BMEcontestSEU

Sleep Stage Analysis System

睡眠分期分析桌面应用 - 脑电数据处理与模型训练平台

功能特性

• ✅ 支持大容量脑电数据上传（2-3GB）
• ✅ 数据预处理与滤波
• ✅ 随机森林模型训练
• ✅ 睡眠分期预测
• ✅ 脑电波形可视化
• ✅ 睡眠质量分析

安装与运行

环境要求

• Node.js >= 20.0.0
• pnpm >= 8.0.0
• Python 3.8+ 及以下依赖包:
  • numpy
  • pandas
  • scipy
  • scikit-learn
  • joblib

安装依赖

pnpm install

开发模式

pnpm dev

构建与打包

# 构建生产版本
pnpm build

# 打包 Windows 安装包
pnpm package:win

# 打包 macOS 版本
pnpm package:mac

# 打包 Linux 版本
pnpm package:linux

使用说明

1. 准备训练数据

将脑电数据组织为以下结构：

train_data/
├── Subject1_EEGFpz_Cz_Part1 of 5.txt
├── Subject1_Hypnogram_Part1 of 5.txt
├── Subject1_EEGFpz_Cz_Part2 of 5.txt
├── Subject1_Hypnogram_Part2 of 5.txt
└── ...

2. 数据预处理

• 点击”选择”按钮选择训练数据目录
• 点击”开始预处理”进行数据预处理

3. 模型训练

• 预处理完成后，点击”开始训练”
• 在”运行日志”标签页查看训练进度

4. 模型预测

• 点击”选择”按钮选择测试数据目录
• 点击”开始预测”进行预测
• 在”预测结果”标签页查看结果

5. 波形查看

• 在”波形图”标签页查看脑电波形
• 从下拉列表选择文件或点击”随机选择”

数据格式

• 脑电数据文件: 纯文本格式，每行一个采样点，采样率 100Hz
• 标签文件: 纯文本格式，包含 start_time, end_time, duration, label 列
• 标签类型: R (REM), 1 (N1), 2 (N2), 3 (N3)

技术架构

• 前端: Electron + Vite + TypeScript + Chart.js
• 后端: Python (scikit-learn, numpy, pandas, scipy)
• 打包: electron-builder

许可证

MIT