From 1de7b3ebc017627c49315f9491aabe9441becfc0 Mon Sep 17 00:00:00 2001
From: hypox64 <834201093@qq.com>
Date: Wed, 27 Mar 2019 23:35:22 +0800
Subject: [PATCH] update README.md
---
README.md | 36 +++++++++++++++++++++---------------
image/confusion_mat | 10 ++++++++++
2 files changed, 31 insertions(+), 15 deletions(-)
diff --git a/README.md b/README.md
index 2612977..de5804d 100644
--- a/README.md
+++ b/README.md
@@ -1,27 +1,33 @@
# candock
-这是一个用于记录毕业设计的日志仓库，其目的是尝试多种不同的深度神经网络结构(如LSTM,RESNET,DFCNN等)对单通道EEG进行自动化睡眠阶段分期.我们相信这些代码同时可以用于对其他生理信号(如ECG,EMG等)进行分类.希望这将有助于您的研究.
+这是一个用于记录毕业设计的日志仓库，其目的是尝试多种不同的深度神经网络结构(如LSTM,RESNET,DFCNN等)对单通道EEG进行自动化睡眠阶段分期.我们相信这些代码同时可以用于其他生理信号(如ECG,EMG等)的分类.希望这将有助于您的研究.
## 数据集
-使用了三个睡眠数据集进行测试,分别是:[CinC Challenge 2018](https://physionet.org/physiobank/database/challenge/2018/#files) [sleep-edf](https://www.physionet.org/physiobank/database/sleep-edf/) [sleep-edfx](https://www.physionet.org/physiobank/database/sleep-edfx/)
-对于CinC Challenge 2018数据集,使用其C4-M1通道,对于sleep-edfx与sleep-edf数据集,使用Fpz-Cz通道.
+使用了三个睡眠数据集进行测试,分别是: [CinC Challenge 2018](https://physionet.org/physiobank/database/challenge/2018/#files) [sleep-edf](https://www.physionet.org/physiobank/database/sleep-edf/) [sleep-edfx](https://www.physionet.org/physiobank/database/sleep-edfx/)
+对于CinC Challenge 2018数据集,使用其C4-M1通道
对于sleep-edfx与sleep-edf数据集,使用Fpz-Cz通道
值得注意的是:sleep-edfx是sleep-edf的扩展版本.
## 一些说明
-* 数据集分割
-读取数据集各样本后分割为30s/Epoch作为一个输入,共有5个标签,分别是Sleep stage 3,2,1,R,W,将分割后的eeg信号与睡眠阶段标签进行对应后,打乱其顺序,并将80%的数据用于训练,20%的数据用于测试.
-* 数据预处理
-对于不同的网络结构,对原始eeg信号采取了预处理,使其拥有不同的shape:
-LSTM:将30s的eeg信号进行FIR带通滤波,获得θ,σ,α,δ,β波,并将它们进行连接后作为输入数据
-resnet_1d:这里使用resnet的一维形式进行实验,(修改nn.Conv2d为nn.Conv1d).
-DFCNN:将30s的eeg信号进行短时傅里叶变换,并生成频谱图作为输入,并使用resnet网络进行分类.
-* 关于代码
-目前的代码仍然在不断修改与更新中,不能确保其能工作.详细内容将会在毕业设计完成后抽空更新.
+* 数据集分割
+ 读取数据集各样本后分割为30s/Epoch作为一个输入,共有5个标签,分别是Sleep stage 3,2,1,R,W,将分割后的eeg信号与睡眠阶段标签进行对应后,打乱其顺序,并将80%的数据用于训练,20%的数据用于测试.
+* 数据预处理
+ 对于不同的网络结构,对原始eeg信号采取了预处理,使其拥有不同的shape:
+ LSTM:将30s的eeg信号进行FIR带通滤波,获得θ,σ,α,δ,β波,并将它们进行连接后作为输入数据
+ resnet_1d:这里使用resnet的一维形式进行实验,(修改nn.Conv2d为nn.Conv1d).
+ DFCNN:将30s的eeg信号进行短时傅里叶变换,并生成频谱图作为输入,并使用resnet网络进行分类.
+* EEG频谱图
+ 这里展示5个睡眠阶段对应的平铺图,它们依次是wake, stage 1, stage 2, stage 3, REM
+ 
+ 
+ 
+ 
+ 
+* 关于代码
+ 目前的代码仍然在不断修改与更新中,不能确保其能工作.详细内容将会在毕业设计完成后抽空更新.
## 部分实验结果
该部分将持续更新... ...
* sleep-edf
-
+ [[Confusion matrix]](https://github.com/HypoX64/candock/blob/master/image/confusion_mat)
| Network | Label average recall | Label average accuracy | error rate |
| :------------- | :------------------- | ---------------------- | ---------- |
- | lstm | 0.7878 | 0.9507 | 0.1234 |
+ | lstm | 0.7257 | 0.9266 | 0.1836 |
| resnet18_1d | 0.8434 | 0.9627 | 0.093 |
| DFCNN+resnet18 | 0.8567 | 0.9663 | 0.0842 |
-
diff --git a/image/confusion_mat b/image/confusion_mat
index df8b9f0..89594b5 100644
--- a/image/confusion_mat
+++ b/image/confusion_mat
@@ -1,3 +1,13 @@
+Confusion matrix:
+
+ Pred
+
+ S1 S2 S3 REM WAKE
+ S2
+True S3
+ REM
+ WAKE
+
DFresnet18_heatmap_sleep-edf
epoch:10 test avg_recall:0.8567 avg_acc:0.9663 error:0.0842
confusion_mat:
--
GitLab