（文章來源：教育新聞網(wǎng)）

筑波大學的研究人員創(chuàng)建了一個新的人工智能程序，用于對老鼠的睡眠階段進行自動分類，該程序結合了兩種流行的機器學習方法。該算法被稱為“ MC-SleepNet”，其準確率超過96%，并且對生物信號中的噪聲具有很高的魯棒性。使用該系統(tǒng)自動注釋數(shù)據(jù)可以極大地幫助睡眠研究人員分析實驗結果。

研究睡眠的科學家經(jīng)常使用小鼠作為動物模型，以更好地了解大腦活動在各個階段的變化方式。這些階段可分為清醒，REM(快速眼動)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)通常需要由學生團隊手工進行費力地標記。這代表了研究中的主要瓶頸。

現(xiàn)在，筑波大學的研究人員已經(jīng)推出了一種程序，可以根據(jù)其腦電圖(EEG)和肌電圖(EMG)信號自動對小鼠經(jīng)歷的睡眠階段進行分類，該信號分別記錄大腦和人體的電活動。他們結合了兩種機器學習技術：卷積神經(jīng)網(wǎng)絡(CNN)和長短期記憶(LSTM)遞歸神經(jīng)網(wǎng)絡，以實現(xiàn)超越現(xiàn)有最佳自動方法的準確性。

機器作者Kazumasa Horie解釋說：“機器學習是一個激動人心的新研究領域，具有將醫(yī)學與計算機科學相結合的重要應用程序。它使我們能夠根據(jù)標記的示例自動對新數(shù)據(jù)進行分類?！碑斠獙ふ业哪Ｊ讲粸槿怂獣r(例如睡眠階段)，這特別有價值。這樣，該算法就可以“學習”如何做出復雜的決策而無需進行顯式編程。在該項目中，由于使用了龐大的數(shù)據(jù)集，因此準確性非常高，擁有超過4,200個生物信號，是任何睡眠中最大的數(shù)據(jù)集此外，通過實現(xiàn)CNN，該算法在抵抗個體差異和噪聲方面表現(xiàn)出很高的魯棒性。

這項工作的主要進展是將任務劃分為兩種機器學習方法。首先，使用CNN從大腦和身體的電活動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明小鼠正在經(jīng)歷的睡眠階段。高級作者北川博之說：“我們很樂觀地將這項工作轉化為人類睡眠階段的分類。”同時，該程序已經(jīng)可以加快研究人員在睡眠領域的工作，這可能導致人們對睡眠的運作方式有了更清晰的了解。
? ? ? （責任編輯：fqj）