单通道脑电信号LSTM睡眠分期智能终端

摘要

优质的睡眠,是人们在日常工作和生活保持精力充沛的前提和保证。提出一种依托APP和云端服务器的智能终端。设计了一种基于深度学习方法的全新睡眠阶段自动分析方法。该方法基于单通道脑电信号(EEG),使用临床多导睡眠监测(PSG)得到的大规模数据集对网络进行建模,并将模型部署到云端服务器,利用其运算资源进行睡眠阶段自动分析。对比实验的结果显示,使用小规模数据集时,该方法整体准确度达到77.1%,kappa系数为0.68,性能优于同类型基于人工神经网络的睡眠分期方法。依靠精准的睡眠分期结果,智能终端能为用户提供实时脑电波形绘制、睡眠质量评估报告以及闹钟轻柔唤醒等功能。