一种睡眠分期方法、装置、计算设备及存储介质制造方法及图纸

本申请公开了一种睡眠分期方法、装置、计算设备及存储介质，用于提高睡眠分期的准确性。所述方法包括：获取特征信号，特征信号用于表征人体的睡眠特征；对特征信号进行分帧处理，获得分帧后的特征信号；根据分帧后的特征信号，获得第一特征，第一特征是通过对第i帧特征信号和第i

【技术实现步骤摘要】
一种睡眠分期方法、装置、计算设备及存储介质


[0001]本专利技术涉及睡眠监测
，尤其涉及一种睡眠分期方法、装置、计算设备及存储介质。

技术介绍

[0002]随着生活节奏的不断加速和现代压力的不断升级，睡眠障碍已被确认为是一种具有公共危害性的疾病，越来越受到人们的高度重视。人们可以通过睡眠质量对基于睡眠的一些疾病进行检测，而通过各种生理信号对人体的睡眠状态进行分期，是客观评估睡眠质量的一种有效方法，因此，睡眠分期对改善人的生理状况和预防疾病具有重要意义。
[0003]目前，一般的睡眠分期方法是以脑电为基础的多导睡眠图监测，对多导睡眠图监测结果进行睡眠分期，一般以脑电波形为主，结合其它信号进行人工判读，这样，不仅需要较大的工作量，而且比较依赖于判读者的个人经验，往往缺乏客观的评判标准，因此，睡眠分期的预测差异比较大，准确性较低。
[0004]综上所述，目前亟需一种睡眠分期方法，用以提高睡眠分期的准确性。

