基于平行频域脑电信号的睡眠阶段分期方法及系统技术方案

本发明专利技术属于睡眠分期技术领域，涉及一种基于平行频域脑电信号的睡眠阶段分期方法及系统，获取带有分期标签的真实频域脑电信号，并利用深度生成模型产生与真实频域脑电信号概率分布相同/相似的虚拟频域脑电信号，将两者按比例组合得到样本数据集；利用样本数据集作为输入对睡眠分期分类器模型进行训练优化，其中，睡眠分期分类器模型包含用于将输入均分为若干份输入数据的均分模块、与均分后每份输入数据对应用于对输入数据进行分类的若干个体分类器、及用于通过权值来融合各个体分类器分类结果的最终输出模块；利用睡眠分期分类器模型对待监测目标进行睡眠阶段分期。本发明专利技术通过平行频域数据建立集成的睡眠分期模型，增强睡眠分期准确性和鲁棒性。眠分期准确性和鲁棒性。眠分期准确性和鲁棒性。

【技术实现步骤摘要】
基于平行频域脑电信号的睡眠阶段分期方法及系统


[0001]本专利技术属于睡眠分期
，特别涉及一种基于平行频域脑电信号的睡眠阶段分期方法及系统。

技术介绍

[0002]睡眠是身体休整积蓄能量的重要环节，睡眠质量对人的身心状态也有着重大影响。睡眠过程中采集的脑电信号，属于自发型脑电信号能够反映身体状态的自身变化，也是用来诊断和治疗相关疾病的重要依据。睡眠过程是一个动态变化的复杂过程。在国际睡眠分期的判读标准R&K中，对睡眠过程中的不同状态给出了划分：除去清醒期以外，睡眠周期是由两种睡眠状态交替循环，分别是非快速眼动期和快速眼动期；在非快速眼动期中，根据睡眠状态由浅入深的逐步变化，又进一步分为睡眠I期，睡眠II期，睡眠III期和睡眠IV期；睡眠III期和睡眠IV期又可合并为深睡眠期。传统的睡眠分期主要依靠经验丰富的睡眠医师根据R&K标准人工判读，费时费力。随着现代计算机技术的发展，睡眠自动分期方法成为睡眠研究领域的前沿问题。现有技术中，有采用分层支持向量机对脑电和眼电通道信号的精细复合多尺度熵特征进行分类有效实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平行频域脑电信号的睡眠阶段分期方法，其特征在于，包含如下内容：获取带有分期标签的真实频域脑电信号，并利用深度生成模型产生与真实频域脑电信号概率分布相同/相似的虚拟频域脑电信号，将真实频域脑电信号和虚拟频域脑电信号按比例随机组合得到平行频域脑电信号样本数据集；利用平行频域脑电信号样本数据集作为输入对睡眠分期分类器模型进行训练优化，其中，睡眠分期分类器模型包含用于将输入均分为若干份输入数据的均分模块、与均分后每份输入数据对应用于对输入数据进行分类的若干个体分类器、及用于通过权值来融合各个体分类器分类结果的最终输出模块；利用训练优化后的睡眠分期分类器模型对待监测目标进行睡眠阶段分期。2.根据权利要求1所述的基于平行频域脑电信号的睡眠阶段分期方法，其特征在于，利用多导睡眠记录仪采集若干名健康成年实验对象的脑电信号数据，并利用火烈鸟优化算法从已有多个脑电信号采集通道中筛选出最优单通道脑电信号，结合睡眠分期标准获取最优单通道脑电信号时间序列相应分期标签，利用最优单通道脑电信号及对应标签得到真实频域脑电信号。3.根据权利要求2所述的基于平行频域脑电信号的睡眠阶段分期方法，其特征在于，火烈鸟优化算法中，对多导睡眠记录仪若干候选脑电信号采集通道进行二进制编码，利用表示脑电信号采集通道脑电信号时间序列小波变换后各波段对应的小波变换系数之和占总能量比的算法目标函数选择噪声干扰最小的脑电信号采集通道。4.根据权利要求2或3所述的基于平行频域脑电信号的睡眠阶段分期方法，其特征在于，对最优单通道脑电信号时间序列采用小波变换来计算相应频段的小波系数，利用公式获取所需频段内相对脑电信号能量，并通过对各频段内相对脑电信号能量进行归一化处理得到真实频域脑电信号，其中，小波变换系数C
α
、C
β
、C
θ
和C
δ
分别代表α、β、θ和δ频段的脑电信号能量，小波系数C
i
表示其他频段的脑电信号能量，i∈FB，FB表示其他频段小波系数指标集合，表示字符α、β、θ或δ。5.根据权利要求1所述的基于平行频域脑电信号的睡眠阶段分期方法，其特征在于，利用生成对抗网络SS
‑
GAN作为深度生成模型来获取符合要求的虚拟频域脑电信号，其中，生成对抗网络SS
‑
GAN包含：用于产生虚拟频域脑电信号的生成器，及用于区分虚拟和真实频域脑电信号的判别器，并利用目标函数来度量真实频域脑电信号概率分布和虚拟频域脑电信号概率分布的差异，通过度量结果对生成器和判别器参数进行稀疏约束。6.根据权利要求1所述的基于平行频...

【专利技术属性】
技术研发人员：赵亮，付园坤，魏政杰，金军委，张坤鹏，姚远，张磊，王建鹏，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：