为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短...为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题。实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F_(1)值达到79.0%,Cohen′s Kappa系数达到0.78。与现有方法相比,算法性能提升明显,证明了所提方法的有效性。展开更多
MFC(Microsoft Foundation Class Library)基础类库提供了一种在Windows平台上编程的框架,该框架是一个编写高效更专业应用的强大工具,缩短了开发时间,增强了代码的可移植性,在不减少编程的自由和灵活性的情况下提供了更多的支持。对基...MFC(Microsoft Foundation Class Library)基础类库提供了一种在Windows平台上编程的框架,该框架是一个编写高效更专业应用的强大工具,缩短了开发时间,增强了代码的可移植性,在不减少编程的自由和灵活性的情况下提供了更多的支持。对基于MFC的应用程序基本框架进行了分析和讨论。展开更多
文摘为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题。实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F_(1)值达到79.0%,Cohen′s Kappa系数达到0.78。与现有方法相比,算法性能提升明显,证明了所提方法的有效性。
文摘MFC(Microsoft Foundation Class Library)基础类库提供了一种在Windows平台上编程的框架,该框架是一个编写高效更专业应用的强大工具,缩短了开发时间,增强了代码的可移植性,在不减少编程的自由和灵活性的情况下提供了更多的支持。对基于MFC的应用程序基本框架进行了分析和讨论。
