一种睡眠自动分期方法、系统、介质及电子设备技术方案

本公开提供了一种睡眠自动分期方法、系统、介质及电子设备，涉及睡眠分期技术领域，需要解决的技术问题是现有技术中无法实现高精度的睡眠分期；具体方案为：获取EEG数据，进行数据预处理后转换为频域信号；利用训练好的GoogLeNet神经网络，以预处理后的频域信号为输入，得到训练样本数据；以训练样本数据和实时采集的EEG数据为输入，利用SRC分类算法得到睡眠分类结果；本公开通过GoogLeNet神经网络和SRC算法相结合，以GoogLeNet神经网络的输出为SRC算法的输入，极大的提高了睡眠自动分期的精度。

A method, system, medium and electronic equipment for automatic sleep staging

【技术实现步骤摘要】
一种睡眠自动分期方法、系统、介质及电子设备
本公开涉及睡眠分期
，特别涉及一种睡眠自动分期方法、系统、介质及电子设备。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
，并不必然构成现有技术。睡眠是对人的身体和心理健康十分重要，随着睡眠障碍病患的高发，睡眠问题越来越受人们的关注。睡眠分期是研究睡眠及相关疾病的基础，也是完成睡眠质量评估的前提，有着重要的临床意义。睡眠研究一直是个热门的话题，目前临床上睡眠分期普遍采用的方法有人工判别法，但是存在效率太低的缺点；心理量表法，但是存在主观性太强的缺点，生理参数检测法是一种较为客观有效的方法。近年来，已有许多学者致力于睡眠EEG(脑电信号)自动分期研究，但国外进展较好，国内进展相对滞后，利用睡眠EEG评估睡眠质量的准确性需待进一步提高。睡眠质量评估是诊断和治疗睡眠相关疾病的依据，而睡眠分期是研究睡眠及相关疾病的基础，是完成睡眠质量评估的前提。目前，睡眠分期主要通过人工手动判别和计算机辅助自动分期两种方法实现。人工手动判别需通过睡眠专家的视觉分析来完成，不仅效率低，还容易造成本文档来自技高网...

【技术保护点】
1.一种睡眠自动分期方法，其特征在于，包括以下步骤：/n获取EEG数据，进行数据预处理后转换为频域信号；/n利用训练好的GoogLeNet神经网络，以预处理后的频域信号为输入，得到训练样本数据；/n以训练样本数据和实时采集的EEG数据为输入，利用SRC分类算法得到睡眠分类结果。/n

【技术特征摘要】
1.一种睡眠自动分期方法，其特征在于，包括以下步骤：
获取EEG数据，进行数据预处理后转换为频域信号；
利用训练好的GoogLeNet神经网络，以预处理后的频域信号为输入，得到训练样本数据；
以训练样本数据和实时采集的EEG数据为输入，利用SRC分类算法得到睡眠分类结果。


2.如权利要求1所述的睡眠自动分期方法，其特征在于，进行数据预处理，具体为：创建EEG信号的时频表示的尺度图，尺度图为EEG信号的CWT系数的绝对值；
利用函数cwtfilterbank为具有N个样本的信号创建CWT滤波器组，利用滤波器组获取信号的前N个样本的CWT，并基于系数获得尺度图；
利用函数helperCreateRGBfromTF将尺度图创建为RGB图像。


3.如权利要求2所述的睡眠自动分期方法，其特征在于，将RGB图像加载为图像数据存储，利用imageDatastore函数自动根据文件夹名称对图像加标签，并将数据存储为ImageDatastore对象。


4.如权利要求1所述的睡眠自动分期方法，其特征在于，采用梯度下降算法对GoogLeNet神经网络进行训练，并通过InitialLearnRate函数指定损失函数负梯度方向的初始步长大小。


5.如权利要求4所述的睡眠自动分期方法，其特征在于，采用MiniBatchSize函数指定在每次迭代中使用的训练集子集的大小。


6.如...

【专利技术属性】
技术研发人员：袁琦，秦鹏，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37