结合两种流行的机器学习方法，创造了一种新的人工智能程序
筑波大学（universityof tsukuba）的研究人员结合两种流行的机器学习方法，创造了一种新的人工智能程序，用于对老鼠的睡眠阶段进行自动分类。该算法被称为mc-sleepnet，其准确率超过96%，对生物信号中的噪声具有很强的鲁棒性。利用该系统对数据进行自动标注，可以极大地帮助睡眠研究人员分析他们的实验结果。
研究睡眠的科学家经常用老鼠作为动物模型，以便更好地了解大脑活动在不同阶段的变化方式。这些阶段可以分为清醒、rem（快速眼动）睡眠和非快速眼动睡眠。
图1.每个阶段的eeg / emg信号示例
（a）唤醒-wake （b）非快速眼动non-rem （c）快速眼动-rem
在此之前，研究人员对睡着的老鼠的脑电波进行了监测，结果得到了海量的数据，而这些数据需要团队人员进行大量的手工标注。这成为了研究过程的一个非常重要的瓶颈。
现在，筑波大学（universityof tsukuba）的研究人员在该项研究中提出了mc-sleepnet算法，该算法可以根据小鼠的脑电图（eeg）和肌电图（emg）信号，对其睡眠阶段进行自动分类，这两种信号分别记录了小鼠大脑和身体的电活动。这种算法结合了两种机器学习技术，卷积神经网络（cnn）和长短时记忆（lstm）递归神经网络，以达到超过现有的最佳自动方法的精度。
mc-sleepnet结构
mc-sleepnet使用八种类型的层：卷积层、最大池化层、dropout层、连接层、按元素顺序添加层、bi-lstm层、全连接层和softmax层。每一层的参数在方框中说明。
项目研究人员、该论文通讯作者kazumasahorie解释道：“机器学习是一个激动人心的新研究领域，它的重要应用是将医学与计算机科学相结合。它允许我们根据标注的示例自动对新数据进行分类。”当需要寻找的模式不为人所知时，比如睡眠阶段，其价值尤为明显。通过这种方式，算法可以“学习”如何在不显式编程的情况下做出复杂的决策。
在这个项目中，由于使用了较大的数据集，所以准确性非常高。它收集了超过4200个生物信号，是迄今为止所有睡眠研究中最大的数据集。同时，通过实现cnn，该算法对个体差异和噪声具有较强的鲁棒性。
mc-sleepnet的睡眠阶段评分结果示例
基于mc-sleepnet的特征提取模块提取特征的实例。
（左）窄cnn提取脑电图特征。（中）宽带cnn提取脑电图特征。（右）肌电图特征。
这项工作的主要进展是将任务分配给两种机器学习方法。首先使用cnn从大脑和身体的电活动记录中提取感兴趣的特征。然后将这些数据传递给lstm，以确定哪些特征最能反映老鼠所经历的睡眠阶段。研究人员hiroyuki kitagawa 表示“把这项工作转化为对人类睡眠阶段的分类是可以的。”
24C01读写的c51源程序代码分享
如何避免PCB设计限制D类放大器性能？
DC电源模块超宽电压输入和输出的问题
无人沙滩清理车横空出世，沙滩清理的小能手
汽车故障诊断UDS网络层原理讲解
结合两种流行的机器学习方法，创造了一种新的人工智能程序
未来3年，上海预计新增1万台机器人
航电总线接口革命
Pure Storage或被戴尔、联想收购 其股价应声上涨，涨幅5.2%
南开大学提出最新边缘检测和图像过分割被 IEEE PAMI 录用
苏州移动全程进行4K超清直播，通过移动的和直播全程观看工程启动仪式
苹果春季新品iPad mini 6亮点汇总
爱立信敢放出狠话底气何在
WorldVi宣布推出VizMove 2.0，一项基于位置和远程VR体验而设计的服务
fireflyAIO-3288J主板I2C简介
开博尔4KUHD蓝光播放器K9Pro评测 值不值得买
