matlab小实验源代码通过深度转移学习实现更准确的自动睡眠分期 该存储库在手稿中包含源代码，预训练的模型和实验设置： Huy Phan，OliverY.Chén，Philipp Koch，Longqing Long，Ian McLoughlin，Alfred Mertins和Maarten De Vos。 2020年8月IEEE生物医学工程学期刊（TBME） 使用Matlab进行数据准备： SeqSleepNet 将路径更改为seqsleepnet/ 运行preprare_data_sleepedf_sc.m制备SleepEDF-SC数据（必须被提供给数据路径，请参阅脚本征求意见）。 生成的.mat文件存储在mat/目录中。 运行genlist_sleepedf_sc.m以基于data_split_sleepedf_sc.mat拆分的数据生成SleepEDF-SC文件列表以进行网络培训。 生成的文件存储在tf_data/目录中。 运行preprare_data_sleepedf_st.m准备SleepEDF-ST数据（路径必须提供的数据指的是脚本注释）。 生成的.mat文件存储在ma

针对传统的自动睡眠分期准确率不足问题，提出一种将多尺度熵（MSE）和主成分分析（PCA）联合使用的自动睡眠分期方法。以8例受试者睡眠脑电（EEG）监测数据及专家人工分期结果作为样本，首先使用MSE表征受试者脑电信号不同睡眠期的非线性动力学特征；然后使用PCA的前两个主成分向量代替MSE特征进行降维，实现降低数据冗余的同时保留绝大多数EEG非线性特征；最终将新向量的特征参数输入到反馈神经网络(BPNN)分类器中实现MSE-PCA模型的脑电睡眠状态的自动识别分类。实验结果表明，自动分期准确率可达到87.9%，kappa系数0.77，该方法能提高脑电自动睡眠分期系统的准确率和稳定性。