典型文献
SD-FCE:一种识别睡眠呼吸暂停综合征发病时段的深度学习方法
文献摘要：
睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.
文献关键词：
睡眠脑电信号;脑电功能连接性;不规则目标;目标检测;睡眠呼吸暂停综合征
中图分类号：
作者姓名：
高胜寒;熊馨;相艳;刘瑞湘;叶哲江
作者机构：
昆明理工大学信息工程与自动化学院,昆明650500;云南省第二人民医院临床心理科,昆明650000
文献出处：
引用格式：
[1]高胜寒;熊馨;相艳;刘瑞湘;叶哲江-.SD-FCE:一种识别睡眠呼吸暂停综合征发病时段的深度学习方法)[J].小型微型计算机系统,2022(09):1894-1901
A类：
脑电功能连接性,睡眠脑电信号
B类：
FCE,睡眠呼吸暂停综合征,征发,深度学习方法,Sleep,Apnea,Syndrome,SAS,呼吸系统疾病,自动检测,一局,识别模型,Detection,Functional,Connectivity,Electroencephalography,神经系统异常,用脑,连接矩阵,目标检测算法,算法改进,预选框,不规则目标,目标网,网格化,模型搭建,位置回归,格化处理,医学诊断,同时性
AB值：
0.30238
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
