- 综合排序
- 最热优先
- 最新优先
- 来自专栏脑机接口
这项研究对慢波睡眠最能解释深度睡眠的理论提出了挑战
洛桑大学医院的一组研究人员的研究结果，挑战了睡眠期间脑电波缓慢表明人感觉自己处于深度睡眠状态的理论。他们的研究结果发表在《Current Biology》杂志上。 多年来，医学科学一直坚信，可以通过脑电图(EEG)读数来判断一个人的睡眠深度。在这项新的研究中，研究人员通过仔细地观察患有慢性失眠症的人发生了什么，最终挑战了这一观点。 图3.NREM 睡眠中的绝对功率谱密度和感知睡眠深度 上图 (A)为 线性混合模型的结果，通过功率谱密度解释良好睡眠者（n = 20，顶行）和错误感知者（n = 10；中间行）的感知睡眠深度。 图4. NREM 睡眠中的纺锤体和感知睡眠深度 上图为良好睡眠者（n = 20，顶行）和睡眠错误感知者（n = 10，第二行）头皮水平的平均纺锤体参数的地形分布。 线性混合模型的结果解释了良好睡眠者（第三行）、错误感知者（第四行）和群体互动效应（底行）的纺锤体参数感知睡眠深度的程度。提取纺锤体参数，并在觉醒前120秒内取平均值。
95530编辑于 2022-08-18 - 来自专栏用户画像
新的深度学习模型可以准确识别睡眠阶段
New deep learning model can accurately identify sleep stages 新的深度学习模型可以准确识别睡眠阶段 ? 东芬兰大学研究人员开发了一种新的深度学习模式，可以像经验丰富的医生一样准确地识别睡眠阶段。这为诊断和治疗包括阻塞性睡眠呼吸暂停在内的睡眠障碍开辟了新的途径。
71610发布于 2020-02-24 - 来自专栏思影科技
急性睡眠剥夺和慢性睡眠限制后个体调制睡眠稳态的压力增长
现代社会普遍存在慢性睡眠缺失的现象，每个人在睡眠缺失后表现出不同的症状，瑞士苏黎世医院大学的研究者，发现急性睡眠剥夺（ASD, acute sleep deprivation）和慢性睡眠限制（CSR, （睡眠手环控制），确保其睡眠状态的恢复。 急性睡眠剥夺在实验室进行，慢性睡眠限制则是通过减少被试在自己床上的睡眠时间2小时。 实验结果发现，实验发现了个体睡眠问题的调控稳态压力可以从慢波活动上观测出来，急性睡眠剥夺和慢性睡眠限制后大部分电极都有慢波增长的现象。 总结来说，个体的睡眠稳态调控反应—慢波的增长和急性睡眠缺失、慢性睡眠缺失有关，而且广泛存在于大脑皮层上。
2.3K70发布于 2018-04-08 - 来自专栏caoqi95的记录日志
SleepNet - 通过深度学习实现的自动睡眠分阶系统
EEG 数据在 PSG 中由 6 个不同的通道组成：F3，F4，C3，C4，O1 和 O2。通常后面会跟上 M1 或者 M2 来联合表示，其中 M1 或 M2表示对侧乳突。 该论文遵从的是 AASM 睡眠分阶准则，睡眠分阶包括这五个阶段：W，N1，N2，N3，R。 一个是睡眠实验室环境：在睡眠实验室，技术人员已经具备了对睡眠阶段的脑电图数据进行注释的专业知识，并正在寻找工具来帮助加快注释过程，确保更好的质量；另一个是神经内科 ICU 环境：在这个环境中，患者(如癫痫患者 在 ICU 环境下得到的反馈如下： 睡眠不足是重症幸存者最常见的抱怨也是最多的抱怨之一。但 ICUs 缺乏测量睡眠的能力，除非在专业的研究中。而且通常睡眠分析很耗费时间，需要很多以外的专业知识。 在这个部署的初步研究中，SleepNet 允许医生们在不增加重要临床工作的情况下，快速描述单个 ICU 患者的睡眠特征。让他们能够证实以前 ICU 关于睡眠的研究发现：睡眠是经常被严重干扰的。
2.3K10发布于 2019-03-28 - 来自专栏Python深度学习
使用Python实现深度学习模型：智能睡眠监测与分析