[图文]远距离遥控编解码发射接收组件电路
华为5g技术怎么样
《旭日X3派开发小技巧》-- 备份与恢复SD卡镜像
光纤灯简介及故障维修,变压电路图,半桥变压器电路图
研究睡眠的科学家经常用老鼠作为动物模型，以便更好地了解大脑活动在不同阶段的变化方式。这些阶段可以分为清醒、rem（快速眼动）睡眠和非快速眼动睡眠。
图1.每个阶段的eeg / emg信号示例
（a）唤醒-wake （b）非快速眼动non-rem （c）快速眼动-rem
在此之前，研究人员对睡着的老鼠的脑电波进行了监测，结果得到了海量的数据，而这些数据需要团队人员进行大量的手工标注。这成为了研究过程的一个非常重要的瓶颈。
现在，筑波大学（universityof tsukuba）的研究人员在该项研究中提出了mc-sleepnet算法，该算法可以根据小鼠的脑电图（eeg）和肌电图（emg）信号，对其睡眠阶段进行自动分类，这两种信号分别记录了小鼠大脑和身体的电活动。这种算法结合了两种机器学习技术，卷积神经网络（cnn）和长短时记忆（lstm）递归神经网络，以达到超过现有的最佳自动方法的精度。
mc-sleepnet结构
mc-sleepnet使用八种类型的层：卷积层、最大池化层、dropout层、连接层、按元素顺序添加层、bi-lstm层、全连接层和softmax层。每一层的参数在方框中说明。
项目研究人员、该论文通讯作者kazumasahorie解释道：“机器学习是一个激动人心的新研究领域，它的重要应用是将医学与计算机科学相结合。它允许我们根据标注的示例自动对新数据进行分类。”当需要寻找的模式不为人所知时，比如睡眠阶段，其价值尤为明显。通过这种方式，算法可以“学习”如何在不显式编程的情况下做出复杂的决策。
在这个项目中，由于使用了较大的数据集，所以准确性非常高。它收集了超过4200个生物信号，是迄今为止所有睡眠研究中最大的数据集。同时，通过实现cnn，该算法对个体差异和噪声具有较强的鲁棒性。
mc-sleepnet的睡眠阶段评分结果示例
基于mc-sleepnet的特征提取模块提取特征的实例。
（左）窄cnn提取脑电图特征。（中）宽带cnn提取脑电图特征。（右）肌电图特征。
这项工作的主要进展是将任务分配给两种机器学习方法。首先使用cnn从大脑和身体的电活动记录中提取感兴趣的特征。然后将这些数据传递给lstm，以确定哪些特征最能反映老鼠所经历的睡眠阶段。研究人员hiroyuki kitagawa 表示“把这项工作转化为对人类睡眠阶段的分类是可以的。”
24C01读写的c51源程序代码分享
如何避免PCB设计限制D类放大器性能？
DC电源模块超宽电压输入和输出的问题
无人沙滩清理车横空出世，沙滩清理的小能手
汽车故障诊断UDS网络层原理讲解
结合两种流行的机器学习方法，创造了一种新的人工智能程序
未来3年，上海预计新增1万台机器人
航电总线接口革命
Pure Storage或被戴尔、联想收购 其股价应声上涨，涨幅5.2%
南开大学提出最新边缘检测和图像过分割被 IEEE PAMI 录用
苏州移动全程进行4K超清直播，通过移动的和直播全程观看工程启动仪式
苹果春季新品iPad mini 6亮点汇总
爱立信敢放出狠话底气何在
WorldVi宣布推出VizMove 2.0，一项基于位置和远程VR体验而设计的服务
fireflyAIO-3288J主板I2C简介
开博尔4KUHD蓝光播放器K9Pro评测 值不值得买
[图文]远距离遥控编解码发射接收组件电路
华为5g技术怎么样
《旭日X3派开发小技巧》-- 备份与恢复SD卡镜像
光纤灯简介及故障维修,变压电路图,半桥变压器电路图