（文章來(lái)源：教育新聞網(wǎng)）

筑波大學(xué)的研究人員創(chuàng)建了一個(gè)新的人工智能程序，用于對(duì)老鼠的睡眠階段進(jìn)行自動(dòng)分類(lèi)，該程序結(jié)合了兩種流行的機(jī)器學(xué)習(xí)方法。該算法被稱(chēng)為“ MC-SleepNet”，其準(zhǔn)確率超過(guò)96%，并且對(duì)生物信號(hào)中的噪聲具有很高的魯棒性。使用該系統(tǒng)自動(dòng)注釋數(shù)據(jù)可以極大地幫助睡眠研究人員分析實(shí)驗(yàn)結(jié)果。

研究睡眠的科學(xué)家經(jīng)常使用小鼠作為動(dòng)物模型，以更好地了解大腦活動(dòng)在各個(gè)階段的變化方式。這些階段可分為清醒，REM(快速眼動(dòng))睡眠和非REM睡眠。以前，監(jiān)視睡眠小鼠腦電波的研究人員最終獲得了大量數(shù)據(jù)，而這些數(shù)據(jù)通常需要由學(xué)生團(tuán)隊(duì)手工進(jìn)行費(fèi)力地標(biāo)記。這代表了研究中的主要瓶頸。

現(xiàn)在，筑波大學(xué)的研究人員已經(jīng)推出了一種程序，可以根據(jù)其腦電圖(EEG)和肌電圖(EMG)信號(hào)自動(dòng)對(duì)小鼠經(jīng)歷的睡眠階段進(jìn)行分類(lèi)，該信號(hào)分別記錄大腦和人體的電活動(dòng)。他們結(jié)合了兩種機(jī)器學(xué)習(xí)技術(shù)：卷積神經(jīng)網(wǎng)絡(luò)(CNN)和長(zhǎng)短期記憶(LSTM)遞歸神經(jīng)網(wǎng)絡(luò)，以實(shí)現(xiàn)超越現(xiàn)有最佳自動(dòng)方法的準(zhǔn)確性。

機(jī)器作者Kazumasa Horie解釋說(shuō)：“機(jī)器學(xué)習(xí)是一個(gè)激動(dòng)人心的新研究領(lǐng)域，具有將醫(yī)學(xué)與計(jì)算機(jī)科學(xué)相結(jié)合的重要應(yīng)用程序。它使我們能夠根據(jù)標(biāo)記的示例自動(dòng)對(duì)新數(shù)據(jù)進(jìn)行分類(lèi)。”當(dāng)要尋找的模式不為人所知時(shí)(例如睡眠階段)，這特別有價(jià)值。這樣，該算法就可以“學(xué)習(xí)”如何做出復(fù)雜的決策而無(wú)需進(jìn)行顯式編程。在該項(xiàng)目中，由于使用了龐大的數(shù)據(jù)集，因此準(zhǔn)確性非常高，擁有超過(guò)4,200個(gè)生物信號(hào)，是任何睡眠中最大的數(shù)據(jù)集此外，通過(guò)實(shí)現(xiàn)CNN，該算法在抵抗個(gè)體差異和噪聲方面表現(xiàn)出很高的魯棒性。

這項(xiàng)工作的主要進(jìn)展是將任務(wù)劃分為兩種機(jī)器學(xué)習(xí)方法。首先，使用CNN從大腦和身體的電活動(dòng)記錄中提取感興趣的特征。然后將這些數(shù)據(jù)傳遞給LSTM，以確定哪些功能最能說(shuō)明小鼠正在經(jīng)歷的睡眠階段。高級(jí)作者北川博之說(shuō)：“我們很樂(lè)觀地將這項(xiàng)工作轉(zhuǎn)化為人類(lèi)睡眠階段的分類(lèi)?！蓖瑫r(shí)，該程序已經(jīng)可以加快研究人員在睡眠領(lǐng)域的工作，這可能導(dǎo)致人們對(duì)睡眠的運(yùn)作方式有了更清晰的了解。
? ? ? （責(zé)任編輯：fqj）