Data and Preprocessing Steps

데이터 및 전처리 단계

 

 

각 레코드에는 A2 전극과 관련하여 참조된 20개의 EEG 채널 데이터가 포함된다. 참조 체계를 수정하지 않았기 때문에 연구에서 A2 전극을 제거한다. 또한 각 레코드에는 추가 양식으로 간주한 2개의 EOG (수평좌우) 및 3개의 EMG 채널 (턱 채널)의 신호가 포함된다.

 

사용 가능한 모든 센서의 시계열은 먼저 30Hz 컷오프 주파수로 저역 통과 필터링되었다. 그런 다음 128Hz의 샘플링 속도로 다운샘플링되었다. 다운샘플링 단계는 정보를 최대 64Hz (나이퀴스트 주파수)까지 유지하면서 신경망에 대한 계산 속도를 높인다. 다운샘플링 및 low / band 패스 필터링은 일반적으로 전처리 단계에 사용된다. 데이터 추출 및 필터링 단계는 MNE 소프트웨어로 수행된다. 사용된 필터는 약 7Hz의 전이 대역폭을 갖는 영상 유한 임펄스 응답 (FIR) 필터였다. 수면 단계는 기록당 단일 수면 전문가가 AAM 규칙에 따라 표시한다. 연속 샘플 Sk의 시퀀스를 예측자에게 공급하여 시간적 맥락의 사용을 조사할 때, 0 패딩을 사용하여 밤의 시작과 끝에 샘플을 완성한다. 이렇게 하면 입력 배치의 치수를 고정하면서 야간 기록의 모든 샘플을 모델에 공급할 수 있다.

 

서로 다른 신경망에 공급된 시계열은 추가로 표준화되었다. 실제로 각 채널에 대해 30초마다 표본이 개별적으로 표준화되어 평균과 단위 분산이 0이다. 수면 단계 분류의 특정 작업의 경우 기록이 거의 8시간 동안 수행되기 때문에 특히 관련이 있다. 이러한 긴 시간 동안 기록 조건은 피부 습도, 체온, 신체 움직임 또는 더 나쁜 전극 접촉 손실과 같이 다양하다. 각 30초 시계열에 동일한 1차 및 2차 모멘트를 부여하면 야간 기록 중에 발생할 수 있는 공변량 변화에 대처할 수 있다. 이 작업은 고려된 수면 단계 분류 작업에 대한 판별 정보가 있는 상대 진폭을 변경하지 않고 모든 주파수 대역의 주파수 전력만 재조정한다 (파르스발 정리 참조). 이 전처리 단계는 네트워크에 데이터 일괄 처리를 제공하기 전에 온라인으로 수행할 수 있다.

 

교차 검증은 보이지 않는 레코드에 대한 모델의 성능에 대한 편향되지 않은 추정치를 얻기 위해 사용되었다. 보고된 점수의 분산을 줄이기 위해 데이터는 열차, 유효성 검사 및 테스트 세트 간에 랜덤하게 5번 분할되었다. 훈련 세트에 사용된 기록이 유효성 검사 또는 시험 세트에 사용되지 않음을 보장하기 위해 기록과 관련하여 분할을 수행했다. 각 분할에 대해 41개의 기록이 훈련 세트에 포함되었고, 10개의 기록이 검증 세트에 포함되었으며, 10개의 기록이 시험 세트에 포함되었다.

 

https://ieeexplore.ieee.org/abstract/document/8307462

A Deep Learning Architecture for Temporal Sleep Stage Classification Using Multivariate and Multimodal Time Series