人的一生中大約有1/3的時間是在睡眠中度過的,睡眠是人體免疫等系統(tǒng)正常運作的必要一環(huán),對每個人來說都必不可少。良好的睡眠可以促進(jìn)人的生長發(fā)育,緩解疲勞等,是維持生命的基礎(chǔ)。但隨著當(dāng)前社會生活壓力的增加,睡眠相關(guān)疾病對人類的影響也越來越大,這就推動了睡眠醫(yī)學(xué)研究的發(fā)展,而研究睡眠首先就要研究睡眠分期。腦電信號（Electroencephalograph,EEG）圖記錄反映了大腦一系列的活動狀態(tài),利用腦電信號研究睡眠,對睡眠分期和睡眠質(zhì)量評估而言均有很重要的意義。近年來,利用信號處理與深度學(xué)習(xí)相結(jié)合進(jìn)行睡眠分期的方法逐漸成為了主流,但是就目前睡眠分期的研究進(jìn)程以及睡眠分期的準(zhǔn)確性而言,我國與國外仍有較大差距。本文提出來一種睡眠自動分期的新方法:首先構(gòu)建一種適用于睡眠分期卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,CNN）,然后用該網(wǎng)絡(luò)提取特征,最后與基于稀疏表示的分類器（sparse representation-based classifier,SRC）相結(jié)合對睡眠進(jìn)行分期。本方法首先利用小波變換對原始腦電信號進(jìn)行時頻處理,將GoogLe Net作為特征提取... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 課題研究的意義
    1.3 研究現(xiàn)狀
    1.4 主要內(nèi)容和章節(jié)安排
第二章 睡眠分期的基本理論
    2.1 腦電信號概述
    2.2 腦電信號的采集
    2.3 腦電波的組成及睡眠腦電的特征
    2.4 睡眠分期標(biāo)準(zhǔn)
    2.5 EEG特征
    2.6 本章小結(jié)
第三章 基于深度學(xué)習(xí)的睡眠分期方法
    3.1 深度神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
    3.2 基于RNN的睡眠分期
    3.3 基于CNN的睡眠分期
    3.4 基于LSTM的睡眠分期
    3.5 本章小結(jié)
第四章 基于深度學(xué)習(xí)和稀疏表示的睡眠分期
    4.1 本文方法概要
    4.2 深度卷積神經(jīng)網(wǎng)絡(luò)
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)的組成
        4.2.2 CNN常見技巧
        4.2.3 適用于睡眠分期的卷積神經(jīng)網(wǎng)絡(luò)
    4.3 基于稀疏表示的分類器
        4.3.1 信號的稀疏表示
        4.3.2 稀疏表示睡眠識別
        4.3.3 SRC算法描述
    4.4 本章小結(jié)
第五章 實驗結(jié)果與分析
    5.1 腦電信號數(shù)據(jù)來源
    5.2 腦電信號的預(yù)處理
    5.3 適于睡眠分期的深層卷積網(wǎng)絡(luò)的構(gòu)建以及訓(xùn)練
    5.4 睡眠腦電的分類
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的科研成果
致謝



本文編號：3672551