本文将详细介绍如何使用Python实现一个简单的深度学习模型，用于智能睡眠监测与分析。深度学习在睡眠监测中的应用深度学习是一种基于人工神经网络的机器学习方法，能够自动提取数据中的特征并进行预测。 在睡眠监测中，深度学习可以用于以下几个方面：睡眠阶段识别：通过分析生理数据（如心率、呼吸频率等），识别不同的睡眠阶段（如浅睡、深睡和快速眼动睡眠）。 使用Python实现深度学习模型我们将使用Python的深度学习库Keras和TensorFlow来实现一个简单的深度学习模型，用于睡眠阶段识别。 activation='softmax')) # 假设有4个睡眠阶段# 编译模型model.compile(loss='sparse_categorical_crossentropy', optimizer =4, edgecolor='black')plt.xlabel('睡眠阶段')plt.ylabel('频数')plt.title('睡眠阶段分布')plt.show()结论深度学习在智能睡眠监测与分析中具有广泛的应用前景
1K10编辑于 2024-09-15 - 来自专栏新智元
先有大脑，还是先有睡眠？ScienceAdvances解密：睡眠先于大脑进化
---- 新智元报道 来源：外媒 编辑：LQ 【新智元导读】动物是从什么时候开始需要睡眠的？大脑是产生睡眠的前提吗？ScienceAdvances解密：原来睡眠比大脑出现的还要早。 识别睡眠 法国睡眠科学家Henri Piéron在1913年写道: 睡眠不同于冬眠、昏迷、醉酒或任何其他静止状态。 对于那些想更多了解睡眠的研究人员来说，了解睡眠对大脑的影响至关重要。 所以，在20世纪中叶，如果你想研究睡眠，你就成了脑电图的专家。 大约五年前，随着对水母的研究，神经系统极少的生物进入睡眠状态的证据似乎达到了新的高度。 仙后水母，大约4英寸长，大部分时间都是上下颠倒的，触角伸向海面，搏动着把海水推进它们的身体。 水螅睡眠有它的特点: 多巴胺，通常使动物睡得更少，导致水螅静止不动。水螅似乎并不是24小时睡眠周期，而是每四个小时就有一部分时间睡眠。
86920编辑于 2023-05-22 - 来自专栏随便写写-kifuan
JS写睡眠排序
resolve(result) } }, num * 100) } }) } sleepSort([4, 1, 3, 2, 9]).then(console.log) // [ 1, 2, 3, 4, 9 ] 原理 就是说当前数字是多少，就在多少*100毫秒后添加到result数组。 同时，得益于Promise，我们在异步函数里可以这样写： (async () => { const data = await sleepSort([4, 5, 3, 6, 8]) console.log (data) // [ 3, 4, 5, 6, 8 ] })() 真的是非常的实用，非常的高效啊（赞）。
13.2K20编辑于 2022-10-24 - 来自专栏华章科技
美国教育骗局：高中生活，4小时睡眠，4杯咖啡，4.0的成绩
一年的体验，让他写成一本书 School of Dreams，全书近400页，他在长达188页的第一章用了这样的长标题：“4是有魔力的数字：4小时睡眠，4杯拿铁，4.0”。 ? 这本书描述了惠特尼高中的学生群像：为了得到最高的平均成绩4.0，他们一天只睡4个小时，灌下4大罐拿铁咖啡，为的就是能够熬过一整夜。 完全颠覆过往我们对美国轻松教育的认知：学生疯狂学习，每天甚至只睡4个小时；他们课外活动丰富，特长“傍身”；家长们关注教育，90%的家庭不惜重金聘请家教…… 16岁华裔女孩田田将在上海音乐厅开钢琴独奏音乐会 一年的体验，让他写成一本书，书名叫《梦想的学校》，此书在2003年出版，全书近400页，只有3大章，他在长达188页的第一章用了这样的长标题：“4是有魔力的数字：4小时睡眠，4杯拿铁，4.0”。 这本书描述了惠特尼高中的学生群像：为了得到最高的平均成绩4.0，他们一天只睡4个小时，灌下4大罐拿铁咖啡，为的就是能够熬过一整夜。
