第一次用 LSTM 做睡眠预测：从看懂数据开始

最近开始认真学 LSTM#

最近除了继续写一些项目代码之外，我把不少时间放到了 LSTM 上。

原因也很直接。

现在正在做的智能睡眠项目，重点逐渐从“做一张温控床垫”转到了 睡眠数据分析和算法控制。

硬件当然仍然重要，但真正决定系统是不是“智能”的，其实不是床垫能不能加热或者降温。

而是系统能不能知道：

用户现在睡得怎么样？

以及：

接下来可能进入什么睡眠状态？

如果连睡眠状态都无法判断，后面的智能温控就没有什么依据。

于是我开始接触 LSTM。

第一次看到真实睡眠数据#

真正开始做以后，我发现第一件事根本不是搭模型。

而是：

先把数据看懂。

以前学习机器学习的时候，经常使用已经整理好的数据集。

一行就是一个样本。

每一列是什么也写得清清楚楚。

但真实的睡眠数据完全不是这样。

我现在接触的是 PSG，也就是多导睡眠监测数据。

其中可能同时存在多个生理信号通道，例如：

• 脑电信号
• 心电信号
• 呼吸信号
• 血氧信号
• 其他生理信号

每一个通道又对应不同的采样数据。

一开始打开数据的时候，最大的感觉就是：

多。

不是几十行，也不是几千行。

因为生理信号是连续采样的。

如果采样频率是 100 Hz，那么一秒钟就会记录 100 个点。

一分钟就是：

1
100 × 60 = 6000

一个小时就是：

1
100 × 60 × 60 = 360000

如果记录一整晚，数据量很快就会上升到非常大的规模。

这也是我第一次比较直观地感受到什么叫“时间序列数据”。

在训练模型之前，要先回答很多问题#

拿到数据以后，并不能直接扔进 LSTM。

首先要搞清楚：

1
数据里一共有多少个通道？
2
每个通道分别代表什么？
3
采样频率是多少？
4
总记录时间有多长？
5
有没有缺失数据？
6
睡眠阶段标签在哪里？
7
标签和信号时间怎么对应？

这些问题如果没有弄清楚，后面模型训练出来的结果其实没有太大意义。

所以第一阶段我做的事情更像是在“认识数据”。

例如先读取文件基本信息：

1
print(raw.info)

查看通道：

1
print(raw.ch_names)

确认采样频率：

1
print(raw.info["sfreq"])

然后再进一步确定数据持续时间。

这些代码看起来都很简单。

但真正意义并不是“打印几行信息”。

而是在确认：

我手里的数据到底是什么。

为什么睡眠状态适合使用 LSTM#

睡眠本身并不是一个完全独立的分类问题。

假设某一个时刻人在浅睡眠。

下一个时刻的状态，并不是随机从：

1
清醒
2
浅睡
3
深睡
4
REM

里面随便选择一个。

睡眠阶段之间存在比较明显的连续变化。

也就是说：

当前状态和之前发生了什么是有关联的。

这正是时间序列问题的特点。

普通的全连接神经网络通常只关心当前输入。

而 LSTM 可以在处理序列的时候保留一部分之前的信息。

简单理解，可以把它想成：

1
第1段睡眠数据
2
     ↓
3
记住一部分信息
4
     ↓
5
第2段睡眠数据
6
     ↓
7
继续更新记忆
8
     ↓
9
第3段睡眠数据
10
     ↓
11
预测睡眠状态

当然，这只是非常简单的理解。

真正训练的时候还要考虑窗口划分、特征维度、隐藏层、批次大小等很多参数。

第一阶段，我不准备追求很高的准确率#

刚开始接触模型的时候很容易特别关注一个数字：

1
Accuracy

好像准确率越高，模型就越厉害。

但对于我现在这个阶段来说，我反而觉得：

先把整个流程跑通更重要。

我的第一阶段目标大致是：

1
读取 PSG 数据
2
    ↓
3
选择需要的信号
4
    ↓
5
进行预处理
6
    ↓
7
划分时间窗口
8
    ↓
9
对应睡眠阶段标签
10
    ↓
11
构建 Dataset
12
    ↓
13
送入 LSTM
14
    ↓
15
完成训练
16
    ↓
17
输出预测结果

哪怕第一版准确率很一般，只要完整流程跑通，就意味着之后有很多地方可以继续调整。

例如：

窗口到底应该取多长？

输入原始信号还是提取特征？

LSTM 用一层还是多层？

hidden size 应该是多少？

不同信号组合效果有没有差异？

这些都可以在第一版模型之后慢慢实验。

数据处理可能比模型本身更麻烦#

这是最近最大的一个感受。

以前看很多深度学习教程的时候，注意力几乎都放在模型上。

比如：

1
model = LSTM(...)

然后：

1
loss.backward()
2
optimizer.step()

看起来最核心的事情就是训练神经网络。

但真正处理真实数据以后会发现：

模型代码反而可能是最短的一部分。

真正花时间的是：

1
读取
2
清洗
3
对齐
4
切片
5
归一化
6
标签处理
7
数据检查

如果这些步骤有问题，后面再复杂的网络也没什么意义。

所以现在我越来越觉得：

机器学习项目首先是一个数据问题，其次才是模型问题。

后面还想做什么#

目前 LSTM 还处在学习和第一版实验阶段。

接下来准备继续尝试：

第一步：完成数据预处理

把原始 PSG 数据整理成适合神经网络使用的格式。

第二步：完成一个基础 LSTM

不追求特别复杂，先完成睡眠阶段预测。

第三步：评价模型效果

除了 Accuracy，还需要关注不同睡眠阶段的识别情况。

第四步：继续优化

尝试不同时间窗口、特征组合以及网络结构。

再往后，才是整个项目真正比较有意思的部分：

把睡眠预测结果和温控策略结合起来。

写在最后#

现在回头看，这个项目让我重新理解了“学习一个算法”是什么意思。

以前学习 LSTM，可能是：

看原理、抄代码、跑一个示例。

现在学习 LSTM，则变成了：

我手里真的有一份睡眠数据，我需要让这个模型解决一个实际问题。

这种感觉完全不一样。

现在还只是刚开始。

第一阶段甚至连模型效果都还谈不上。

但至少已经从“LSTM 是什么”，慢慢走到了：

怎么把真实的睡眠数据交给 LSTM。

等第一版模型真正训练起来，再继续写下一篇。