期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于空洞卷积和注意力机制的睡眠呼吸暂停检测方法 被引量:1
1
作者 郑和裕 林美娜 《自动化与信息工程》 2022年第2期29-34,40,共7页
为提高基于心电信号的睡眠呼吸暂停检测精度,针对现有检测方法普遍存在的需要较复杂的特征工程和手工校正步骤,无法对心电信号自适应预处理且损失较多信息的问题,提出一种基于空洞卷积和注意力机制的睡眠呼吸暂停检测方法。首先,利用自... 为提高基于心电信号的睡眠呼吸暂停检测精度,针对现有检测方法普遍存在的需要较复杂的特征工程和手工校正步骤,无法对心电信号自适应预处理且损失较多信息的问题,提出一种基于空洞卷积和注意力机制的睡眠呼吸暂停检测方法。首先,利用自适应预处理网络滤除心电信号中的冗余信息(包括基线漂移、肌电干扰等);然后,使用基于空洞卷积和时间注意力机制的检测网络从心电信号中提取时序特征并进行检测。在Apnea-ECG数据集上的实验结果表明,相比其他6种检测方法,本文方法能够实现更有效的睡眠呼吸暂停检测。 展开更多
关键词 心电信号 睡眠呼吸暂停综合征 自适应信号预处理 空洞卷积 注意力机制
下载PDF
基于CNN与堆叠LightGBM的多模态OSA检测方法
2
作者 林美娜 郑和裕 《自动化与信息工程》 2022年第3期25-30,共6页
提出一种基于血氧饱和度和心电图信号的多模态阻塞性睡眠呼吸暂停(OSA)检测方法。首先,提取血氧饱和度和心电图信号的经验特征,并利用皮尔逊相关系数获得最优特征集;然后,利用卷积网络(CNN)生成深层特征以挖掘不同模态间的潜在相关性;最... 提出一种基于血氧饱和度和心电图信号的多模态阻塞性睡眠呼吸暂停(OSA)检测方法。首先,提取血氧饱和度和心电图信号的经验特征,并利用皮尔逊相关系数获得最优特征集;然后,利用卷积网络(CNN)生成深层特征以挖掘不同模态间的潜在相关性;最后,构建堆叠的轻量级梯度提升机(LightGBM),以提高分类器检测精度。在公开数据集Apnea-ECG上进行四折交叉验证,平均准确性、敏感性和特异性分别为96.04%、96.44%和96.22%,相较于决策层融合有较高的分类性能。 展开更多
关键词 阻塞性睡眠呼吸暂停 卷积网络 轻量级梯度提升机 血氧 心电图
下载PDF
基于加法网络和自注意力机制的OSA检测方法
3
作者 郑雅纯 郑和裕 林美娜 《自动化与信息工程》 2021年第6期43-48,共6页
为实现准确率高且计算复杂度低的阻塞性睡眠呼吸暂停(OSA)检测,根据血氧饱和度(SpO_(2))提出一种基于加法网络和自注意力机制的OSA检测方法。该方法引入加法网络用于SpO_(2)的特征提取,以降低计算复杂度;采用自注意力机制调整采样点间... 为实现准确率高且计算复杂度低的阻塞性睡眠呼吸暂停(OSA)检测,根据血氧饱和度(SpO_(2))提出一种基于加法网络和自注意力机制的OSA检测方法。该方法引入加法网络用于SpO_(2)的特征提取,以降低计算复杂度;采用自注意力机制调整采样点间的特征权重,以提高检测精度。在数据集Apnea-ECG上实现了敏感性94.56%、特异性96.91%的检测性能,且浮点运算数量为2.88K FLOPs,比卷积操作减小了40%。实验结果表明:该方法在获得较高检测精度的同时,可以保持较低的计算复杂度。 展开更多
关键词 血氧饱和度 阻塞性睡眠呼吸暂停检测 加法网络 自注意力机制
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部