97620发布于 2019-01-23 - 来自专栏自由而无用的灵魂的碎碎念
关于睡眠和休眠
所以当进入睡眠后一直没有唤醒，直到休眠定时器到点，则系统会自动把内存数据存入硬盘，断开所有设备电源，进入休眠状态。 1.2.2 混合式睡眠，即当混合式睡眠开启后。 当然，如果睡眠到休眠定时器触发，也会自动转入休眠状态，这时候就不用再进行数据转存了，因为之前已经做过了。所以说混合式睡眠 = 睡眠 + 休眠，这样可以防止突然断电导致数据丢失。 而在睡眠机制下，倡导大家在任何想离开的时侯直接按下睡眠键，在恢复时就可以立即回到原先的状态。把开启和关闭的时间都省略了，这就是睡眠的精髓所在。 4.我的观点和建议 文章开头我就表明了我的看法，现在就是考虑如何选择休眠与睡眠的关系。简单的道理，就是离开时间过长就用休眠，不是太长就用睡眠。 4.1 关于混合式睡眠，台式机还是建议开启吧，为了防止意外发生。开启混合式睡眠只会影响到进入睡眠的时间，恢复时间不受影响。笔记本没有开启的必要。
3.9K20发布于 2018-07-24 - 来自专栏脑机接口
EEG与睡眠分期
睡眠定义为一种无意识状态(unconsciousness) ¨1937年美国学者Loomis首次提出用EEG方法取代行为学作为睡眠深度判断的标准。 NREM睡眠 ¨Dement和Kleitman（1957）将此相睡眠分为1—4期（S1—4）。 S1为思睡期，S2浅睡期，S3中度睡眠期，S4深睡期。 各期在EEG表现和睡眠深度上有较大差别。 随思睡程度加深，慢活动增加，以弥漫的中波幅2—3c/s和4—7c/s的波为主。 深度思睡的标志是出现顶尖波，其为复合电位：一个正相小棘波伴随一个大的负相慢波，可以单独出现，也可以12c/s或更快的频率反复出现，在顶部最明显。 平均每90MIN出现一次REM睡眠，在睡眠后期，REM持续时间延长，可达10—30Min。NREM的Ⅲ期和Ⅳ期主要分布在后半部。¨ 整个睡眠其间，这种NREM—REM睡眠周期反复循环4—5次。
3.1K11发布于 2020-07-01 - 来自专栏Data分析
睡眠健康数据分析
失眠 个人难以入睡或保持睡眠状态，导致睡眠不足或质量差。 睡眠呼吸暂停 个人在睡眠期间呼吸暂停，导致睡眠模式中断和潜在的健康风险。 (4, 2, 2) sns.histplot(x = df['Sleep Duration'], kde = False) plt.subplot(4, 2, 3) sns.histplot(x = df['Quality of Sleep'], kde = False) plt.subplot(4, 2, 4) sns.histplot(x = df['Physical Activity Level (4, 2, 6) sns.histplot(x = df['Heart Rate'], kde = False) plt.subplot(4, 2, 7) sns.histplot(x = df[' ", data=df) plt.subplot(4,2,4) sns.boxplot(x="Sleep Disorder", y="Physical Activity Level", data=df)
93110编辑于 2024-01-30 - 来自专栏LINUX阅码场
宋宝华： 聊一聊进程深度睡眠的TASK_KILLABLE这个状态
