Αυτόματη ανίχνευση ατράκτων ύπνου με δίκτυα LSTM (Long Short Term Memory), BILSTM (Bidirectional LSTM) και GRU (Gated Recurrent Unit)

Abstract

Ο κύριος σκοπός της παρούσας Διατριβής ήταν να δοκιμαστούν νευρωνικά δίκτυα τύπου μακροχρόνιας-βραχυχρόνιας μνήμης (Long-Short Term Memory - LSTM), που μπορούν να διακρίνουν κυματομορφές ατράκτων ή μη-ατράκτων σε ένα ηλεκτροεγκεφαλογράφημα (ΗΕΓ) ύπνου. Οι άτρακτοι του ύπνου είναι ρυθμικές κυματομορφές, που υπάρχουν στο ΗΕΓ ύπνου και χρησιμοποιούνται για τον καθορισμό του σταδίου του ύπνου. Χρησιμοποιώντας το Matlab εξερευνήσαμε δίκτυα LSTM, αμφίδρομα δίκτυα LSTM (BILSTM) και δίκτυα «αναδρομικών μονάδων πύλης» (Gated Recurrent Unit - GRU). Χρησιμοποιήθηκαν δεδομένα από τη δημόσια διαθέσιμη βάση δεδομένων «Dreams Sleep Spindle Database», που αποτελούνταν από 8 αποσπάσματα καταγραφής 30 λεπτών ενός κεντρικού καναλιού ΗΕΓ. 90 περιπτώσεις χρησιμοποιήθηκαν για εκπαίδευση, 26 για επικύρωση και 10 για δοκιμές. Σε κάθε σύνολο υπήρχε ίσος αριθμός ατράκτων και μη-ατράκτων. Η ακρίβεια κυμαίνονταν από 46% έως 100%. Μετά την ολοκλήρωση δοκιμών με όλα τα δίκτυα και τη δοκιμή διαφόρων τιμών για τον ρυθμό εκμάθησης και τη δομή των επιπέδων, τα καλύτερα αποτελέσματα δόθηκαν από το δίκτυο GRU, χρησιμοποιώντας τις υπερπαραμέτρους που προτείνονται από το Matlab.