The invention discloses a method for automatic sleep staging of single lead electroencephalogram, including feature extraction module and staging optimization module. The feature extraction module is made up of CNNs convolution neural network (1) and Softmax layer (2). The optimization module is composed of two-way LSTM recurrent neural network (3) and CRF conditional random field model (4); (1), (2), (3) and (4) sequentially connect. This method requires only sleep EEG single lead, to meet the demand of portable sleep monitoring and comfortable; based on convolutional neural network and recurrent neural network to fully exploit the spatial and temporal characteristics of EEG signal, and has a dynamic learning ability, able to adapt to the changing environment of the staging of disease; fully consider the optimization module between N 30s and EEG data before and after the contact, improve the accuracy of staging and the generalization ability of the model.
【技术实现步骤摘要】
一种单导联脑电的睡眠自动分期方法
本专利技术涉及睡眠监测
,具体涉及一种单导联脑电的睡眠自动分期方法。
技术介绍
睡眠是人类健康的核心,睡眠减少,睡眠模式异常或昼夜节律失调会导致一系列情感,认知或躯体方面健康的问题。据世界卫生组织统计,全球27%的人有睡眠障碍,每年因此导致的经济损失达数千亿美元,但大多数睡眠障碍一旦被确诊是可以被管理的。通过各生理信号对人体睡眠状态进行分期,是客观评估睡眠质量的一种有效方法。目前临床上监测睡眠的典型方法是用多导睡眠仪(Polysomnography,PSG)采集睡眠期间的生理信号,包括脑电波(EEG)、眼电(EOG)、肌电(EMG)、心电(ECG)、血氧饱和度(SpO2)和呼吸信号。睡眠阶段判断主要基于对EEG的分析,并可以利用ECG和EEG进行辅助判断。然而PSG成本昂贵、操作复杂、穿戴不适等缺点限制了其做长期睡眠研究的潜力,仅适用于医院的临床研究。因此,研发便携、舒适、准确的睡眠监测系统是临床的迫切需求。现行的相近方案主要有以下:如中国专利专利技术201710002025.9,该方案提出一种基于脑电和肌电多特征的自动睡眠分期方法,通过时域、频域和非线性方面的信号分析方法提取脑电波、肌电的特征参数,再利用分类器进行分类。该方案的缺点在于特征依赖于人工经验提取,只对每段30s的生理电信号样本进行单独的训练和验证,没有考虑样本和前后样本之间的联系,准确性和泛化能力有待提高。其他基于手环体动、心率、RF射频信号的睡眠监测方案准确度很低,无法达到临床要求。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足,提供一种单导 ...
【技术保护点】
一种单导联脑电的睡眠自动分期方法,其特征在于,所述方法仅需要单导联的睡眠脑电信号,自动分期方法包括训练过程S1和识别过程S2,如下:训练过程S1为:对每个固定时间段T标记好睡眠分期类别的脑电信号进行预处理,随机选取其中任意N段连续脑电信号输入至训练模型进行训练,直至模型收敛,得到训练好的模型;其中,T为30秒,N为3或5;识别过程S2为:对每个固定时间段T的待识别脑电信号进行预处理,选取其中任意N段连续脑电信号输入至S1中训练好的模型,输出睡眠分期结果;训练模型由特征提取模块和分期优化模块组成;其中,特征提取模块是由CNNs卷积神经网络(1)、Softmax层(2)组成;分期优化模块由双向LSTM循环神经网络(3)和CRF条件随机场模型(4)构成;(1)、(2)、(3)和(4)顺序连接;训练过程S1和识别过程S2中,脑电信号均为滑动输入模式,滑动窗大小为T~N*T,输出为第(N+1)/2段输入脑电信号对应的睡眠分期类别标签。
【技术特征摘要】
1.一种单导联脑电的睡眠自动分期方法,其特征在于,所述方法仅需要单导联的睡眠脑电信号,自动分期方法包括训练过程S1和识别过程S2,如下:训练过程S1为:对每个固定时间段T标记好睡眠分期类别的脑电信号进行预处理,随机选取其中任意N段连续脑电信号输入至训练模型进行训练,直至模型收敛,得到训练好的模型;其中,T为30秒,N为3或5;识别过程S2为:对每个固定时间段T的待识别脑电信号进行预处理,选取其中任意N段连续脑电信号输入至S1中训练好的模型,输出睡眠分期结果;训练模型由特征提取模块和分期优化模块组成;其中,特征提取模块是由CNNs卷积神经网络(1)、Softmax层(2)组成;分期优化模块由双向LSTM循环神经网络(3)和CRF条件随机场模型(4)构成;(1)、(2)、(3)和(4)顺序连接;训练过程S1和识别过程S2中,脑电信号均为滑动输入模式,滑动窗大小为T~N*T,输出为第(N+1)/2段输入脑电信号对应的睡眠分期类别标签。2.根据权利要求1所述的训练模型,...
【专利技术属性】
技术研发人员:陈坤,张成,马靖,王广发,张珏,方竞,
申请(专利权)人:北京大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。