基于周期分割的睡眠自动分期研究

来源：计算机工程与应用杂志2019年第9期北京时间：

作者：李同庆，邹俊忠，张 见，王 蓓，卫作臣

单位：华东理工大学 信息科学与工程学院 自动化系，上海 200237

摘要：为实现高效的自动睡眠分期，提出一种基于周期分割的时域信号处理方法，采用合并增减序列方法对三个通道多导睡眠图记录（2路脑电，1路眼电）进行周期分割，根据信号波形的周期标记睡眠各期的特征波形，提取特征波形在每一帧数据的时长占比与平均幅值作为特征。双向长短时记忆网络（Bi-directional Long Short-Term Memory，Bi-LSTM）作为分类器，解决传统机器学习方法无法利用睡眠数据时间上下文信息的缺点。对42?699个样本使用交叉验证方法得到了84.8%的平均准确率，实验结果表明合并增减序列方法可以降低脑电信号分析的复杂度，是一种有效的时域信号处理方法，双向长短时记忆网络可以有效提高睡眠分期准确率，具有良好的应用前景。

关键词：睡眠分期,周期分割,合并增减序列,深度学习,双向长短时记忆网络