工程科学学报.第43卷，第9期：1253-1260.2021年9月 Chinese Journal of Engineering,Vol.43,No.9:1253-1260,September 2021 https://doi.org/10.13374/j.issn2095-9389.2021.01.13.011;http://cje.ustb.edu.cn 基于一维卷积神经网络的儿童睡眠分期 许 力”，吴云肖”，肖冰引，许志飞，张远)四 1)西南大学电子信息工程学院，重庆4007152)国家儿童医学中心，首都医科大学附属北京儿童医院，儿童耳鼻咽喉头颈外科疾病北京 市重点实验室，北京1000453)民航总医院呼吸内科.北京1001234)国家儿童医学中心，首都医科大学附属北京儿童医院呼吸科.北京 100045 ☒通信作者，E-mai:yuanzhang@swu.edu.cn 摘要高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进 行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法.多导睡眠图(Polysomnography, PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别 具有基础作用.本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积 代替二维卷积.提出一种1D-CNN结构.由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化 层(Batch normalization layer),保持卷积核的大小保持不变.针对数据集少的情况，采用了重叠的方法对数据集进行了扩充. 实验结果表明.该模型儿童睡眠分期的准确率为84.3%.通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出， Wake、N2、N3和REM期睡眠的分类性能很好.对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的 情况，因此以后的工作应重点提升N1期睡眠的准确性.总体而言，对于基于带有睡眠阶段标记的单通道EG的自动睡眠分 期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期.在未来的工作中，仍需要研究开发更适合于儿童的睡眠 分期策略，在更大数据量的基础上进行实验 关键词儿童睡眠分期：多导睡眠图：卷积神经网络：Alexnet:脑电信号 分类号TG391.7 One-dimensional convolutional neural network for children's sleep staging XU Li,WU Yun-xiao,XIAO Bing,XU Zhi-fer),ZHANG Yuan 1)College of Electronic and Information Engineering,Southwest University,Chongqing 400715,China 2)Beijing Key Laboratory of Pediatric Diseases of Otolaryngology,Head and Neck Surgery,Beijing Children's Hospital,Capital Medical University, National Center for Children's Health,Beijing 100045,China 3)Department of Respiratory Medicine,Civil Aviation General Hospital,Beijing 100123,China 4)Department of Respiratory Medicine,Beijing Children's Hospital,Capital Medical University,National Center for Children's Health,Beijing 100045, China Corresponding author,E-mail:yuanzhang@swu.edu.cn ABSTRACT High-quality sleep is linked with physical development,cognitive function,learning,and attention in children.Since early symptoms of sleep disorders in children are not obvious and require long-term monitoring.there is an urgent need to develop a method for monitoring children's sleep that can prevent and diagnose these disorders in advance.Polysomnography (PSG)is the basic test for sleep disorders recommended by clinical guidelines.Sleep quality can be assessed and sleep disorders can be identified by observing the changes in patterns of PSG during each sleep period.Sleep staging in children was researched and single-channel 收稿日期：2021-01-13 基金项目：北京市自然科学基金资助项目(7212033)：首都卫生发展科研专项资助项目（首发2018-4-6031）基于一维卷积神经网络的儿童睡眠分期 许    力1)，吴云肖2)，肖    冰3)，许志飞4)，张    远1) 苣 1) 西南大学电子信息工程学院，重庆 400715    2) 国家儿童医学中心，首都医科大学附属北京儿童医院，儿童耳鼻咽喉头颈外科疾病北京 市重点实验室，北京 100045    3) 民航总医院呼吸内科，北京 100123    4) 国家儿童医学中心，首都医科大学附属北京儿童医院呼吸科，北京 100045 苣通信作者，E-mail: yuanzhang@swu.edu.cn 摘    要    高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进 行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法. 多导睡眠图 (Polysomnography， PSG) 是临床指南推荐的睡眠障碍基本检测方法，通过观察 PSG 各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别 具有基础作用. 本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在 Alexnet 的基础上，用一维卷积 代替二维卷积，提出一种 1D-CNN 结构，由 5 个卷积层、3 个池化层和 3 个全连接层组成，并在 1D-CNN 中添加了批量归一化 层（Batch normalization layer），保持卷积核的大小保持不变. 针对数据集少的情况，采用了重叠的方法对数据集进行了扩充. 实验结果表明，该模型儿童睡眠分期的准确率为 84.3%. 通过北京市儿童医院的 PSG 数据获得的归一化混淆矩阵，可以看出， Wake、N2、N3 和 REM 期睡眠的分类性能很好. 对于 N1 期睡眠，存在将 N1 期睡眠被误分类为 Wake、N2 和 REM 期睡眠的 情况，因此以后的工作应重点提升 N1 期睡眠的准确性. 总体而言，对于基于带有睡眠阶段标记的单通道 EEG 的自动睡眠分 期，本文提出的 1D-CNN 模型可以实现针对于儿童的自动睡眠分期. 在未来的工作中，仍需要研究开发更适合于儿童的睡眠 分期策略，在更大数据量的基础上进行实验. 关键词    儿童睡眠分期；多导睡眠图；卷积神经网络；Alexnet；脑电信号 分类号    TG391.7 One-dimensional convolutional neural network for children’s sleep staging XU Li1) ，WU Yun-xiao2) ，XIAO Bing3) ，XU Zhi-fei4) ，ZHANG Yuan1) 苣 1) College of Electronic and Information Engineering, Southwest University, Chongqing 400715, China 2) Beijing Key Laboratory of Pediatric Diseases of Otolaryngology, Head and Neck Surgery, Beijing Children’s Hospital, Capital Medical University, National Center for Children’s Health, Beijing 100045, China 3) Department of Respiratory Medicine, Civil Aviation General Hospital, Beijing 100123, China 4) Department of Respiratory Medicine, Beijing Children’s Hospital, Capital Medical University, National Center for Children’s Health, Beijing 100045, China 苣 Corresponding author, E-mail: yuanzhang@swu.edu.cn ABSTRACT    High-quality  sleep  is  linked  with  physical  development,  cognitive  function,  learning,  and  attention  in  children.  Since early symptoms of sleep disorders in children are not obvious and require long-term monitoring, there is an urgent need to develop a method for monitoring children’s sleep that can prevent and diagnose these disorders in advance. Polysomnography (PSG) is the basic test  for  sleep  disorders  recommended  by  clinical  guidelines.  Sleep  quality  can  be  assessed  and  sleep  disorders  can  be  identified  by observing  the  changes  in  patterns  of  PSG  during  each  sleep  period.  Sleep  staging  in  children  was  researched  and  single-channel 收稿日期: 2021−01−13 基金项目: 北京市自然科学基金资助项目（7212033）；首都卫生发展科研专项资助项目（首发 2018-4-6031） 工程科学学报，第 43 卷，第 9 期：1253−1260，2021 年 9 月 Chinese Journal of Engineering, Vol. 43, No. 9: 1253−1260, September 2021 https://doi.org/10.13374/j.issn2095-9389.2021.01.13.011; http://cje.ustb.edu.cn