用于处理复杂脑电图信号的高效深度尖峰神经网络

《IEEE Access》:Efficient Deep Spiking Neural Network for Complex EEG Signals

【字体: 大 中 小 】 时间:2026年04月29日 来源:IEEE Access 3.6

编辑推荐:

   摘要: 斯派克神经网络(SNNs)提供了一种受生物学启发的、能效更高的替代方案,用于替代传统的人工神经网络(ANNs)。然而,深度SNN在处理复杂的脑电图(EEG)信号时存在困难,因为它们的基于脉冲的表示方式较为稀疏且具

  



摘要:



斯派克神经网络(SNNs)提供了一种受生物学启发的、能效更高的替代方案,用于替代传统的人工神经网络(ANNs)。然而,深度SNN在处理复杂的脑电图(EEG)信号时存在困难,因为它们的基于脉冲的表示方式较为稀疏且具有高度的时间特异性,这通常会导致重要信息在通过多个层次时丢失。在这项工作中,我们提出了一种高效深度斯派克神经网络(EDSNN),用于自动睡眠阶段分类。该模型在两个大规模睡眠EEG数据集(Sleep-EDF-78和SHHS)的原始单通道记录上进行训练和评估。所提出的架构结合了多尺度卷积斯派克层和跳跃连接,以在深层网络中保留脉冲信息。此外,它还采用了聚合的基于脉冲的监督机制、类加权标签平滑处理以及增量数据输入方法,以提高训练稳定性和泛化能力。我们在两个具有挑战性且不平衡的睡眠EEG数据集SHHS和Sleep-EDF-78上评估了所提出的EDSNN。该模型在Sleep-EDF-78上的准确率为81.64%,在SHHS上的准确率为80.55%,表现出与传统深度神经网络相当的性能,同时由于其基于脉冲的架构,还实现了更快的推理速度和更低的能耗。


相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号