众所周知，Linux的进程睡眠有两种常规状态： TASK_INTERRUPTIBLE（浅度睡眠）：可以被等待的资源唤醒，也能被signal唤醒； TASK_UNINTERRUPTIBLE（深度睡眠）：可以被等待的资源唤醒 简单来说，深度睡眠的进程必须等待资源来了才能醒，在此之前，甚至你给它发任何的信号，它都不可能醒来。 那么，有的童鞋就会问，既然浅度睡眠这么好，那么还要TASK_UNINTERRUPTIBLE这种完全不响应信号的深度睡眠干什么？ 这样就使得深度睡眠的进程，还可以被杀死，妈妈再也不用担心NFS服务器挂了后，我痛苦，我孤独，我精分了! Linux因此推出了一个特殊的深度睡眠状态，叫做 TASK_KILLABLE（可杀的深度睡眠）：可以被等到的资源唤醒，不能被常规信号唤醒，但是可以被致命信号唤醒。
2.7K30发布于 2020-03-20 Neuron综述：意识与睡眠
非快速眼动睡眠以脑电图慢波和纺锤波为特征。在NREM睡眠中，人们可以区分出伴随脑电图快速变化的短暂入睡阶段(N1)、有纺锤波和少量慢波的浅睡眠阶段(N2)和有更多慢波的深度睡眠阶段(N3)。 快速眼动睡眠的进一步特征是激活的脑电图(低电压，快速活动)和锯齿波。在人类中，非快速眼动和快速眼动睡眠周期每晚重复4-5次，快速眼动睡眠占睡眠时间的20%左右。 即使是完全的觉醒在大脑区域之间也不是同步的，这可能是所谓的睡眠惯性的基础事实上，如果受试者睡眠不足，即使在清醒状态下，局部脑电图也会减慢。4. 图4 无梦睡眠中意识丧失的神经机制在睡眠开始时，最初的tms诱发反应的幅度增加，但持续时间逐渐缩短，因为后面的波被抑制(图4C)。 最后，在快速眼动睡眠期间，特别是在深夜，当梦变得长而生动时，对TMS的反应会恢复，并变得与清醒时观察到的更接近(图4C)。
94210编辑于 2024-07-18Edge 的“睡眠标签页”
睡眠标签页 打开 Edge 的时候发现左上角一个弹窗显示说什么现在超过2小时未使用的标签页会进入“睡眠状态”以节省系统资源（内存），当时看到就觉得这个挺有意思的，这个新功能支持休眠时间与站点是否休眠设置
72810编辑于 2024-03-12- 来自专栏石云升
《深度工作》学习笔记（4）
深度工作哲学其实就是刻意练习的一种方式，但是在早期还没有养成习惯前，我们还需要主动降低养成习惯的难度。 我自己的个人感受是，有2个关键点是可以主动降低进入深度工作难度的。 1、最容易进入专注状态的时间段。比如每天早上刚起来，或者睡觉前。 我个人是喜欢睡觉前学点什么的，这其实也有科学依据的，在万维刚《精英日课》里有一篇文章（睡眠黑客）就讲到，睡觉前的工作状态会带到睡眠中，睡眠会给你巩固睡前学到的知识。 状态一旦养成，进入深度工作的能力就会得到加强。在一开始不要追求时间长度，这是一个渐进的过程。除了习惯之外，书中还提出了一种大手笔方式可以促进你进入深度工作。大手笔指的是大花销。
37110编辑于 2022-08-25 - 来自专栏机器学习原理
深度学习——CNN（4）分析
前言：自己构建CNN网络结构训练一个验证码识别的模型 分析 假定验证码中只有：数字、大小写字母，验证码的数目是4个，eg: kx3S 步骤如下： 1.收集数据，验证码的数据集合可以自己生成 生成的验证码如下 image.png 代码如下： def random_code_text(code_size=4): """ 随机产生验证码的字符 :param code_size: : code_char_set) code_text.append(c) return code_text def generate_code_image(code_size=4) 可以采用三成网络结构进行模型构建 def code_cnn(x, y): """ 构建一个验证码识别的CNN网络 :param x: Tensor对象，输入的特征矩阵信息，是一个4维的数据 定义优化函数 train = tf.train.AdamOptimizer(learning_rate=0.0001).minimize(cost) # 4.
