.png){kind=icon}
返回
Automatic Sleep Stage Classification Using Deep Learning Algorithm for Multi-Institutional Database
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2023.3275087.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
最近使用多导睡眠图 (PSG) 数据进行的睡眠阶段分类的深度学习研究显示了两个方向，使用一维 (1-D) 原始PSG数据或频谱图图像时频域。我们提出了一种新颖的方法，该方法使用从PSG数据集的时间信号显示生成的图像进行5类睡眠阶段分类。我们方法的动机不仅是模仿人类睡眠评分专家使用的方式，而且还利用深度学习中图像分类开发的各种方法，如增强技术、EfficientNet和LSTM。此外，可以采用可解释的AI技术，例如类激活图 (CAM) 来解释模型如何做出决策。我们还致力于解决使用不同捕获传感器的多个机构/医院之间发生的不一致问题，以及不同组织中人类专家的标签不匹配问题。为了解决这个问题，我们在网络设计中尝试了三种不同的方法，其中包括两个研究所的数据和5个睡眠阶段分类; (i) 5类分类，(ii) 10类分类，然后后处理到5课程 (iii) 10到5类分类。10到5类分类是一个网络，其中两个研究所的信息嵌入在网络中。当网络内部有多个机构的信息时，结果显示出更高的性能。我们的实验结果表明，与最先进的模型相比，所有三种基于时间信号图像的方法都具有更高的精度性能。
Keyword:
Brain modeling
Sleep
Deep learning
Data models
Electroencephalography
Spectrogram
Band-pass filters
image classification
sleep
INDEX TERMS
rapid eye movement sleep
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
.png){kind=icon}
分享收藏Black Intellectuals' Critique of Early Mental Testing: A Little-Known Saga of the 1920s黑人知识分子对早期心理测试的批判: 一个鲜为人知的20世纪20年代传奇
PREAI
分享收藏An effective multi-model fusion method for EEG-based sleep stage classification一种有效的基于多模型融合的脑电睡眠阶段分类方法
PREAI
分享收藏A convolutional neural network for sleep stage scoring from raw single-channel EEG用于从原始单通道EEG进行睡眠阶段评分的卷积神经网络
PREAI
分享收藏
查看更多内容