一种睡眠信号分期可信度自动评价方法技术

一种睡眠信号分期可信度自动评价方法，步骤一：选择主分类器和辅分类器，采用监督学习对主、辅分类器进行训练，获得训练后的主、辅分类器；步骤二：输入睡眠数据，利用步骤一中训练后的主、辅分类器，对睡眠数据进行多粒度分类视图预测，并输出主分类器的预测结果；步骤三：根据步骤二的主、辅分类器预测结果，计算并输出逻辑一致性系数即可信度R；本发明专利技术能够有效自动评价睡眠分期结果，对海量无标记睡眠数据自动标记来更新训练集规模来训练健壮性更高、结果可信度高的睡眠分期算法，同时本发明专利技术技术可以移植至可穿戴便携式睡眠监测设备中，辅助及促进移动医疗的发展。及促进移动医疗的发展。及促进移动医疗的发展。

【技术实现步骤摘要】
一种睡眠信号分期可信度自动评价方法


[0001]本专利技术属于生物医学工程
，特别涉及睡眠监测领域中的一种睡眠信号分期可信度自动评价方法。

技术介绍

[0002]随着现代生活节奏的加快和生活方式的改变，睡眠日益成为一个突出医疗及公共卫生问题。中国睡眠研究会2021年发布睡眠调查报告显示，我国有超3亿人存在睡眠障碍，成年人失眠发生率高达38.2％，其中老年人睡眠障碍发生率占56.7％。临床上通过睡眠分期研究被试的睡眠结构和睡眠质量，对干预改善人们睡眠和辅助医生诊断治疗睡眠疾病至关重要。
[0003]现阶段睡眠医学领域中，多导睡眠图(polysomnography，PSG)是睡眠分期的“金标准”，该方法同步采集受试者睡眠过程中的脑电(electroencephalogram，EEG)、心电(electrocardiogram，EEG)、肌电(electromyogram，EMG)、眼电(electrooculogram，EOG)、呼吸等被试的整晚多通道生理信号，然后专业医生按照美国睡眠医学学会(american academy of 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠信号分期可信度自动评价方法，其特征在于，包括以下步骤：步骤一：选择主分类器和辅分类器，采用监督学习对主、辅分类器进行训练，获得训练后的主、辅分类器；步骤二：输入睡眠数据，利用步骤一中训练后的主、辅分类器，对睡眠数据进行多粒度分类视图预测，并输出主分类器的预测结果；步骤三：根据步骤二的主、辅分类器预测结果，计算并输出逻辑一致性系数即可信度R。2.根据权利要求1所述的一种睡眠信号分期可信度自动评价方法，其特征在于，所述的步骤一具体为：首先根据需要的分类粒度，选择该粒度的分类器作为主分类器，其他粒度的分类器为辅分类器；用C
m
表示主分类器；C1、...、C
p
表示p个辅分类器，然后用标记数据库对主、辅分类器分别进行训练，得到训练后的主、辅分类器。3.根据权利要求1所述的一种睡眠信号分期可信度自动评价方法，其特征在于，所述的步骤二具体为：使用步骤一中训练好的主、辅分类器，对需要分析的睡眠数据分别进行预测，得到不同分类粒度的预测结果，并输出主分类器的预测结果，具体过程：睡眠数据用X(i)表示,其中i＝1，2，3，......，M，M代表数据长度；对X(i)按固定时间间隔划分为N个睡眠时段，得到Y(j)，其中j＝1...

【专利技术属性】
技术研发人员：闫相国，鲁柯柯，王刚，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：