基于深度学习的多通道脑电信号睡眠分期方法

目的 利用脑电信号进行睡眠分期是分析人睡眠状态的重要方法,通过引入人工智能深度学习来研究基于多通道脑电信号的睡眠分期方法.方法 提出基于注意力的多通道脑电信号睡眠分期方法(Attention Based Multi-Channel EEG Sleep Net,AMCSleepNet),该方法利用多个分支卷积网络分别提取脑电信号不同通道的时频域特征,设计新型压缩聚合层和残差层自适应融合多通道脑电信号的特征,并通过Transformer编码器挖掘特征的时间相关性.结果 在2021全国智能睡眠科学大赛提供的多通道脑电数据上,AMCSleepNet的平均准确率达到了81.86％,相较于基于注意力的单通道模型和多通道深度卷积模型分别提升了5.69％和11.06％.结论 AMCSleepNet方法能够利用多通道脑电信号提升睡眠分期的准确率,可更充分利用睡眠数据,潜在应用价值较高.