基于深度強化學習的單通道EEG信號自動睡眠分期算法

摘要： 目前，基于腦電(EEG)信號的人體睡眠分期方法呈現(xiàn)出單通道和網(wǎng)絡模型深度化的趨勢，然而單通道信息采集使得EEG失去大腦區(qū)域的位置信息，EEG中表征睡眠階段的特征因趨向稀疏化而難以提取，同時深度網(wǎng)絡的共性問題——模型及其訓練的超參數(shù)的人工設定使得訓練過程盲目且低效，這些問題導致自動睡眠分期方法的準確率低。為此，提出利用密集連接網(wǎng)絡(DenseNet)對模型層間特征重用功能，挖掘深... （共6頁）