本发明专利技术实施例提供了一种量化脑电波的预测方法、装置、电子设备及可读存储介质。所述方法包括：获取待检测的呼吸信号；利用预先训练的量化脑电波预测模型，对呼吸信号进行处理，得到呼吸信号对应的量化脑电波；其中，量化脑电波预测模型包括呼吸编码器和量化脑电波解码器；呼吸编码器用于提取呼吸信号对应的时序特征，量化脑电波解码器用于根据时序特征预测呼吸信号对应的量化脑电波。由此，在基于呼吸信号和预先训练的量化脑电波预测模型获得量化脑电波的同时，还简化了获得量化脑电波的操作过程，提升了量化脑电波的获取效率。提升了量化脑电波的获取效率。提升了量化脑电波的获取效率。
【技术实现步骤摘要】
量化脑电波的预测方法、装置、电子设备及可读存储介质
[0001]本专利技术涉及数据处理
，尤其涉及一种量化脑电波的预测方法、装置、电子设备及可读存储介质。
技术介绍
[0002]量化脑电波(quantitative electroencephalogram，qEEG)是一种基于脑电波(electroencephalogram，EEG)进行统计分析的电模式表征信号，是描述大脑不同波段电活动、分析大脑状态的重要工具。
[0003]目前，一般通过在头皮层贴电极获取EEG信号，然后再通过信号处理设备将EEG信号转换为qEEG信号，实现qEEG信号的获取。
[0004]但是，该方法在头皮层贴电极获取EEG信号之前，还需要对头皮进行脱脂和清洁处理，以及对电极进行凝胶处理，在获取到EEG信号之后，还需要再通过信号处理设备将EEG信号转换为qEEG信号，操作过程繁琐。
技术实现思路
[0005]本专利技术实施例提供一种量化脑电波的预测方法、装置、电子设备及可读存储介质，以解决现有技术中在获取量化脑电波的过程中存在操作过程繁琐的问题。
[0006]为了解决上述技术问题，本专利技术实施例提供了一种量化脑电波的预测方法，所述方法包括：
[0007]获取待检测的呼吸信号；
[0008]利用预先训练的量化脑电波预测模型，对所述呼吸信号进行处理，得到所述呼吸信号对应的量化脑电波；
[0009]其中，所述量化脑电波预测模型包括呼吸编码器和量化脑电波解码器；所述呼吸编码器用于提取所述呼吸信号对应的时序特征，所述量化脑电波解码器用于根据所述时序特征预测所述呼吸信号对应的量化脑电波。
[0010]可选地，所述呼吸编码器包括至少一个特征提取层，所述特征提取层用于提取所述呼吸信号对应的时序特征；
[0011]所述量化脑电波解码器包括至少一个预测层，每一个预测层对应一个特征提取层；所述预测层用于根据所述时序特征预测所述呼吸信号对应的量化脑电波。
[0012]可选地，所述利用预先训练的量化脑电波预测模型，对所述呼吸信号进行处理，得到所述呼吸信号对应的量化脑电波之前，所述方法还包括：
[0013]获取训练数据集，所述训练数据集包括呼吸信号样本和所述呼吸信号样本对应的目标量化脑电波；
[0014]在每一轮训练中，利用所述训练数据集对量化脑电波预测模型进行训练，得到所述呼吸信号样本对应的预测量化脑电波，并根据所述目标量化脑电波和所述预测量化脑电波确定所述量化脑电波预测模型对应的损失值；
[0015]根据所述损失值对所述量化脑电波预测模型的模型参数进行调整，并进行下一轮训练，直至所述损失值满足预设条件，得到训练完成的量化脑电波预测模型。
[0016]可选地，所述在每一轮训练中，利用所述训练数据集对量化脑电波预测模型进行训练，得到所述呼吸信号样本对应的预测量化脑电波，并根据所述目标量化脑电波和所述预测量化脑电波确定所述量化脑电波预测模型对应的损失值，包括：
[0017]根据预设时间窗口对所述呼吸信号样本进行分割，得到呼吸信号样本组，所述呼吸信号样本组中包括所述呼吸信号样本对应的至少一个呼吸信号分片；所述呼吸信号分片对应的时长等于所述预设时间窗口的长度；
[0018]在每一轮训练中，将所述呼吸信号样本组中的所有呼吸信号分片输入到所述量化脑电波预测模型中，得到所述呼吸信号样本对应的预测量化脑电波；
[0019]根据所述目标量化脑电波和所述预测量化脑电波确定所述量化脑电波预测模型对应的损失值。
[0020]可选地，所述量化脑电波预测模型还包括睡眠阶段分类器；
[0021]所述睡眠阶段分类器与所述呼吸编码器的输出端连接；所述睡眠阶段分类器用于根据所述时序特征预测所述呼吸信号对应的睡眠阶段；所述训练数据集中还包括所述呼吸信号样本对应的目标睡眠阶段。
[0022]可选地，所述在每一轮训练中，利用所述训练数据集对量化脑电波预测模型进行训练，得到所述呼吸信号样本对应的预测量化脑电波，并根据所述目标量化脑电波和所述预测量化脑电波确定所述量化脑电波预测模型对应的损失值，包括：
[0023]在每一轮训练中，利用所述训练数据集对量化脑电波预测模型进行训练，得到所述呼吸信号样本对应的预测量化脑电波和预测睡眠阶段；
[0024]根据所述目标量化脑电波和所述预测量化脑电波计算所述量化脑电波预测模型对应的第一损失值；
[0025]根据所述目标睡眠阶段和所述预测睡眠阶段计算所述量化脑电波预测模型对应的第二损失值；
