基于迁移学习的随机深度残差网络自动睡眠分期算法 |
| |
作者姓名: | 田蕴郅 周强 李婉 |
| |
作者单位: | 1.陕西科技大学电气与控制工程学院710021;2.陕西科技大学电子信息与人工智能学院710021;3.陕西省人工智能联合实验室710021; |
| |
基金项目: | 国家自然科学基金青年基金项目(62101312)。 |
| |
摘 要: | 现有自动睡眠分期算法存在模型参数量多、训练耗时长导致分期效率不佳的问题。本文使用单通道脑电信号,提出一种基于迁移学习(TL)的随机深度(SD)残差网络(ResNet)自动睡眠分期算法(TLSDResNet)。首先,选取16人共30条单通道(Fpz-Cz)脑电信号,在保留有效睡眠片段后,利用巴特沃斯滤波和连续小波变换对原始脑电信号进行预处理,得到包含其时-频联合特征的二维图像作为分期模型的输入数据。随后,构建经公开数据集——欧洲数据格式存储的睡眠数据库拓展版(Sleep-EDFx)训练的ResNet50预训练模型,使用随机深度策略并修改输出层以优化模型结构。最后,应用迁移学习对人体整夜睡眠过程进行自动分期。本文算法在进行了多次实验后,模型分期准确率达到87.95%。实验表明,TL-SDResNet50可完成少量脑电数据的快速训练,总体效果优于近年来其他分期算法与经典算法,具有一定的实用价值。
|
关 键 词: | 自动睡眠分期 随机深度 迁移学习 残差网络 连续小波变换 |
本文献已被 维普 等数据库收录! |