一种单通道脑电睡眠分类模型及构建方法技术

本发明专利技术提供一种单通道脑电睡眠分类模型构建方法，包括：

【技术实现步骤摘要】
一种单通道脑电睡眠分类模型及构建方法


[0001]本专利技术涉及睡眠质量和睡眠疾病诊断领域，具体来说，涉及基于脑电信号进行睡眠分类的
，更具体地说，涉及基于对抗式生成网络增强的
、
面向普适化环境的单通道脑电睡眠分类模型及构建方法
。

技术介绍

[0002]睡眠监测和分期在人类健康和疾病诊断中具有重要作用，可以提供有关个人睡眠质量和脑和神经系统相关疾病的丰富信息
。
目前，有两种主要的睡眠阶段分类标准被广泛采用，包括
Rechtschaffen&Kales(R&K)
标准和美国睡眠学会医学
(American Academy of Sleep Medicine
，
AAS M)
标准
。R&K
标准最早于
1968
年提出，其基于多导睡眠图
(Polysomnog raphy
，
PSG)
的多模态生理时序信号，如脑电r/>(Electr本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种单通道脑电睡眠分类模型构建方法，其特征在于，所述方法包括：
S1、
获取原始
PSG
数据，所述
PSG
数据包含多条记录，每条记录包含多个通道数据，所述每条记录对应有睡眠阶段分类标签；
S2、
以一个预设的脑电通道为目标单通道，以多个其他通道为关联通道，从所述原始
PSG
数据中的每条记录中筛选出目标单通道数据和原始关联通道数据组成训练数据集；
S3、
构建初始分类模型，所述初始模型包括特征提取模块
、
生成式对抗单元
、
分类单元
、
融合模块，其中：所述特征提取模块用于提取目标单通道数据的特征以及多个原始关联通道数据的特征；所述生成式对抗单元用于根据所述目标单通道数据的特征生成多个关联通道的特征，其包括多个生成式对抗模块，一个生成式对抗模块对应于一个关联通道，且每个生成式对抗模块包括生成器及对应的鉴别器，所述生成器用于根据所述目标单通道数据的特征生成对应关联通道特征，所述鉴别器用于基于对应原始关联通道数据的特征鉴别其对应生成器生成的关联通道特征的真假；所述分类单元用于根据目标单通道数据的特征
、
以及基于其生成的多个关联通道的特征分别进行睡眠阶段分类预测以获得多个睡眠阶段分类预测结果；所述融合模块用于将分类单元获得的睡眠阶段分类预测结果进行融合以得到目标单通道数据对应的最终睡眠分类结果；
S4、
采用训练数据集训练所述初始分类模型至收敛获得以特征提取模块
、
多个生成器
、
分类单元
、
融合模块构成的模型，其中，训练过程中采用每个生成器的损失更新对应生成器的参数，采用每个鉴别器损失更新对应鉴别器的参数，采用分类标签损失更新特征提取模块
、
分类模块和融合模块的参数
。2.
根据权利要求1所述的方法，其特征在于，所述目标单通道特征提取模块被配置为
FeatureNet
模型
。3.
根据权利要求1所述的方法，其特征在于，所述分类单元包括多个分类模块，一个分类模块用于根据一个生成器生成的关联通道特征进行睡眠阶段分类
。4.
根据权利要求3所述的方法，其特征在于，所述预设的脑电通道为
C3
‑
A2
通道或
C4
‑
A1
通道
。5.
根据权利要求4所述的方法，其特征在于，所述其他多个通道为目标单通道以外的其他脑电通道
、
心电通道
、
肌电通道
、
眼电通道中的多个通道
。6.
根据权利要求5所述的方法，其...

【专利技术属性】
技术研发人员：陈益强，马硕，张迎伟，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：