【技术实现步骤摘要】
一种睡眠分期识别方法、系统、存储介质
[0001]本申请涉及睡眠监测
,具体涉及一种睡眠分期方法
、
系统
、
存储介质
。
技术介绍
[0002]多导睡眠监测系统采集仪是在全夜睡眠过程中,连续并同步地描记脑电
、
呼吸等
10
余项指标,全部记录次日由仪器自动分析后再经人工逐项实,对睡眠数据分析,从而得到用户的睡眠分析结果
。
[0003]在该过程中,需要人工逐项核实
、
分析,成本较高且耗时较长
。
为提高分析效率,存在采集受试者的睡眠电脑
、
眼电信号,通过深度学习进行睡眠分期,但该方式基本依赖于原始数据,信号来源单一,缺少临床医生的专业指导,导致睡眠分期准确性低
。
技术实现思路
[0004]为了解决上述的问题,本申请的实施例中提供了一种睡眠分期识别方法
、
系统
、
存储介质,快速
、
准确地输出总睡眠分期结果,解决人工判断耗时长
、
机器判断准确性低的问题
。
[0005]为此,本申请的一个方面,提供一种睡眠分期识别方法,包括以下步骤:
[0006]获取多导睡眠图数据,对所述多导睡眠图数据进行预处理,得到睡眠信号;
[0007]构建睡眠分期识别模型,通过训练数据集与经验数据集训练所述睡眠分期识别模型;所述训练数据集为未分期的睡眠信号,所述经验数据集 ...
【技术保护点】
【技术特征摘要】
1.
一种睡眠分期识别方法,其特征在于,包括以下步骤:获取多导睡眠图数据,对所述多导睡眠图数据进行预处理,得到睡眠信号;构建睡眠分期识别模型,通过训练数据集与经验数据集训练所述睡眠分期识别模型;所述训练数据集为未分期的睡眠信号,所述经验数据集为完成睡眠分期的睡眠信号;采集多导睡眠图数据,通过所述睡眠分期识别模型对所述多导睡眠图数据进行睡眠分期,得到总睡眠分期结果
。2.
如权利要求1所述的一种睡眠分期识别方法,其特征在于:通过所述训练数据集与经验数据集训练所述睡眠分期识别模型,包括:根据所述经验数据集识别所述训练数据集,输出睡眠分期初步结果;通过加权算法对所述睡眠分期初步结果进行加权计算,得到总睡眠分期结果
。3.
如权利要求2所述的一种睡眠分期识别方法,其特征在于:所述睡眠分期识别模型包括经验转换模型
、
自注意力机制网络与多层感知神经网络;根据所述经验数据集识别所述训练数据集,输出睡眠分期初步结果,包括:所述训练数据集通过经验转换模型,根据经验数据集将睡眠信号转换成特征数据;将训练数据集输入至所述自注意力机制网络,输出不同维度的隐向量;拼接所述特征数据与隐向量,构成输入数据,所述多层感知神经网络以所述输入数据为输入,输出睡眠分期初步结果
。4.
如权利要求3所述的一种睡眠分期识别方法,其特征在于:所述自注意力机制网络以睡眠信号为输入,输出不同维度的隐向量,具体为,所述自注意力机制网络学习所述睡眠信号的表征,将所述睡眠信号的表征输入至不同维度的
CNN
网络中学习,输出不同维度
、
预设大小的隐向量
。5.
如权利要求3所述的一种睡眠分期识别方法,其特征在于:所述经验转换模型将睡眠信号转换成特征数据,包括:提取所述睡眠信号的特征,将特征归一化处理,将归一化处理后的特征组合成特征列,得到特征数据;提取所述睡眠信号的特征包括提取数学变换特征,
Hjorth
参数,
Theta、Alpha、Beta、Gamma
波带的功率特征,排列熵,
higuchi
分形维数和
/
或
Petro...
【专利技术属性】
技术研发人员:徐碧云,宾炜,蔡庆豪,杨志敏,原嘉民,麦润汝,杨一帆,黄嘉瑜,
申请(专利权)人:广东省中医院广州中医药大学第二附属医院,
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。