基于谱带融合的EEG自动睡眠分期算法
王琪
沈宇慧
南京信息工程大学 南京 210000
摘要：由于当前数据集类别不均衡造成基于深度学习的睡眠阶段分期模型性能较差.论文提出了一种基于谱带融合数据增强的自动睡眠分期算法(EEGFusionNet,EFNet),以解决上述问题提高模型性能.该算法首先对样本数据进行谱带融合的数据增强处理,通过由卷积神经网络与双向门控循环单元提取EEG中的时频特征与时序特征,将特征融合进行睡眠阶段分期.将Sleep EDF数据集中153名健康受试者的EEG信号作为本模型的样本数据进行训练,得到模型的准确率约为84.4%,kappa值为83.8%.与传统的基线模型相比,论文提出的基于谱带融合的睡眠分期模型在准确性和一致性方面具有显著提升.
关键词：睡眠阶段分期数据增强谱带融合卷积神经网络循环神经网络
分类号：TP391.4(计算技术、计算机技术)R318.04(医用一般科学)
资助基金：南京信息工程大学无锡校区研究生创新实践项目(WXCX202011)
论文发表日期：2023-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2859-2862,2983 )
英文信息