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
|