来源：期刊VIP网 时间：
作者：王亚群;杨青;文斗;王莹;王翔宇;
单位：华中师范大学人工智能与智慧学习湖北省重点实验室;华中师范大学计算机学院;国家语言资源监测与研究网络媒体中心;
摘要：现有研究普遍专注于单个信号，忽略了多模态信号在特定睡眠阶段提供的睡眠信息，以及提取睡眠信号时，随着网络的加深导致重要信息丢失，从而降低模型分类的能力。针对上述问题，设计了一种基于脑电图(electroencephalogram, EEG)、眼电图(electrooculogram, EOG)的深度神经网络模型，以端到端的方式进行睡眠分期，称为MCNN-LSTMs模型。多尺度卷积神经网络(multiscale convolutional neural network, MCNN)用于提取脑电信号和眼电信号的特征，双层长短期记忆(long short-term memory, LSTM)神经网络对提取到的特征进行融合，然后输入分类器进行睡眠分期。在公共数据集Sleep-EDF上评估了所设计的方法在睡眠分期上的性能。实验表明，使用两种通道(EEG-EOG)时，在Sleep-EDF-20数据集上的分类准确率最高为92.60%,在Sleep-EDF-78数据集上的分类准确率最高为91.10%,优于单通道信号以及其他对比方法。所提方法验证了多种信号对睡眠分期的有效性，并为研究睡眠分期提供了重要思路。
关键词：睡眠分期;;多模态;;卷积神经网络;;多层网络;;LSTM
基金资助：湖北省重点研发计划项目(2020BAB017);; 武汉市科技计划项目(2019010701011392);; 国家语委科研中心项目(ZDI135-135)