[0026]对所述第一损失值和所述第二损失值进行求和，得到所述量化脑电波预测模型对应的损失值。
[0027]可选地，所述目标睡眠阶段包括所述目标睡眠阶段对应的目标数据域标签，所述预测睡眠阶段包括所述预测睡眠阶段对应的预测数据域标签；
[0028]所述根据所述目标睡眠阶段和所述预测睡眠阶段计算所述量化脑电波预测模型对应的第二损失值，包括：
[0029]根据所述目标数据域标签和所述预测数据域标签的差值，计算所述量化脑电波预测模型对应的第二损失值。
[0030]可选地，所述获取训练数据集，包括：
[0031]获取所述呼吸信号样本对应的脑电波；
[0032]按照预设频段对所述脑电波进行分解，得到所述预设频段对应的子脑电波；
[0033]对所述子脑电波进行归一化处理，得到所述预设频段对应的子量化脑电波，并将所述子量化脑电波确定为所述呼吸信号样本对应的目标量化脑电波；
[0034]根据所述呼吸信号样本和所述目标量化脑电波，构建所述训练数据集。
[0035]可选地，所述获取待检测的呼吸信号，包括：
[0036]获取呼吸监测设备采集的原始呼吸信号，并将所述原始呼吸信号作为待检测的呼吸信号；
[0037]其中，所述原始呼吸信号为所述呼吸监测设备中的压力气流传感器采集的实时呼吸信号。
[0038]为了解决上述技术问题，本专利技术实施例还提供了一种量化脑电波的预测方法装置，所述装置包括：
[0039]呼吸信号获取模块，用于获取待检测的呼吸信号；
[0040]量化脑电波预测模块，用于利用预先训练的量化脑电波预测模型，对所述呼吸信号进行处理，得到所述呼吸信号对应的量化脑电波；
[0041]其中，所述量化脑电波预测模型包括呼吸编码器和量化脑电波解码器；所述呼吸编码器用于提取所述呼吸信号对应的时序特征，所述量化脑电波解码器用于根据所述时序特征预测所述呼吸信号对应的量化脑电波。
[0042]为了解决上述技术问题，本专利技术实施例还提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的量化脑电波的预测方法。
[0043]为了解决上述技术问题，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种量化脑电波的预测方法，其特征在于，所述方法包括：获取待检测的呼吸信号；利用预先训练的量化脑电波预测模型，对所述呼吸信号进行处理，得到所述呼吸信号对应的量化脑电波；其中，所述量化脑电波预测模型包括呼吸编码器和量化脑电波解码器；所述呼吸编码器用于提取所述呼吸信号对应的时序特征，所述量化脑电波解码器用于根据所述时序特征预测所述呼吸信号对应的量化脑电波。2.根据权利要求1所述的方法，其特征在于，所述呼吸编码器包括至少一个特征提取层，所述特征提取层用于提取所述呼吸信号对应的时序特征；所述量化脑电波解码器包括至少一个预测层，每一个预测层对应一个特征提取层；所述预测层用于根据所述时序特征预测所述呼吸信号对应的量化脑电波。3.根据权利要求1所述的方法，其特征在于，所述利用预先训练的量化脑电波预测模型，对所述呼吸信号进行处理，得到所述呼吸信号对应的量化脑电波之前，所述方法还包括：获取训练数据集，所述训练数据集包括呼吸信号样本和所述呼吸信号样本对应的目标量化脑电波；在每一轮训练中，利用所述训练数据集对量化脑电波预测模型进行训练，得到所述呼吸信号样本对应的预测量化脑电波，并根据所述目标量化脑电波和所述预测量化脑电波确定所述量化脑电波预测模型对应的损失值；根据所述损失值对所述量化脑电波预测模型的模型参数进行调整，并进行下一轮训练，直至所述损失值满足预设条件，得到训练完成的量化脑电波预测模型。4.根据权利要求3所述的方法，其特征在于，所述在每一轮训练中，利用所述训练数据集对量化脑电波预测模型进行训练，得到所述呼吸信号样本对应的预测量化脑电波，并根据所述目标量化脑电波和所述预测量化脑电波确定所述量化脑电波预测模型对应的损失值，包括：根据预设时间窗口对所述呼吸信号样本进行分割，得到呼吸信号样本组，所述呼吸信号样本组中包括所述呼吸信号样本对应的至少一个呼吸信号分片；所述呼吸信号分片对应的时长等于所述预设时间窗口的长度；在每一轮训练中，将所述呼吸信号样本组中的所有呼吸信号分片输入到所述量化脑电波预测模型中，得到所述呼吸信号样本对应的预测量化脑电波；根据所述目标量化脑电波和所述预测量化脑电波确定所述量化脑电波预测模型对应的损失值。5.根据权利要求3所述的方法，其特征在于，所述量化脑电波预测模型还包括睡眠阶段分类器；所述睡眠阶段分类器与所述呼吸编码器的输出端连接；所述睡眠阶段分类器用于根据所述时序特征预测所述呼吸信号对应的睡眠阶段；所述训练数据集中还包括所述呼吸信号样本对应的目标睡眠阶段。6.根据权利要求5所述的方法，其特征在于，所述在每一轮训练中，利用所述训练数据集对量化脑电波预测模型进行训练，得到所述呼吸信号样本对应的预测量化脑电波，并根<...
【专利技术属性】
技术研发人员：庄志，
申请(专利权)人：天津怡和嘉业医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。