技术实现思路

[0005]本申请实施例提供一种睡眠分期方法、装置、计算设备及存储介质，用于提高睡眠分期的准确性。
[0006]第一方面，提供一种睡眠分期方法，所述方法包括：
[0007]获取特征信号，所述特征信号用于表征人体的睡眠特征；
[0008]对所述特征信号进行分帧处理，获得分帧后的特征信号；
[0009]根据所述分帧后的特征信号，获得第一特征，所述第一特征是通过对第i帧特征信号和第i-1帧特征信号的输出特征进行特征提取后获得的，所述第i帧特征信号和所述第i-1帧特征信号属于所述分帧后的特征信号，i为大于1的整数；
[0010]将所述第一特征输入深度置信网络中，通过所述深度置信网络获得睡眠分期结果。
[0011]本申请实施例中，在获取到表征人体的睡眠特征的特征信号之后，可以对该特征信号进行分帧处理，获得分帧后的多帧特征信号，然后就可以对这多帧特征信号进行特征提取。在提取特征时，将任一帧特征信号和上一帧特征信号的输出特征共同作为该帧特征信号的输入信号，然后对该输入信号进行特征提取，就可以获得该帧特征信号的输出特征，从而通过将上一帧特征信号的输出特征可以作为下一帧特征信号的输入信号的方式，实现了通过递归的方式获取信号特征，确保了提取的特征的准确性，从而提升了通过提取的特征进行睡眠分期的准确度。在提取到相应的特征之后，可以将特征输入到深度置信网络中，以通过深度置信网络对特征进行处理，获得相应的分期结果。而深度置信网络本身具有概率预测精度高的有点，因此，通过深度置信网络进行睡眠分期，可以确保睡眠分期结果的精度。
[0012]在一种可能的设计中，所述特征信号为包括至少一种睡眠特征的混合特征信号，对所述特征信号进行分帧处理，获得分帧后的特征信号，包括：
[0013]对所述特征信号分类，获得至少一种类型的特征信号，所述至少一种类型的特征信号与所述至少一种睡眠特征一一对应；
[0014]分别对所述至少一种类型的特征信号中的每种特征信号进行分帧处理，以获得至少一种分帧后的特征信号。
[0015]本申请实施例中，获取到的特征信号可以是包括多种睡眠特征的混合特征信号，那么就可以先对混合特征信号进行分类，即确定出哪一部分特征信号是属于哪一种睡眠特征的，然后就可以获得相对应的至少一种类型的特征信号。特征信号的类型越多，用于提取特征的信号也就越多，那么就能通过考虑更多特征参数进行睡眠分期，可以提高睡眠分期的有效性。如果获取到多种类型的特征信号，那么在对特征信号进行分帧处理时，也就需要分别对每种类型的特征信号进行分帧处理，从而获得与每种类型的特征信号相对应的分帧后的特征信号。这样，可以通过对每种分帧后的特征信号进行特征提取，可以提高特征提取的时效性，从而使深度置信网络通过多种特征进行分类判别，提高了睡眠分期的准确性。
[0016]在一种可能的设计中，所述每种特征信号包括时域信号和频域信号，所述每种特征信号的时域信号是通过将对应的频域信号进行转换后获得的。
[0017]本申请实施例中，在对特征信号进行分类处理时，通过对特征信号进行滤波分离，可以获得对应于每种睡眠特征的频域信号，然后再对频域信号进行频域-时域的转换，就可以获得相对应的时域信号，从而每种类型的特征信号都可以包括时域信号和频域信号，那么在提取信号特征时，可以同时结合时域信号和频域信号进行特征提取，确保了特征提取的有效性。
[0018]在一种可能的设计中，针对所述每种特征信号，根据所述分帧后的特征信号，获得第一特征，包括：
[0019]根据所述第i帧特征信号和所述第i-1帧特征信号的输出特征，获得所述第i帧特征信号的输出特征，以获得所述分帧后的特征信号中的每一帧特征信号的输出特征；
[0020]将所述分帧后的特征信号中的最后一帧特征信号的输出特征确定为所述第一特征。
[0021]本申请实施例中，针对多种类型的特征信号中的每一种特征信号而言，都有对应的进行分帧后的特征信号，那么在提取每种特征信号的第一特征时，可以先获取其中的第一帧特征信号的输出特征，然后根据该输出特征和第二帧特征信号获得第二帧特征信号的输出特征，依次通过将任一帧特征信号和上一帧特征信号的输出特征作为该帧特征信号的输入信号进行特征提取，就可以获得每一帧特征信号所对应的输出特征，然后就可以将最后一帧特征信号的输出特征确定为是该类特征信号的最终特征，即第一特征，而该第一特征是通过将每一帧特征信号的输出特征进行递归传递后获得的，因此，该第一特征能够准确表征该类特征信号的信号特征，通过该第一特征进行睡眠分期时，也就能确保睡眠分期结果的准确性。
[0022]在一种可能的设计中，所述第一特征是通过使用递归神经网络LSTM进行特征提取后获得的。
[0023]本申请实施例中，可以是通过使用LSTM网络获取相应的第一特征的，而LSTM具有
时间序列预测的功能，能够准确确定出哪一段时间是处于同一个睡眠分期的，从而可以提高睡眠分期的有效性。
[0024]第二方面，提供一种睡眠分期装置，所述装置包括：
[0025]获取模块，用于获取特征信号，所述特征信号用于表征人体的睡眠特征；
[0026]分帧模块，用于对所述特征信号进行分帧处理，获得分帧后的特征信号；
[0027]第一获得模块，用于根据所述分帧后的特征信号，获得第一特征，所述第一特征是通过对第i帧特征信号和第i-1帧特征信号的输出特征进行特征提取后获得的，所述第i帧特征信号和所述第i-1帧特征信号属于所述分帧后的特征信号，i为大于1的整数；
[0028]第二获得模块，用于将所述第一特征输入深度置信网络中，通过所述深度置信网络获得睡眠分期结果。
[0029]在一种可能的设计中，所述特征信号为包括至少一种睡眠特征的混合特征信号，所述分帧模块，用于：
[0030]对所述特征信号分类，获得至少一种类型的特征信号，所述至少一种类型的特征信号与所述至少一种睡眠特征一一对应；
[0031]分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠分期方法，其特征在于，所述方法包括：获取特征信号，所述特征信号用于表征人体的睡眠特征；对所述特征信号进行分帧处理，获得分帧后的特征信号；根据所述分帧后的特征信号，获得第一特征，所述第一特征是通过对第i帧特征信号和第i-1帧特征信号的输出特征进行特征提取后获得的，所述第i帧特征信号和所述第i-1帧特征信号属于所述分帧后的特征信号，i为大于1的整数；将所述第一特征输入深度置信网络中，通过所述深度置信网络获得睡眠分期结果。2.如权利要求1所述的方法，其特征在于，所述特征信号为包括至少一种睡眠特征的混合特征信号，对所述特征信号进行分帧处理，获得分帧后的特征信号，包括：对所述特征信号分类，获得至少一种类型的特征信号，所述至少一种类型的特征信号与所述至少一种睡眠特征一一对应；分别对所述至少一种类型的特征信号中的每种特征信号进行分帧处理，以获得至少一种分帧后的特征信号。3.如权利要求2所述的方法，其特征在于，所述每种特征信号包括时域信号和频域信号，所述每种特征信号的时域信号是通过将对应的频域信号进行转换后获得的。4.如权利要求1-3任一所述的方法，其特征在于，针对所述每种特征信号，根据所述分帧后的特征信号，获得第一特征，包括：根据所述第i帧特征信号和所述第i-1帧特征信号的输出特征，获得所述第i帧特征信号的输出特征，以获得所述分帧后的特征信号中的每一帧特征信号的输出特征；将所述分帧后的特征信号中的最后一帧特征信号的输出特征确定为所述第一特征。5.如权利要求1-3任一所述的方法，其特征在于，所述第一特征是通过使用递归神经网络LSTM进行特征提取后获得的。6.一种睡眠分期装置，其特征在于，所述装置包括：获取模块，用于获取特征信号，所述特征信号用于表征人体的睡眠特征；分帧模块，用于对所述特征信号进行分帧处理，获得分帧后的特征信号；第一获得模块，用于根据所述分帧后的特征信号，获得第...

【专利技术属性】
技术研发人员：邓家璧，陈翀，王鹏飞，
申请(专利权)人：珠海联云科技有限公司，
类型：发明
国别省市：