(19 امتیاز از 4 رای)
Loading...
طبقه بندی خودکار مرحله خواب با شبکه عصبی عمیق CNN و LSTM در Python
در این بخش دانلود رایگان پروژه طبقه بندی خودکار مرحله خواب با شبکه عصبی عمیق CNN و LSTM در زبان Python را آماده کرده ایم که در ادامه توضیحاتی از معرفی پروژه ارائه شده و لینک دانلود رایگان فایل ها قرار داده شده است. این پروژه مربوط به پایان نامه Automatic Sleep Stage Classification using Convolutional Neural Networks with Long Short-Term Memory از دانشگاه رادبود هلند است.
معرفی پروژه
طبقه بندی خواب به مراحل مختلف با استفاده از سیگنال های EEG روشی رایج در آزمایشگاه های خواب بوده و یک ابزار ضروری برای پزشکان و محققان می باشد. با توجه به پیشرفت های بسیار زیاد زمینه هوش مصنوعی، امتیازدهی مراحل خواب هنوز هم در برخی موارد به صورت دستی انجام صورت می گیرد. از آنجایی که این مراحل خسته کننده و طولانی است، اتوماسیون کردن آن مورد توجه قرار گرفته است. در این پژوهش شبکه عصبی عمیق کانولوشن به منظور استخراج ویژگی های خودکار از سیگنال های EEG، EMG و EOG آموزش داده شده است. با در نظر گرفتن شش دوره قبل، یک شبکه LSTM برای پیش بینی مرحله خواب مورد استفاده قرار می گیرد. جهت اعتبارسنجی استخراج ویژگی، یک مقایسه با ۳۷ ویژگی بین روش خود کار و روش دستی انجام شده است. این شبکه ها به کمک ۵۰ رکورد اولیه، از مجموعه داده های عمومی CCSHS آموزش داده شدند و در داده های عمومی Sleep EDFx، مجموعه داده های UCD عمومی، مجموعه داده های EMSA خصوصی و ضبط ۵۰ تا ۱۰۰ CCSHS مورد تایید قرار گرفتند.
نتایج شبیه شبیه
نتایج شبیه شبیه سازی ها با پایتون نشان می دهد که شبکه قادر است به پیشرفته ترین عملکرد در CCSHS (ضبط ۰-۵۰ ، دقت ۸۹ درصد و F1 81 درصد) برسد. همچنین شبکه بدون آموزش مجدد، مراحل خواب را بر روی داده های دیده نشده از یک گروه مشابه با دقت و صحت بالا پیش بینی می کند. نتایج به دست آمده نشان داد که کارایی به طور مداوم در مقایسه با روش استخراج ویژگی دستی بالاتر است. همینطور از نتایج خروجی نشان می دهد که استخراج ویژگی خودکار در داده های خواب امکان پذیر بوده و ویژگی های مشابه به مواردی که در دفترچه راهنمای نمره دهی خواب آکادمی آمریکایی آموخته شده را می آموزد.
تصاویر خروجی:
