简介：基于深度学习的睡眠状态检测项目，面向毕业设计、课程设计与期末大作业场景，适合计算机、人工智能、生物医学工程等相关专业学生或开发者完成脑电信号分类任务。项目以卷积神经网络（CNN）为核心，覆盖脑电信号加载、预处理、模型构建、训练与评估全流程，有助于理解睡眠分期任务中深度网络如何自动提取有效特征。压缩包整体仅5KB，内含3个文件，包括2个Python脚本与1个Markdown说明文档；脚本分别实现数据集加载与预处理、CNN分类模型训练与预测，文档说明了项目背景、运行方式及关键代码，便于快速复现和二次开发。已有36人学习，适合作为课程设计的基线代码，可在此基础上直接运行实验，或调整网络结构、损失函数与训练参数进一步改进和对比。
1. 基于深度学习的睡眠状态检测：为什么它是序列标注而不是图像识别
如果你刚拿到「基于深度学习的睡眠状态检测.zip」这个项目压缩包，第一反应可能是把它当成图像分类项目来处理：反正深度学习，反正识别，喂图训练就行。真正打开才会发现，睡眠状态检测处理的是脑电信号（EEG），对应的标签不是“睡着/醒着”二分类，而是每 30 秒一个的睡眠分期：清醒、浅睡、深睡、快速眼动。换句话说，它更接近时序分类或序列标注，而不是图像识别。这个方向解决的是临床上非常具体的刚需：人工判读整晚多导睡眠图（PSG）太耗时，医生给一个受试者打分要看成百上千个片段，深度学习要自动化的是这个过程。适合谁做？有 PyTorch 基础、想做深度学习项目或毕设、对医疗时序数据感兴趣的工程师。新手不要一上来就堆 Transformer，这个方向真正决定上限的是数据管线和评估口径。
2. 睡眠状态检测的数据真相：原始EEG不能直接喂给深度学习，预处理和30秒窗口是第一步
2.1 睡眠分期标签是一帧一帧标出来的，不是从手环里读的
临床上最权威的睡眠分期依据是多导睡眠监测（PSG），记录的是脑电 EEG、眼电 EOG、下颌肌电 EMG、心电图 ECG 等信号，由睡眠技师按每 30 秒一个片段给整个夜间记录分段。深度学习中常见的睡眠状态检测项目，实际上是在做睡眠分期：一个片段对应一个阶段，模型学的是“这段波形更像哪个阶段”。
目前主流分期标准是 AASM 的五分类：清醒（Wake）、浅睡 N1、浅睡 N2、深睡 N3、快速眼动（REM）。这几个阶段在 EEG 上有完全不同的波形特征：
| 睡眠阶段 | 临床含义 | 典型脑电特征 |
|---|---|---|
| Wake | 清醒或微醒 | 高频低幅，alpha 波明显 |
| N1 | 浅睡 | alpha 减弱，theta 波增多 |
| N2 | 浅睡 | 出现睡眠纺锤波和 K 复合波 |
| N3 | 深睡 | 大量高幅 delta 波 |
| REM | 快速眼动睡眠 | theta 混合低幅快波，眼球快速运动 |
很多公开数据集把采样率降到 100 Hz 或 128 Hz，把 PSG 原始记录按 30 秒切成一个个 epoch，再给出每个 epoch 的标签。处理这类数据时，标签不是模型学出来的“状态”，而是与时间轴严格绑定的临床注释。你在代码里处理的是一个 (序列长度 \times 通道数) 的矩阵，模型要输出的是一个处在 0 到 4 之间的分类分数。
这也是为什么 sleep staging 项目的输入通常不是一整晚信号，而是大量 30 秒小片段。你不能把一个 8 小时的 EDF 文件直接 reshape 成一批样本，因为相邻片段之间有睡眠阶段转移，标签不一定只在通道值上可区分；更重要的是，模型并不需要看到整晚才能判断当前片段。常见做法是让每个样本独立输出分类结果，再用后处理去平滑相邻预测。
2.2 预处理管线：重采样、带通滤波、坏段剔除与滑窗参数
我一般建议在模型训练前，先把预处理管线固定成一个独立模块，不要和训练逻辑混在一起。原因是这类数据集来自不同医院、不同采集设备，采样率、通道顺序、单位都可能不一样，不做统一，后面所有代码都容易翻车。
第一步是重采样。公开数据集常见采样率有 100 Hz、128 Hz、200 Hz、256 Hz、512 Hz。如果原数据集是 256 Hz，而你的模型设计成 100 Hz，用 scipy.signal.resample 降到 100 Hz 前要先用低通滤波防止混叠，不要直接每隔几个点采样。
第二步是带通滤波。EEG 的有效频段大约在 0.5 到 40 Hz，低于 0.5 Hz 主要是基线漂移，高于 40 Hz 多为噪声。常见做法是做一个 1 到 40 Hz 的带通滤波，能保留 theta、alpha、delta 等睡眠分期主成分，又能把肌电噪声压下去。如果原始信号里有明显的 50 Hz 或 60 Hz 市电干扰，可以再加一个窄带陷波滤波，具体频率取决于当地电网频率。
第三步是坏段剔除。多导睡眠记录夜里难免会有电极松动、受试者翻身等伪影。最简单的坏段检测是看每个 30 秒片段的峰峰值，超过某个阈值就丢弃；更温和的做法是用标签本身，把标注为 artifact 的片段丢掉。
第四步是做 z-score 标准化。建议按受试者或按整夜记录计算每个通道的均值和标准差，不要把整个数据集拉平后再算，否则不同受试者之间的个体差异会干扰模型。最后才是滑窗取值：把连续信号切成 (30 \times fs) 个点，如果采样率是 100 Hz，每段就是 3000 个点，标签为该片段对应的睡眠分期。
这里要强调一个常见误用：为增加训练样本，有人把滑窗重叠 50% 甚至更多。训练时可以用重叠做数据增强，但验证和测试时必须用不重叠的片段，否则同一个数据出现在训练和测试里，准确率会虚高。如果项目里没有明确说明，默认按 30 秒不重叠切分最安全。
2.3 通道选择与标签对齐：比模型结构更影响结果的三个细节
预处理管线里有两个比模型结构更影响最终精度的细节，一个是选哪些通道，一个是标签如何对齐。
第一，通道数量不是越多越好。睡眠分期最依赖的是脑电活动，常见模型只取一个 C4-A1 或 Fpz-Cz 通道，就能跑到接近人工判读的水平。加太多无关通道不仅增加计算量，还会引入更多噪声。如果你想做多通道，建议先做单通道实验，再逐步加 EOG 和 EMG，观察指标变化，而不是一开始就把 19 个通道全部喂进去。
第二，标签对齐要小心。有些 EDF 文件不是零时刻开始自动打标，hypnogram 的起始位置可能与信号起始位置差一个 epoch。读取标注文件后，务必把标签序列长度和样本序列长度核对一遍。若 8 小时记录按 30 秒分出了 960 个 epoch，标签却有 961 个，往往是边界处多切了一个首尾片段。我通常会在代码里打印第一个和最后一个标签对应的睡眠阶段，再和 PSG 报告的起止时间对比。
第三，通道顺序在不同数据集里不统一。同样叫 EEG，有的排在第一通道，有的排在第三通道。运行项目前先打印通道名，不要假设通道索引固定。这一项虽然不影响模型结构，但会让你在转换数据后得到完全不可复现的结果，属于最典型的“数据没对齐”坑。
3. 把睡眠状态检测项目包跑起来：依赖环境、数据加载与最小训练脚本
3.1 解压后先做四件事，再配置深度学习环境
拿到压缩包后，不要马上点 train.py。先把项目结构看一遍，再检查依赖清单。常见做法是按下面四步做：
- 读 README，确认数据集来源、输入输出规格、预训练权重是否存在。
- 看目录布局，找到 data、preprocess、models、train.py 这类文件。
- 检查 requirements.txt 或 environment.yml，确认 PyTorch、numpy、scipy、mne 等版本。
- 找一个小规模样例数据跑通前向传播，再碰真实数据。
配置深度学习环境时，建议用 Miniconda 建独立环境，避免把系统 Python 环境搞乱。一个典型的睡眠状态检测项目至少依赖 mne（读写 EDF）、numpy、scipy、scikit-learn、pytorch。官方 requirements 里如果没有钉死版本，先用兼容组合：
conda create -n sleep python=3.9 -y conda activate sleep pip install -r requirements.txt这段命令创建了一个独立环境，Python 3.9 对 PyTorch 2.x 和 mne 的支持比较稳。如果 requirements.txt 很老，安装时出现依赖冲突，我一般会先装 PyTorch 再装 mne，而不是让 pip 自动解析全部依赖。深度学习环境配置问题里，最烦的不是缺包，而是 mne 和 numpy 版本互相打架。
3.2 PyTorch读入睡眠状态数据的最小代码
预处理完成后，数据结构一般是两个 numpy 数组：signals 形状为 (N, C, T)，代表 N 个 30 秒片段、C 个通道、T 个时间点；labels 形状为 (N)，取值为 0 到 4。下面这段代码是睡眠状态检测项目里最常见的 Dataset：
