基于1D-Res&SENet的呼吸暂停检测OA
针对现有呼吸暂停检测多是利用呼吸信号样本提取的时频特征进行分类的现状,本文提出了一种1DRes&SENet分类模型,该模型以完整的呼吸信号波形为输入,通过一维卷积神经网络提取特征,加入残差网络结构减轻梯度消失和网格退化,同时考虑各通道特征重要性不同的特点,引入SE注意力机制发现并加强特征通道之间的关联信息,提升呼吸暂停检测的准确率.实验结果表明,加入残差网络以及SENet模块后,模型的准确率、召回率、特异性分别提升了2.0%、4.9%和1.7%.
徐佳豪;胡少文;单新颖;刘继忠
南昌大学先进制造学院,江西南昌330031江西省科技基础条件平台中心,江西南昌330003中华人民共和国民政部国家康复辅具研究中心,北京100176南昌大学先进制造学院,江西南昌330031
信息技术与安全科学
呼吸暂停一维卷积神经网络SENet残差网络毫米波雷达
《新疆大学学报(自然科学版中英文)》 2026 (1)
P.51-60,10
国家康复辅具研究中心横向合作研究与开发项目“基于毫米波雷达的老年人健康监测技术研究”(HX202311010001)。
评论