基于集成模型的单通道脑电信号睡眠分期方法及系统技术方案

本发明专利技术提供一种基于集成模型的单通道脑电信号睡眠分期方法及系统，该基于集成模型的单通道脑电信号睡眠分期方法其包括采集患者单通道的脑电信号和受试者的自身特征；对获取的单通道脑电信号进行预处理，将完整的单通道脑电信号分割成具有一定时长的多个片段信号；获取每个片段信号内的多段节律波；提取每个片段信号的时域特征参数和每个片段信号上的每个节律波的频域特征参数；将获得多个特征参数和用户特征输入已构建完成的集成模型以获得单通道脑电信号的睡眠分期结果，集成模型基于改进的随机森林算法和改进的LightGBM算法而建立且为每个睡眠时期赋予了可调整的权重惩罚因子。

Single channel EEG sleep staging method and system based on integrated model

【技术实现步骤摘要】
基于集成模型的单通道脑电信号睡眠分期方法及系统
本专利技术涉及睡眠分期领域，且特别涉及一种基于集成模型的单通道脑电信号睡眠分期方法及系统。
技术介绍
睡眠是人类生理活动中最重要的昼夜节律之一，其质量会影响我们的日常行为，例如学习、记忆和注意力等。当持续缺乏睡眠时，通常会引起高血压、睡眠呼吸暂停综合征、肥胖症、心血管疾病、阿尔兹海默症及帕金森病等疾病。已有的科学研究表明脑电信号(EEG)所记录的生理信号有利于分析睡眠周期的变化规律，对于诊断和治疗与睡眠相关的疾病有着重大意义。对于睡眠分期的研究，一般是将采集的EEG分割成30s的片段，每一个片段都由专业医师根据美国睡眠医学学会(AASM)的睡眠分期规则将睡眠分为5个时期，即清醒期(W)、非快速眼动1期(N1)、非快速眼动2期(N2)、非快速眼动3期(N3)和快速眼动期(REM)。在目前的睡眠分期方法研究中，EEG数据采集大多使用标准19导，这不仅不易于佩戴，也较为严重的影响了受试者的睡眠质量。另外，在19导EEG数据采集完成后，几乎所有的研究都集中于EEG信号的分析，提取EEG信号的时频域特征，进而通过机器学习算法(包括逻辑回归、支持向量机、随机森林等)完成睡眠分期。这些研究仅仅考虑EEG信号特征而忽视了受试者本身的一些特征，比如年龄及性别等，这在一定程度了影响了睡眠分期的识别率。此外，由于睡眠本身的一些特质导致各个时期的数据片段分布差异很大，尤其是N1期相对较少，这便导致机器学习算法产生较大的偏差，进而使N1期的召回率非常低。
技术实现思路
>本专利技术为了克服现有技术的不足，提供一种能大幅度提高睡眠分期准确率的基于集成模型的单通道脑电信号睡眠分期方法及系统。为了实现上述目的，本专利技术提供一种基于集成模型的单通道脑电信号睡眠分期方法，其包括采集患者单通道的脑电信号和受试者的自身特征；对获取的单通道脑电信号进行预处理，将完整的单通道脑电信号分割成具有一定时长的多个片段信号；获取每个片段信号内的多段节律波；提取每个片段信号的时域特征参数和每个片段信号上的每个节律波的频域特征参数；将获得多个特征参数和用户特征输入已构建完成的集成模型以获得单通道脑电信号的睡眠分期结果，集成模型基于改进的随机森林算法和改进的LightGBM算法而建立且为每个睡眠时期赋予了可调整的权重惩罚因子。根据本专利技术的一实施例，集成模型包括两层：第一层由改进的随机森林算法和改进的LightGBM算法组成，改进的随机森林算法和改进的LightGBM算法均为每个睡眠时期赋予了可调整的权重惩罚因子；第二层由为每个睡眠时期赋予了可调整的权重惩罚因子的改进的LightGBM算法组成；可调整的权重惩罚因子采用以下公式确定：其中wi表示属于第i类睡眠时期的权重系数；NT表示分割后具有一定时长的片段信号的总数目；NCi表示属于每一类睡眠时期所包含的片段信号的数量；pi是可调整的权重惩罚因子。根据本专利技术的一实施例，在集成模型内，改进的随机森林算法和改进的LightGBM算法均为N1期赋予了一个大于其它睡眠时期的可调整的权重惩罚因子pi。根据本专利技术的一实施例，在构建并训练集成模型时，可调整的权重惩罚因子通过交叉验证方法确定最优解。根据本专利技术的一实施例，在集成模型内改进的随机森林算法和改进的LightGBM算法通过stacking方式集成，睡眠分期的步骤包括：基于输入的多个特征参数和用户特征，集成模型第一层中的改进的随机森林算法和改进的LightGBM算法分别获得第一睡眠分期结果和第二睡眠分期结果；将第一睡眠分期结果和第二睡眠分期结果组合后输入集成模型第二层内的改进的LightGBM算法以获得最终的睡眠分期结果。根据本专利技术的一实施例，时域特征参数包括每个片段信号的最小值、最大值、平均值、方差、Hjorth参数以及最大-最小距离；频域特征参数包括Katz分形维数、Petrosian分形维数、近似熵、谱熵以及Renyi’s熵。根据本专利技术的一实施例，受试者的自身特征包括其年龄和性别，将获得多个特征参数和用户特征输入以构建完成的集成模型前将用户特征匹配到每一片段信号。相对应的，本专利技术还提供一种基于集成模型的单通道脑电信号睡眠分期系统，其包括信号采集模块、预处理模块、节律波获取模块、特征提取模块以及睡眠分期模块。信号采集模块采集患者单通道的脑电信号和受试者的自身特征。预处理模块对获取的单通道脑电信号进行预处理，将完整的单通道脑电信号分割成具有一定时长的多个片段信号。节律波获取模块获取每个片段信号内的多段节律波。特征提取模块提取每个片段信号的时域特征参数和每个片段信号上的每个节律波的频域特征参数。睡眠分期模块将获得多个特征参数和用户特征输入已构建完成的集成模型以获得单通道脑电信号的睡眠分期结果，集成模型基于改进的随机森林算法和改进的LightGBM算法而建立且为每个睡眠时期赋予了可调整的权重惩罚因子。综上所述，本专利技术提供的基于集成模型的单通道脑电信号睡眠分期方法及系统在采集单通道脑电信号的同时结合受试者的自身特征，较大程度提高睡眠分期的预测性能。而基于改进的随机森林算法和改进的LightGBM算法的集成模型很好地解决了单个模型的不足，进一步提高预测准确率的同时提高模型的泛化能力。而在该集成模型内，改进的随机森林算法和改进的LightGBM算法可为每个睡眠时期赋予了可调整的权重惩罚因子，在进行睡眠分期时可基于历史分期结果调整某一睡眠时期的权重惩罚因子以提高该睡眠时期的召回率，解决现有睡眠分期方法睡眠数据不平衡分布的问题，从而大大提高睡眠分期的准确率。为让本专利技术的上述和其它目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。附图说明图1所示为本专利技术一实施例提供的基于集成模型的单通道脑电信号睡眠分期方法的流程图。图2所示为本专利技术一实施例提供的基于集成模型的单通道脑电信号睡眠分期方法中特征参数提取的原理框图。图3所示为集成模型的训练示意图。图4所示为专利技术一实施例提供的基于集成模型的单通道脑电信号睡眠分期系统的原理框图。具体实施方式图1所示为本专利技术一实施例提供的基于集成模型的单通道脑电信号睡眠分期方法的流程图。图2所示为本专利技术一实施例提供的基于集成模型的单通道脑电信号睡眠分期方法中特征参数提取的原理框图。图3所示为集成模型的训练示意图。图4所示为专利技术一实施例提供的基于集成模型的单通道脑电信号睡眠分期系统的原理框图。请一并参阅图1至图4。本实施例提供一种基于集成模型的单通道脑电信号睡眠分期方法，其包括：采集患者单通道的脑电信号和受试者的自身特征(步骤S10)。对获取的单通道脑电信号进行预处理，将完整的单通道脑电信号分割成具有一定时长的多个片段信号(步骤S20)。获取每个片段信号内的多段节律波(步骤S30)。提取每个片段的时域特征参数和每个片段上的每个节律波的频域特征参数(步骤S40)。将获得多个特征参数和用户特征输入已构建完成的集本文档来自技高网...

