인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.10 No.6
- 발행연도
- 2021.12
- 수록면
- 464 - 468 (5page)
- DOI
- 10.5573/IEIESPC.2021.10.6.464
이용수
초록· 키워드
In order to measure sleep quality, sleep experts manually classify sleep stages through polysomnography (PSG) signals. However, it is time-consuming and labor-intensive work. Thus, automatic sleep stage classification methods are needed. In this study, we propose an end-to-end automatic sleep staging algorithm using a one-dimensional convolutional neural network (1DCNN) based on an inception network and bidirectional long short-term memory (bi-LSTM). First, a feature map was extracted from input data using the 1D-CNN architecture without preprocessing. Secondly, bi-LSTM learned a stage transition rule using the feature maps. In addition, we used the sleep-EDF public dataset to evaluate our model, and only one channel of EEG signal was used to save computational cost. The accuracy and macro-averaged F1 score of the classification performance were 85.05% and 79.05%, respectively. These results demonstrate state-of-the-art performance compared to previous studies using the same dataset, yielding an effective method for an automatic sleep staging algorithm.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 1. Introduction
- 2. The Proposed Method
- 3. Performance Evaluation
- 5. Conclusion
- References
참고문헌
참고문헌 신청최근 본 자료
