基于关系归纳偏置的睡眠分期综述

摘要：

睡眠障碍严重影响人类健康和生活,将睡眠阶段准确分类是检测和治疗睡眠障碍的关键.近年来,基于深度学习的方法超越了传统机器学习方法及人类专家.然而,深度学习的内部结构复杂,需要对计算机及医学领域熟悉的专家进行设计.旨在分析现有基于深度学习的睡眠分期模型中的关系归纳偏置,探索睡眠分期模型设计基本原则.对平移不变性、时间不变性和分层处理等关系归纳偏置进行分析.首先按照模型中是否包含具有平移不变性的卷积层和具有时间不变性的循环层将其分为三类:卷积神经网络框架、循环神经网络框架和混合神经网络框架.然后按照模型中对帧、片段和序列的分层处理方式进行了更加细致的分类.接着分析模型中包含不同关系归纳偏置对睡眠分期的性能影响,提出了设计睡眠分期模型需要引入与任务相匹配的关系归纳偏置.最后讨论了基于深度学习睡眠分期方法的优越性与局限性,以及未来可能需要使用更加高级的关系归纳偏置对知识进行更加抽象的表达并与其他人工智能技术相结合.

关键词：深度学习、关系归纳偏置、卷积神经网络(CNN)、循环神经网络(RNN)、睡眠分期

所属期刊栏目：15

分类号：TP391.4(计算技术、计算机技术)

资助基金：基本科研业务费项目KJCX201917

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1026-1037