電子發燒友網>電子資料下載>電子論文>模擬數字論文>如何使用生成少數類技術進行深度自動睡眠分期模型設計說明

如何使用生成少數類技術進行深度自動睡眠分期模型設計說明

2474220 2019-01-03 | rar | 1.15 MB | 次下載 | 免費

資料介紹

　　針對現階段可用睡眠腦電數據皆為類不平衡小數據集，深度學習模型的直接遷移應用所取得的分期效果較差的問題，分別從數據集重構和模型訓練優化兩方面入手，提出可用于少量類不均衡原始睡眠腦電數據集的深度自動睡眠分期模型。首先，從減少決策域的角度對修改的生成少數類過采樣技術（ MSMOTE）進行改進，并將其用于數據集中少數類的生成；然后，用重構后的數據集對模型作預激活處理。15折交叉驗證得出總體精度和宏Fl值分別為86.73%和81. 70%。應用改進后的MSMOTE重構的數據集對模型作預激活，可使最小類的Fl值由45.16%增至53. 64%。實驗表明，模型可實現對少量原始睡眠腦電數據的端到端學習，總體分類效果優于近年高水平模型，適用于配備遠程服務器的分體式便攜睡眠監測設備。

　　近年來深度學習在圖像識別、自然語言處理以及語音識別領域已有大量成熟的應用。在經大量注釋的數據集訓練后，基于深層神經網絡的機器學習模型，能夠接近并超過人類專家水平。尤其在醫學成像識別中，得益于可直接應用現存大型圖像數據集對模型進行預訓練，這種優越性更為突出。在時序信號處理方面，卷積神經網絡和遞歸神經網共同構建的網絡模型已成功應用于語音識別和自然語言處理中。9 -10］。雖然受限于目前包括自動睡眠分期在內的絕大多數領域都無法提供足量的數據，仍有少量團隊將深度學習模型應用于自動睡眠分期，實現了端到端睡眠自動分期，但是由于類不平衡小數據集在深度學習中的局限性，以及未應用最新的深度學習優化技術，分類精度仍有很大的提升空間。