网络使用三层长短期记忆（Long Short-Term Memory, LSTM）。对各信号计算 ST，并选择下采样参数以给出约 1 秒的时间分辨率，从而实现十八倍的数据缩减。LSTM 层随后以此下采样率运行。结果：所提方法在隐藏测试集 10% 随机样本上检测觉醒区域，AUROC 为 88.0%，AUPRC 为 42.1%。
引用
@article{arxiv.1810.08875,
title = {Sleep Arousal Detection from Polysomnography using the Scattering Transform and Recurrent Neural Networks},
author = {Philip Warrick and Masun Nabhan Homsi},
journal= {arXiv preprint arXiv:1810.08875},
year = {2018}
}
备注
Computing in Cardiology 2018, 4 pages and 5 figures