【技术保护点】
1.一种基于集成模型的单通道脑电信号睡眠分期方法，其特征在于，包括：/n采集患者单通道的脑电信号和受试者的自身特征；/n对获取的单通道脑电信号进行预处理，将完整的单通道脑电信号分割成具有一定时长的多个片段信号；/n获取每个片段信号内的多段节律波；/n提取每个片段信号的时域特征参数和每个片段信号上的每个节律波的频域特征参数；/n将获得多个特征参数和用户特征输入已构建完成的集成模型内以获得单通道脑电信号的睡眠分期结果，所述集成模型基于改进的随机森林算法和改进的LightGBM算法而建立且为每个睡眠时期赋予了可调整的权重惩罚因子。/n

【技术特征摘要】
1.一种基于集成模型的单通道脑电信号睡眠分期方法，其特征在于，包括：
采集患者单通道的脑电信号和受试者的自身特征；
对获取的单通道脑电信号进行预处理，将完整的单通道脑电信号分割成具有一定时长的多个片段信号；
获取每个片段信号内的多段节律波；
提取每个片段信号的时域特征参数和每个片段信号上的每个节律波的频域特征参数；
将获得多个特征参数和用户特征输入已构建完成的集成模型内以获得单通道脑电信号的睡眠分期结果，所述集成模型基于改进的随机森林算法和改进的LightGBM算法而建立且为每个睡眠时期赋予了可调整的权重惩罚因子。


2.根据权利要求1所述的基于集成模型的单通道脑电信号睡眠分期方法，其特征在于，所述集成模型包括两层：
第一层由改进的随机森林算法和改进的LightGBM算法组成，改进的随机森林算法和改进的LightGBM算法均为每个睡眠时期赋予了可调整的权重惩罚因子；
第二层由为每个睡眠时期赋予了可调整的权重惩罚因子的改进的LightGBM算法组成；
所述可调整的权重惩罚因子用以下公式确定：



其中wi表示属于第i类睡眠时期的权重系数；NT表示分割后具有一定时长的片段信号的总数目；NCi表示属于每一类睡眠时期所包含的片段信号的数量；pi是可调整的权重惩罚因子。


3.根据权利要求2所述的基于集成模型的单通道脑电信号睡眠分期方法，其特征在于，在所述集成模型内，改进的随机森林算法和改进的LightGBM算法均为N1期赋予了一个大于其它睡眠时期的可调整的权重惩罚因子pi。


4.根据权利要求2所述的基于集成模型的单通道脑电信号睡眠分期方法，其特征在于，在构建并训练集成模型时，所述可调整的权重惩罚因子通过交叉验证方法确定最优解。


5.根据权利要求4所述...

【专利技术属性】
技术研发人员：刘俊飙，戴珅懿，吴端坡，
申请(专利权)人：杭州妞诺科技有限公司，
类型：发明
国别省市：浙江;33