一、摘要
佩戴可穿戴设备进行睡眠监测是一种无创、便捷的方法,可以提高睡眠障碍筛查和健康监测的效率。然而,由于缺乏大规模、标准化的PPG数据集,使用PPG进行睡眠阶段分类仍然具有挑战性。本文提出了一种基于深度迁移学习的方法来解决这个问题。首先,使用一个大型ECG数据集训练一个深度递归神经网络来执行4类睡眠阶段分类(清醒、快速眼动、N1 / N2和N3)。然后,使用三种迁移学习方法将其部分权重适应到较小、更新的PPG数据集上。最终结果表明,该方法可以显著提高PPG基础下4类睡眠阶段分类的准确性,并为未来研究提供了有价值的参考和启示。
![](https://i-blog.csdnimg.cn/blog_migrate/788e40e5e81ae1071743fbfa1758dd42.png)