DeepSleepNet: 基于原始单通道EEG的自动睡眠分期模型
深度睡眠网络:基于单通道EEG的自动睡眠阶段评分模型 背景介绍 睡眠对于人体健康具有重要影响,监测人们的睡眠质量在医学研究和实践中至关重要。通常,睡眠专家通过分析多种生理信号(如脑电图 (EEG)、眼动电图 (EOG)、肌电图 (EMG) 和心电图 (ECG))进行睡眠阶段评分。这些信号被称为多导睡眠图 (Polysomnogram, PSG),经分类后用于确定个体的睡眠状态。然而,这种手动方法耗时且费力,需要专家持续数夜对多个传感器进行记录并分析。 基于多信号(如EEG、EOG和EMG)或单信号EEG的自动睡眠阶段评分方法已得到广泛研究。然而,大多数现有方法依赖于手工特征提取,这通常根据数据集的特性进行设计,无法推广到具有异质性的更大人群中。此外,较少方法考虑了用于识别睡眠阶段转换规则的时...