# sleep_dataset.py import numpy as np import torch from torch.utils.data import Dataset class SleepEpochDataset(Dataset): def __init__(self, signals, labels, subject_ids=None): self.signals = signals # (N, C, T) self.labels = labels # (N,) self.subject_ids = subject_ids # (N,) 用于按受试者划分 def __len__(self): return len(self.labels) def __getitem__(self, idx): x = self.signals[idx].astype(np.float32) # EEG 原始值转 float32 y = int(self.labels[idx]) return torch.from_numpy(x), torch.tensor(y, dtype=torch.long)这个类的作用是把每个 30 秒片段和它的分期标签打包成 PyTorch 样本。注意x保持三维里原来的通道和时间维度，不要提前压平成向量，否则后面的一维卷积模型需要重新 reshape。标签用torch.long，因为CrossEntropyLoss不接受 float 标签。如果signals已经是标准化的数值，不需要在这里再次标准化。
读取数据后还要解决数据划分问题。睡眠状态检测里同一受试者相邻片段高度相关，绝不能简单train_test_split随机切分。正确姿势是按受试者分组：
from sklearn.model_selection import GroupShuffleSplit groups = train_subject_ids # 每个样本属于哪个受试者 gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42) train_idx, val_idx = next(gss.split(signals, labels, groups=groups))GroupShuffleSplit的groups参数保证同一个受试者的所有片段进同一个集合，训练集和验证集之间不会出现同一个人“上一晚教下一晚”的数据泄露。这里test_size=0.2表示留 20% 受试者做验证。用受试者级别划分后，验证集上的准确率会比随机切分低几个点，但更接近真实部署表现。
3.3 一般跑通时要改的四个参数
拿到压缩包里的训练脚本后，有四个参数几乎必须根据你的数据重设：
第一是data_dir。项目里的默认路径大概率指向作者的绝对路径，比如/home/user/sleep_data。改成你本地数据所在目录，否则程序会在读取第一个文件时报文件不存在。第二是batch_size。如果 GPU 显存在 8G 以下，先设 32；显存充裕可以设 64。睡眠状态检测的输入通常只有 (1 \times 3000)，单卡 16G 跑 256 的 batch 也没问题。第三是num_epochs。公开数据集上 20 到 30 个 epoch 一般已经收敛，不需要一开始就设 200。第四是class_weight。睡眠分期的 N1 样本量远少于 Wake 和 N2，如果你在损失函数里没看到类别权重，建议先补上，否则模型会牺牲 N1 换准确率。
如果跑起来发现 loss 不下降，优先检查学习率。PyTorch 默认 Adam 的学习率是 1e-3，但某些项目写的是 1e-4。可以先拿一个 batch 过拟合看 loss 能不能降到接近 0，能说明代码通路没问题，再把学习率调回去。这个“先过拟合一个 batch”的习惯能省掉很多睡眠状态检测项目里的玄学问题。
4. 从CNN基线到序列模型：睡眠状态检测的模型选型与训练参数
4.1 先做一维CNN基线，不要去追逐复杂模型
睡眠状态检测的输入是时间序列，不是图像，所以二维 CNN 并不天然合适。最简单可靠的基线是一维卷积，用卷积核在时间轴上滑动，提取局部脑电波形特征。下面是一个兼顾速度和效果的模型结构：
