SleepNet：基于深度学习的睡眠自动分期
项目描述
SleepNet是一个基于深度学习的轻量级自动睡眠阶段分类算法，专门用于处理单通道EEG信号。该项目最初是一个记录最终设计的日志存储库，旨在尝试多种不同的深度神经网络结构（如LSTM、ResNet、DFCNN等），以实现单通道EEG信号的自动睡眠阶段分期。
目前，SleepNet的最终设计已经完成，我们将继续关注该项目的发展。未来的重点将转向如何将代码应用于实际应用中，并考虑计算能力和准确性之间的平衡。此外，我们将提供一些经过预先训练的模型，以便于用户直接使用。
我们相信，这些代码不仅适用于EEG信号的分类，还可以用于其他生理信号（如ECG、EMG等）的分类。我们希望SleepNet能够对您的研究或项目有所帮助。
如何运行
如果您需要运行此代码（训练自己的模型或使用预先训练的模型对自己的数据进行预测），请按照以下步骤操作：
- 数据准备：确保您的数据格式与项目要求一致。
- 模型选择：选择您希望使用的预训练模型或从头开始训练新模型。
- 配置参数：根据您的需求调整训练参数。
- 运行代码：按照项目提供的说明运行代码。
数据集
该项目使用了两个公开可用的睡眠数据集进行训练：
- CinC Challenge 2018数据集：我们仅使用其C4-M1通道。
- sleep-edfx和sleep-数据集：这些数据集提供了丰富的睡眠阶段数据。
未来计划
我们将继续优化SleepNet的性能，并探索其在实际应用中的潜力。同时，我们欢迎社区的反馈和贡献，以共同推动该项目的发展。
致谢
感谢所有为该项目做出贡献的研究人员和开发者。我们期待SleepNet能够在睡眠分期和其他生理信号分类领域发挥更大的作用。