一种融合分组卷积和半监督的睡眠分期方法
已有的睡眠分期研究大部分采用监督学习的方法,其模型训练高度依赖于大量优质的标签数据,所提取的特征也较为粗糙.为此,提出了将半监督学习应用于分组卷积神经网络的睡眠分期方法.首先,采用分组残差卷积网络作为骨干网络,使不同分组学习的特征多样化,让整个网络关注来自不同子空间的信息,从而提取多角度特征;其次,为减少标注技师的工作负担,采用半监督学习的方法,从大量未标注数据中提取特征与标注数据提取的特征进行对抗,以获得更多细粒度特征.实验结果表明,在Sleep-EDFx数据集上的睡眠分期准确率能够达到0.837±0.001,卡帕系数达到0.774±0.002,均优于对比算法.
睡眠分期、脑电信号、半监督、分组卷积
45
TP183;R741.04(自动化基础理论)
2022-09-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
7-12