import torch.nn as nn class SleepStagingNet(nn.Module): def __init__(self, n_channel=1, n_classes=5): super().__init__() self.conv = nn.Sequential( nn.Conv1d(n_channel, 32, kernel_size=7, stride=1, padding=3), nn.BatchNorm1d(32), nn.ReLU(), nn.MaxPool1d(2), nn.Conv1d(32, 64, kernel_size=7, stride=1, padding=3), nn.BatchNorm1d(64), nn.ReLU(), nn.AdaptiveAvgPool1d(32) # 把时间维度压成32 ) self.lstm = nn.LSTM( input_size=64, hidden_size=64, num_layers=1, batch_first=True, bidirectional=True ) self.head = nn.Linear(64 * 2, n_classes) def forward(self, x): # x: (batch, channel, time) h = self.conv(x) # (batch, 64, 32) h = h.permute(0, 2, 1) # (batch, 32, 64) 变成序列 out, _ = self.lstm(h) # (batch, 32, 128) return self.head(out[:, -1, :]) # 只取最后一个时间步代码里的kernel_size=7对应 70 毫秒的时间窗，用来捕获睡眠纺锤波这类短时波形；MaxPool1d(2)把 3000 个点降采样到 1500，保留主要特征同时减半计算量；AdaptiveAvgPool1d(32)把时间维度压到 32，这样无论输入采样率是 100 还是 128，都能接进后面的 LSTM。LSTM 双向结构可以同时看到当前片段前后两个方向的短时上下文，对睡眠阶段转移建模有一定帮助。
先说清楚，LSTM 在这里不是必需的。如果你用的是单通道 30 秒片段，一维 CNN 加全连接已经能跑出不错的结果。加入 LSTM 后模型参数变大，训练时间更长，但往往只提高 1 到 2 个点的宏 F1。我建议先跑通 CNN 基线，记录指标，再决定要不要保留 LSTM。深度学习模型不是越复杂越好的典型场景就是这类小样本医学信号。
4.2 损失函数怎么调：CrossEntropy、Focal Loss 和类别权重
睡眠状态检测的默认损失函数是交叉熵，但直接用它会被类别不均衡带偏。一个数据集中 Wake 占比可能超过 30%，N1 可能只有 5%。模型只要把多数片段预测成 Wake 和 N2，准确率就不低，可“深睡和 REM”全部误判的话，临床上没法用。
最常见的修正方式是给交叉熵加权：
import torch class_weights = torch.tensor([1.0, 2.0, 1.0, 2.0, 1.5]) # 按类别样本量反比取整 criterion = torch.nn.CrossEntropyLoss(weight=class_weights.to(device))class_weights的每个值对应 Wake、N1、N2、N3、REM 五类的权重。N1 样本最少，权重设高；Wake 样本多，权重设低。计算时用样本占比的倒数归一化即可。这个改动通常比换模型更有效。
如果类别严重不均衡到权重拉不住，可以改用 Focal Loss，它会让模型把注意力集中在那些难分、置信度低的样本上，避免大量易分样本淹没难分样本。但在验证集上要多看每个类别的 recall，不要只盯着整体损失下降。权重设过头也会出现反效果：模型偏向把 Wake 预测成 N1，整体 macro F1 反而下降。
4.3 评估指标：准确率、宏F1和Kappa，选哪个才不会骗自己
很多睡眠状态检测项目自带准确率指标，但准确率在这个场景里会骗人。因为五类样本不均衡，准确率 80% 听上去不错，可能 N1 的召回率只有 10%。一个合格的评测至少要看宏 F1 和 Cohen's Kappa。
| 指标 | 计算特点 | 适合判断什么 |
|---|---|---|
| Accuracy | 所有样本中预测正确的比例 | 整体粗略判断，不适用于不均衡数据 |
| Macro F1 | 每个类别 F1 的平均值 | 各类别都重要，尤其是 N1 和 REM |
| Cohen's Kappa | 考虑随机一致性 | 模型是否真的学到了分期规则 |
