sleep stages | BriefGPT - AI 论文速递

关键词sleep stages

搜索结果 - 9

非接触式多导睡眠图：无线电波告诉我们有关睡眠的信息
通过分析无需贴身传感器的人体反射射频波，开发了先进的机器学习算法来监测睡眠和夜间呼吸，验证结果表明该模型捕捉了睡眠的不同阶段、检测到了睡眠窒息，并可以测量患者的睡眠呼吸暂停指数，同时发现了睡眠阶段与多种疾病的相关关系。
PDF2 months ago
NeuroNet：一种新型混合自监督学习框架用于使用单通道 EEG 进行睡眠阶段分类
通过结合对比学习任务和掩蔽预测任务，利用未标记的单通道睡眠脑电图（EEG）信号，本研究提出了 NeuroNet，一个自监督学习（SSL）框架，通过三个多导睡眠多项生理参数记录（PSG）数据集的广泛实验，展示了超越现有 SSL 方法的优越性能
PDF3 months ago
S4Sleep: 深度学习基于睡眠阶段分类模型的设计空间阐明
通过研究编码器 - 预测器体系结构的设计选择，我们找到了适用于时间序列和频谱图输入表示的可靠体系结构，其中结构化状态空间模型作为其组成部分，从而在广泛的 SHHS 数据集上显著提高了性能，这些改进通过统计和系统误差估计进行了评估。我们预计，
PDF9 months ago
利用预训练的深度学习模型进行睡眠阶段分类
这篇研究论文旨在提出一种名为 “EEGMobile” 的机器学习模型，通过利用脑信号的脑电图（EEG）频谱图进行预训练并学习，对睡眠阶段进行准确高效的分类，从而提高对睡眠相关现象的理解，改善疾病治疗效果。该模型在公开数据集 “Sleep-E
PDF10 months ago
探索睡眠之深：基于单通道脑电图的睡眠阶段分类与模型可解释性
使用 SE-Resnet-Bi-LSTM 架构对睡眠进行五个阶段的分类，方法基于对单通道脑电图（EEG）的分析，利用 1D-GradCAM 可视化方法解释模型决策过程，研究结果表明该模型在睡眠阶段分类上具有较高的准确率和 F1 分数。
PDF10 months ago
一种基于光谱和活动信号的特征简化机器学习睡眠 - 清醒分类模型
睡眠阶段的分类对于评估睡眠质量至关重要，本论文提出了一种基于 eXtreme Gradient Boosting 算法和光折光法信号、活动计数来提取特征的机器学习睡眠 - 清醒分类模型，性能优于其他方法，并适用于具有有限计算能力的可穿戴设备
PDFa year ago
使用卷积神经网络预测睡眠质量
利用卷积神经网络结构对现代智能科技中可捕获的人类睡眠数据进行分类，提高睡眠阶段识别精度，并在三个公开数据集上与传统机器学习方法如逻辑回归、决策树、K 最近邻、朴素贝叶斯和支持向量机进行基准测试的性能表现进行对比，以此为未来研究模拟奠定基础。
PDF2 years ago
并行频率剪切注意力自动睡眠分期
本文提出了一种新的框架，可以自动捕捉到基于权威睡眠医学指导的人类睡眠的脑电图信号的时频特性，并通过使用时间 - 频率补丁序列划分输入的 EEG 频谱图的信息特征和基于注意力的架构并行地有效地搜索划分的时频补丁与睡眠阶段的定义因素之间的相关性
PDF2 years ago
深度卷积神经网络用于 EEG 睡眠阶段得分的可解释性分析
采用多标签谱分析将脑电图信号处理成易于解读的睡眠模式图像，作为深层卷积神经网络的输入，研究自动分级睡眠阶段的方法，实验结果显示在新的患者中准确分类睡眠阶段，同时提供了结果的可视化解释框架。
PDF7 years ago