目的 睡眠分期能為兒童睡眠問題的診斷提供客觀的評價標準,有利于提前發(fā)現(xiàn)和診斷兒 童睡眠疾病。 方法 研究了一種基于因果卷積的兒童自動睡眠分期方法。 首先,對原始的腦電信號進行 帶通濾波處理以減少噪聲干擾,再利用具有不同尺寸卷積核的雙分支模塊提取信號的時頻特征;然后利 用膨脹因果卷積模塊完成時序特征的提取;最后,通過全連接層和 Softmax 分類器對學(xué)習(xí)到的抽象特征 進行分類。 在 20 折交叉驗證下,采用準確率、召回率、以及 F1 分數(shù)和科恩系數(shù)等指標對模型的分類性 能進行評價。 結(jié)果 采用美國國家兒童醫(yī)院的 164 名 2 ~ 10 歲臨床兒童數(shù)據(jù)集,并設(shè)計了 2 ~ 10 歲、2 ~ 6 歲、6~ 10 歲 3 個年齡組,實驗結(jié)果表明所提的因果卷積模型的兒童睡眠分期準確率分別為 81?? 7%、 80?? 0%、82?? 4%,科恩系數(shù)分別為 0?? 75、0?? 73、0?? 76。 結(jié)論 基于因果卷積的睡眠分期方法對兒童數(shù)據(jù)有良 好的分類能力,同時具有較快的收斂速度,可作為兒童睡眠疾病診斷的有效輔助工具
|