61540发布于 2018-06-04 - 来自专栏沈唁志
程序员的Mac入门-睡眠后不能唤醒外接的4k显示器
虽然是 15 寸的 MBP，但是有时候也会显得不够用，屏幕小，需要外接一台显示器，当然显示器也不能太差，搞个 4k 的吧 hdmi 的转接线可能会输出不到 60hz，所以显示的就不如 MBP 的屏幕，所以我们需要使用到 也不多占用笔记本的 type-c 口 不过在我使用的时候就出现了几次问题，我以为是转接器的问题，可能真是，小米客服没承认 我将笔记本的充电器插在了转接器上，显示器接在 minidp 口上 合上笔记本盖子，进入睡眠以后重新打开 也有可能是顺序有问题，比如小米转接头一端先插入 MBP，然后再将另一端接入显示器（如果任意一个拔掉可能需要重复此先后步骤），这个先后顺序很玄学 我没试过，我是将充电器直接插在笔记本上后测试正常了 所以出现睡眠后不能唤醒外接的 4k 显示器有可能是供电不足吧，直接将充电器插到笔记本上即可
7.7K30发布于 2019-05-22 - 来自专栏LINUX阅码场
宋宝华：可以杀死的深度睡眠TASK_KILLABLE状态(最透彻一篇)
深度睡眠与浅度睡眠 众所周知，Linux的进程睡眠有两种常规状态： TASK_INTERRUPTIBLE（浅度睡眠）：可以被等待的资源唤醒，也能被signal唤醒； TASK_UNINTERRUPTIBLE （深度睡眠）：可以被等待的资源唤醒，但是不能被signal唤醒。 那么，有的童鞋就会问，既然浅度睡眠这么好，那么还要TASK_UNINTERRUPTIBLE这种完全不响应信号的深度睡眠干什么？ 深度睡眠不可避免 正在读本文的你，可能都有过这样的悲催经历，在NFS文件系统上面运行程序，但是NFS服务器挂了，你怎么都ctrl + c不掉那个进程，因为它就是个深度睡眠的场景。 可杀的深度睡眠 Linux因此推出了一个特殊的深度睡眠状态，叫做 TASK_KILLABLE（可杀的深度睡眠）：可以被等到的资源唤醒，不能被常规信号唤醒，但是可以被致命信号唤醒，醒后即死。
2.3K20发布于 2020-04-09 - 来自专栏量子位
首个人体实验证据来了：加速1-4倍重放，深度睡眠阶段效果最好
而人类睡眠过程中的重放还是首次被观测到。 并且数据显示，夜间重放的速度要比白天时要快上1-4倍。 也就是说在你睡大觉的时候，你的脑子不光在自动学习白天学到的内容，还是加速学习。 并进一步支持了睡眠在记忆巩固中的作用。 除此之外，这项研究还验证了之前的几个重要发现： 第一，重放发生的时间主要在生物学意义上的慢波睡眠（Slow-wave Sleep），更常见的叫法是非快速眼动阶段（Non-REM Stage），或者叫深度睡眠 One More Thing 既然深度睡眠阶段大脑在巩固记忆，那么在快速眼动期（也就是做梦最多的那个阶段），大脑又在做什么？ 此前Science上一篇论文解释了这一点。 www.science.org/doi/10.1126/science.aba0672 [3]https://royalsocietypublishing.org/doi/10.1098/rstb.2019.0655 [4]
77230编辑于 2022-06-27 - 来自专栏音乐与健康
AI 如何“看穿”你的睡眠？
睡眠，这个占据我们生命三分之一的行为，其质量直接关系到我们的身心健康。然而，睡眠障碍，特别是阻塞性睡眠呼吸暂停（OSA），正像一个“隐形杀手”，悄无声息地影响着全球数亿人。 核心观点：研究者们构建了一个新颖的深度学习框架，它仅利用单通道的脑电图（EEG）信号，就能同时完成对睡眠阶段的精准分类和对OSA严重程度的预测。收获预期：本文将带你庖丁解牛，深入浅出地解析这篇论文。 0,last_tag_indices.unsqueeze(0)).squeeze(0)#加上最后一个tag到END的转移得分score+=self.end_transitions[last_tags]4. 临床洞见:研究发现，OSA患者与健康人相比，其清醒期（W）比例显著更高，而深度睡眠（N3）和快速眼动期（REM）的比例则显著更低。 四、总结与展望主要贡献新颖的统一框架:创新性地提出了一种结合多核CNN、自注意力、Transformer和CRF的深度学习框架，为处理复杂的单通道EEG信号提供了新的范式。
20810编辑于 2026-01-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号