生物医学工程论文_引入Huber损失函数的睡眠脑-内蒙古师范大学学报杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

生物医学工程论文_引入Huber损失函数的睡眠脑

作者:

关键词:

摘要：

文章摘要:睡眠状态的有效评估在睡眠健康研究中起着重要的作用，脑电作为直接反映睡眠大脑活动的生理信号被广泛应用在睡眠评估研究中。然而，睡眠脑电数据的标记目前仍以专家评判为主，导致数据标记不足；同时睡眠不同阶段的脑电数据类不平衡问题也影响睡眠状态的自动评估。针对上述睡眠脑电数据存在的问题，本文提出了一种基于生成对抗网络的数据增强模型，用以扩充不同睡眠阶段的脑电数据。首先通过引入Huber函数改进ACGAN模型（辅助分类器生成对抗网络模型）的损失函数，解决数据模糊等质量问题。该模型无需对数据进行特征提取，其生成网络和判别网络都采用一维卷积神经网络，并以一维噪声向量和类别向量为生成器输入信号。分别采用手写体数字图像数据集以及睡眠脑电数据集评估该模型性能，并与改进前的模型以及其他损失函数的模型进行了对比实验，结果表明改进模型的数据增强效果以及睡眠分期效果，从可视化评估到定量评估均优于其他模型。本研究为深度学习引入睡眠脑电分析中提供了一种行之有效的方法。

文章关键词:数据增强,生成对抗网络,Huber损失函数,睡眠脑电,

项目基金:国家自然科学基金项目（61871040,61731003）,国家重点研发计划（2018YFB1005100）,《内蒙古师范大学学报》网址: http://www.nmgsfdxxbzz.cn/qikandaodu/2021/0909/1397.html