基于脑电时-空特征的深度学习失眠障碍检测算法

目的 现有失眠障碍检测算法一般包括睡眠分期和失眠障碍识别两个阶段,存在差错传播问题,且计算量大.基于此,论文提出一种基于CNN?BiLSTM的深度学习算法,直接检测失眠障碍.方法 首先结合睡眠脑电信号时空模式,根据电极分布构造特征矩阵,再通过CNN表达其高级特征.随后馈送至BiLSTM中挖掘睡眠阶段的时序信息,实现失眠障碍的直接检测.最后按照6:2:2的比例随机设置训练集、验证集、测试集,用准确率作为指标评估算法模型的分类效果.结果 在ISRUC?Sleep公开数据集上进行实验,测试集准确率为93.25％,可达到两阶段方法的准确率水平.结论 本文设计的CNN?BiLSTM算法模型能够有效检测失眠障碍,将为辅助医生高效地诊断失眠障碍提供可靠技术方法.