Kappa 尤其值得关注：如果模型只会无脑预测 N2 和 Wake，准确率可能超过 60%，但 Kappa 会很低。睡眠分期论文里常见的 Kappa 在 0.7 到 0.85 之间，低于 0.6 的模型基本不具备临床参考价值。评估脚本里要优先输出混淆矩阵，按行看每个阶段被误分到了哪里。N1 经常和 Wake、N2 混在一起，REM 容易被 N1 吃掉，这是睡眠状态检测模型最常见的翻车模式，单看总指标绝对发现不了。
5. 训练睡眠状态检测模型的避坑清单：数据泄露、权重失衡和假高准确率
5.1 数据泄露：同一受试者的相邻片段出现在训练和测试
现象：模型的测试准确率很高，比如 95%，但部署到新数据上准确率暴跌，Kappa 从 0.8 掉到 0.5 以下。
原因：训练脚本没有按受试者分组，而是把所有片段打乱后随机划分。同一个睡眠记录里相邻 30 秒片段高度相似，还带着睡眠结构上下文，模型在训练时已经见过测试对象的片段，属于典型的数据泄露。
解决：一律按GroupShuffleSplit或GroupKFold按受试者划分。验证集必须由模型没见过的受试者产生。如果项目里没有预留受试者 ID，先从 EDF 的头部信息里把受试者编号解析出来。
5.2 类别不均衡导致 N1 和 REM 被牺牲
现象：loss 下降正常，准确率不错，但 N1 的 F1 只有 0.2，REM F1 只有 0.5。
原因：训练集里 N1 太少，未加权的交叉熵只需要把样本判成 Wake 就能压低 loss。
解决：先统计每个阶段样本占比，再在损失函数里设置类别权重。如果权重已经加了仍不改善，试试对 N1 做轻度过采样。不要对 Wake 和 N2 做简单欠采样，也会丢掉睡眠阶段转移信息。
5.3 滑窗重叠导致同一段特征在训练和验证里重复出现
现象：训练时 loss 很低，验证时波动巨大，忽高忽低。
原因：预处理时用重叠窗口切出大量样本，随后直接随机划分，同一个物理 30 秒片段被重复切到不同集合。
解决：先按原始窗口切分，再做划分；训练阶段如果想用重叠窗口增加样本，也要先做分组划分，再在训练集内做增强。验证集永远使用非重叠数据。
5.4 通道顺序不一致导致“换了数据全崩”
现象：在自己处理的数据上能跑到 0.8 的 Kappa，换成公开数据集后准确率只有 0.3，检查代码没发现问题。
原因：不同 EDF 文件的通道顺序不一样。有的把 C4-A1 放在第 0 通道，有的把它放在第 3 通道。预处理时没有按通道名重新排序，模型等于换了一个输入空间。
解决：读取 EDF 后先打印raw.ch_names，建立“目标通道名到实际索引”的映射，再按固定顺序重排。代码里不要写“永远用第 0 通道”，要写成“找到名字为 C4-A1 的通道”。
5.5 依赖和随机种子问题导致结果不可复现
现象：同一份代码两次训练出来的指标天差地别，甚至第一次能跑通，第二次报错。
原因：PyTorch 和 NumPy 的随机种子没固定，mne 版本不同导致读取出的原始数据在边界点上有微小差异。
解决：在训练脚本开头固定 Python、NumPy、PyTorch 的随机种子；同时固定dataloader的worker_init_fn。mne 这类依赖最好在 requirements.txt 里锁定大版本，避免上游库更新改变采样结果。遇到“昨天还正常今天翻车”的情况，优先检查依赖是否被动升级了。
6. 进阶验证：把预测结果叠回原始PSG信号，复盘模型在哪个阶段翻车
6.1 对齐时间轴并可视化
模型训练完，不要只打印测试集指标。我的习惯是把每个 epoch 的预测结果映射回原始 EDF 时间轴，画一张“预测分期 vs 金标准分期”的对比图。这样做能看到模型在哪段时间反复出错，是入睡初期还是凌晨 REM 密集段。实现上只需要记住每个片段的起始时间，预测后按顺序写回。
6.2 看混淆矩阵而不是总准确率
混淆矩阵是找系统性问题的最快工具。如果模型把大量 N3 预测成 N2，可能是滤波带宽把 delta 波压得过低；如果 Wake 被预测成 N1，可能是特征中没有保留 alpha 节律。根据混淆矩阵回头调整预处理参数，往往比改模型更有效。
6.3 用连续片段约束做后处理
单片段预测做成对比图后，你会发现预测标签经常出现“一帧 Wake 夹在 N2 和 N2 之间”的抖动。临床睡眠结构不鼓励这种孤立的短时切换。常见后处理是设置最小连续片段长度：比如少于 2 个连续片段的阶段转移直接合并到相邻阶段。这个规则要谨慎使用，否则会把真实的微醒（Wake）误删。
我现在换任何睡眠数据集，第一件事不是调模型结构，而是画一个人工标签和预测结果的逐帧对比图。哪怕 Kappa 很高，图表里暴露出的系统偏差也比指标可靠得多。希望帮到你。
本文还有配套的精品资源，点击获取
