基于深度學(xué)習(xí)的睡眠紡錘波檢測(cè).pdf

1、睡眠紡錘波是睡眠進(jìn)入第二階段的重要標(biāo)志，也是異于正常睡眠波少有的幾個(gè)瞬態(tài)事件之一，標(biāo)準(zhǔn)睡眠劃分系統(tǒng)定義睡眠紡錘波為在12Hz到14Hz之間的神經(jīng)元活動(dòng)。專(zhuān)家肉眼手動(dòng)檢測(cè)紡錘波一直代表著業(yè)內(nèi)的黃金準(zhǔn)則，但其缺點(diǎn)也十分明顯，除了該方法非常耗時(shí)耗力，由于受個(gè)人因素的影響，專(zhuān)家之間的一致性很低。另一方面，深度學(xué)習(xí)在解決模式分類(lèi)中十分有挑戰(zhàn)的問(wèn)題，雖然還處于發(fā)展的初期，但它的發(fā)展已經(jīng)對(duì)機(jī)器學(xué)習(xí)和人工智能系統(tǒng)產(chǎn)生了深遠(yuǎn)影響，特別體現(xiàn)在語(yǔ)音識(shí)別和機(jī)器

2、視覺(jué)方面。
　　本文研究了使用深度學(xué)習(xí)解決紡錘波識(shí)別的問(wèn)題，通過(guò)使用眾包方法獲得訓(xùn)練樣本，并且樣本來(lái)自于不同被試的睡眠腦電信號(hào)，作為首次使用深度學(xué)習(xí)的方法分類(lèi)紡錘波，除了比較深度體系的方法優(yōu)于傳統(tǒng)方法外，還比較了多種深度學(xué)習(xí)體系在分類(lèi)紡錘波上的性能。使用眾包方法獲取訓(xùn)練樣本，該方法優(yōu)于黃金準(zhǔn)則且被證實(shí)是可行和可靠的，同時(shí)說(shuō)明了紡錘波容易和α波混淆。對(duì)2秒長(zhǎng)的腦電信號(hào)（ElectroEncephalogram，EEG）進(jìn)行功率譜密度

3、（Power Spectrum Density，PSD）變換使其作為分類(lèi)器的輸入?；赑SD的四種帶寬特性，首先比較了深度置信網(wǎng)（Deep Belief Network，DBN）和其余3種分類(lèi)器的F1-score性能，結(jié)果表明DBN比傳統(tǒng)的方法普遍高出3％左右，也優(yōu)于支持向量機(jī)；然后又比較了基于原始PSD和基于特征后PSD的分類(lèi)性能，前者高于后者10％以上；最后考察了DBN用于在線識(shí)別紡錘波的可能性，其結(jié)果可以和專(zhuān)家相媲美。比較研究了多

4、層感知機(jī)（Multi Layer Perception，MLP）、堆積去噪聲自編碼（Stacked Denoising Auto-Encoders，SDA）和深度置信網(wǎng)（Deep Belief Network， DBN）三種不同深度學(xué)習(xí)體系的分類(lèi)性能，雖然DBN比MLP有很大優(yōu)勢(shì)，但在分類(lèi)紡錘波中， DBN劣于MLP。當(dāng)采用SDA時(shí)，其性能比MLP提高1％。因此，相比較MLP和DBN而言， SDA更適合應(yīng)用于紡錘波的檢測(cè)和識(shí)別。采用的眾

5、包方法是一種新的數(shù)據(jù)采集方式，并且數(shù)據(jù)集的質(zhì)量影響著分類(lèi)器的性能，這種方法還待進(jìn)一步的研究，深度學(xué)習(xí)還需要用在更多的被試樣本上才能真正的進(jìn)入臨床檢測(cè)和數(shù)據(jù)挖掘領(lǐng)域。另外，深度學(xué)習(xí)模型作為一種新的體系在檢測(cè)睡眠紡錘波方面具有優(yōu)秀的F1-score性能，并且具有自我學(xué)習(xí)紡錘波內(nèi)在特性的潛在優(yōu)勢(shì)。然而，除了MLP、DBN和SDA，是否有其他有理論依據(jù)且更為有效的深度模型學(xué)習(xí)算法，比如RNN、LSTM，另一方面，從實(shí)驗(yàn)三可以看出探索新的特征提取