目的 睡眠分期能为儿童睡眠问题的诊断提供客观的评价标准，有利于提前发现和诊断儿
童睡眠疾病。 方法 研究了一种基于因果卷积的儿童自动睡眠分期方法。 首先，对原始的脑电信号进行
带通滤波处理以减少噪声干扰，再利用具有不同尺寸卷积核的双分支模块提取信号的时频特征；然后利
用膨胀因果卷积模块完成时序特征的提取；最后，通过全连接层和 Ｓｏｆｔｍａｘ 分类器对学习到的抽象特征
进行分类。 在 ２０ 折交叉验证下，采用准确率、召回率、以及 Ｆ１ 分数和科恩系数等指标对模型的分类性
能进行评价。 结果 采用美国国家儿童医院的 １６４ 名 ２ ～ １０ 岁临床儿童数据集，并设计了 ２ ～ １０ 岁、２ ～ ６
岁、６～ １０ 岁 ３ 个年龄组，实验结果表明所提的因果卷积模型的儿童睡眠分期准确率分别为 ８１?? ７％、
８０?? ０％、８２?? ４％，科恩系数分别为 ０?? ７５、０?? ７３、０?? ７６。 结论 基于因果卷积的睡眠分期方法对儿童数据有良
好的分类能力，同时具有较快的收敛速度，可作为儿童睡眠疾病诊断的有效辅助工具