基于深度强化学习的单通道EEG信号自动睡眠分期算法

Single channel EEG signal automatic sleep staging algorithm based on deep reinforcement learning
赵彦晶1a,2
周强1a,2
刘鑫1a,2
李婉1b,2
田蕴郅1a,2
1. 陕西科技大学 a. 电气与控制工程学院; b. 电子信息与人工智能学院, 西安 710021
2. 陕西省人工智能联合实验室, 西安 710021

摘要

目前,基于脑电(EEG)信号的人体睡眠分期方法呈现出单通道和网络模型深度化的趋势,然而单通道信息采集使得EEG失去大脑区域的位置信息,EEG中表征睡眠阶段的特征因趋向稀疏化而难以提取,同时深度网络的共性问题——模型及其训练的超参数的人工设定使得训练过程盲目且低效,这些问题导致自动睡眠分期方法的准确率低。为此,提出利用密集连接网络(DenseNet)对模型层间特征重用功能,挖掘深藏于EEG信号中的睡眠状态信息,针对单通道EEG信号在频域上的低频特性以及时域上长程依赖特性,对DenseNet模型进行了改进,实现了人体睡眠的快速和精确分期;为进一步提升DenseNet性能,使用深度确定性策略梯度(DDPG)算法,在网络学习训练过程中利用强化学习思想对DenseNet关键超参数进行在线优化和自动调节。实验结果表明,该算法模型在Sleep-EDFx数据集上的分期准确率达到了89.23%,总体效果优于近年来其他先进分期算法,表现出良好的应用前景。

基金项目

国家自然科学基金资助项目(62101312)
陕西省科技厅工业项目(2024GX-YBXM-544)

出版信息

DOI: 10.19734/j.issn.1001-3695.2024.01.0008
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第9期
所属栏目: 算法研究探讨
出版页码: 2699-2704
文章编号: 1001-3695(2024)09-019-2699-06

发布历史

[2024-03-19] 优先出版
[2024-09-05] 印刷出版

引用本文

赵彦晶, 周强, 刘鑫, 等. 基于深度强化学习的单通道EEG信号自动睡眠分期算法 [J]. 计算机应用研究, 2024, 41 (9): 2699-2704. (Zhao Yanjing, Zhou Qiang, Liu Xin, et al. Single channel EEG signal automatic sleep staging algorithm based on deep reinforcement learning [J]. Application Research of Computers, 2024, 41 (9): 2699-2704. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