基于EOG的睡眠分期研究

摘要

随着模式识别技术的发展与应用,睡眠自动分期方法正在逐渐取代手动分期研究。文章使用深度置信网络(Deep Belief Network,DBN)和长短时记忆递归神经网络(Long Short-Term Memory Recurrent Neural Network,LSTM-RNN)这两种方法对眼电(Electrooculogram,EOG)通道的数据进行睡眠自动分期。LSTM-RNN方法(平均准确率83.4%)相对DBN(平均准确率75.6%)在基于眼电信号的睡眠分期问题上取得了更好的效果。