基于深度学习的睡眠纺锤波检测

《基于深度学习的睡眠纺锤波检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕±学位论文！（ｍＩ基于深度学习的睡眠纺键波检测作者姓名谭大坤指导教师姓名、职称秦伟教授ｇｓｌ申请学位类别工学硕±ｉｉＳＬ西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果，。尽我所知除了文中特别加Ｗ标注和，论文中不包含其他人己经发表或撰写过的研充成果致谢中所罗列的内容Ｗ外；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与－我一同工作的同志对本研究所做的任何贡献

2、均己在论文中作了明确的说明并表示了谢意。一学位论文若有不实之处，本人承担切法律责任。、八本人签名；ｉ日期：（Ａ＇ｒ．西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，目Ｐ：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留１＞，、论文的全部或部分内容，送交论文的复印件允许查阅借阅论文；学校可＾１公布允许采用影印，获得学位后结合学、缩印或其它复制手段保存论文。同时本人保证位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的

3、学位论文在年解密后适用本授权书。本人签名：导师签名：．日：日期：Ｉ）期Ａ、学学学校校校代代代码码码10701学学学号号号1312122978分分分类类类号号号Q819密密密级级级公公公开开开西西西安安安电电电子子子科科科技技技大大大学学学硕硕硕士士士学学学位位位论论论文文文基基基于于于深深深度度度学学学习习习的的的睡睡睡眠眠眠纺纺纺锤锤锤波波波检检检测测测作作作者者者姓姓姓名名名：：：谭大坤一一一级级级学学学科科科：：：生物医学工程二二二级级级学学学科科科：：：生物医学工程学学学位位位类类类别别别：：：工学硕士指指指导导导教教教

4、师师师姓姓姓名名名、、、职职职称称称：：：秦伟教授学学学院院院：：：生命科学技术学院提提提交交交日日日期期期：：：2015年12月SleepSpindleDetectionUsingDeepLearningAThesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinBiomedicalEngineeringByTanDakunSupervisor:QinWeiProfessorDecember2015摘要摘要睡眠纺锤波是睡眠进入第二阶

5、段的重要标志，也是异于正常睡眠波少有的几个瞬态事件之一，标准睡眠划分系统定义睡眠纺锤波为在12Hz到14Hz之间的神经元活动。专家肉眼手动检测纺锤波一直代表着业内的黄金准则，但其缺点也十分明显，除了该方法非常耗时耗力，由于受个人因素的影响，专家之间的一致性很低。另一方面，深度学习在解决模式分类中十分有挑战的问题，虽然还处于发展的初期，但它的发展已经对机器学习和人工智能系统产生了深远影响，特别体现在语音识别和机器视觉方面。本文研究了使用深度学习解决纺锤波识别的问题，通过使用众包方法获得训练样本，并且样本来自于不同被试的睡眠脑电信号，作为首次使用深度学习的方法

6、分类纺锤波，除了比较深度体系的方法优于传统方法外，还比较了多种深度学习体系在分类纺锤波上的性能。实验一使用众包方法获取训练样本，该方法优于黄金准则且被证实是可行和可靠的，同时说明了纺锤波容易和α波混淆。实验二对2秒长的脑电信号（ElectroEncephalogram，EEG）进行功率谱密度（PowerSpectrumDensity，PSD）变换使其作为分类器的输入。基于PSD的四种带宽特性，首先比较了深度置信网（DeepBeliefNetwork，DBN）和其余3种分类器的F1-score性能，结果表明DBN比传统的方法普遍高出3%左右，也优于支持向量机

7、；然后又比较了基于原始PSD和基于特征后PSD的分类性能，前者高于后者10%以上；最后考察了DBN用于在线识别纺锤波的可能性，其结果可以和专家相媲美。实验三，比较研究了多层感知机（MultiLayerPerception，MLP）、堆积去噪声自编码（StackedDenoisingAuto-Encoders，SDA）和深度置信网（DeepBeliefNetwork，DBN）三种不同深度学习体系的分类性能，虽然DBN比MLP有很大优势，但在分类纺锤波中，DBN劣于MLP。当采用SDA时，其性能比MLP提高1%。因此，相比较MLP和DBN而言，SDA更适合应用

8、于纺锤波的检测和识别。本论文采用的众包方法是一种新的数据采集方式，