sleepstate's Introduction

项目说明

数据集

项目使用的数据集来自于：公开数据集利用深度学习的框架，来完成睡眠的分类的任务；

模型

基于RCNN模型可以有效的完成睡眠分期的任务；值得注意的是：基于传统的方法更的是从波形的特征的角度出发，但是这样往往会有大量的信息被遗漏； RCNN模型被常用于nlp的文本分类的相关任务中，应用在脑电信号处理的过程中具有一定的创新；论文链接：https://link.springer.com/chapter/10.1007/978-3-030-00847-5_42

运行环境

torch 1.6.0

torchvision 0.7.0

tqdm 4.50.2

mne 0.21.dev0

numpy 1.19.2

Python 3.7

pandas 1.1.3

其中MNE是有名的脑电信号的处理框架，具体使用见官网：https://mne.tools/ pip 安装方法：pip install -U https://api.github.com/repos/mne-tools/mne-python/zipball/master

代码框架

将目标数据集解压到文件夹下面
利用preprocess 来做数据预处理，会对原数据进行切分出训练数据集和验证数据集，生成的文件会生成到config文件夹下面；
1. 进入 preprocess 文件夹下面
运行
1. Python ./Run.py -dp dataSplit
  这个会自动从原始文件中提取特定的文件，并在dataset 里面创建6个文件夹 W, R, S1, S2, S3, S4 并且将各个对应的数据切分为30s的片段；
2. Python ./Run.py -dp createDataset 执行该命令可以将提取的数据在config目录下自动创建训练（train.csv）验证（val.csv）测试（test.csv）、文件进行后面训练和测试；
3. 利用模型进行训练；
  1. 进入model文件夹下面
  2. 训练：python ./Run.py -m train -bs 64 -lr 0.001 -ep 50 -gpu 0
  3. 测试：python ./Run.py -m test
  4. 测试结果会自动保存到./log/log.txt 里面