基于睡眠阶段特征的发作性睡病预测模型构建方法技术

本发明专利技术公开了一种基于睡眠阶段特征的发作性睡病预测模型构建方法，通过分析从发作性睡病患者和健康对照组身上采集真实环境下的PSG数据得知，患者与健康对照组的睡眠阶段存在明显差异。基于此，本发明专利技术采用多任务深度学习思想，将睡眠分期任务作为发作性睡病预测任务的辅助任务，设计了一种多任务端到端的神经网络模型，该模型从PSG睡眠序列数据中学习到睡眠阶段特征和发作性睡病特征，并借助任务特征融合元件将两种特征融合并用于发作性睡病预测，并采用多任务联合训练的方式训练该网络模型，提升模型对发作性睡病的预测性能。

【技术实现步骤摘要】

本专利技术属于睡眠疾病预测，具体涉及一种基于睡眠阶段特征的发作性睡病预测模型构建方法。

技术介绍

1、睡眠在促进身心健康方面起着至关重要的作用，睡眠的质量、时间和量的问题严重干扰了正常的生理、心理、社会和情绪功能，这些问题是由睡眠障碍引起的，睡眠障碍影响着全世界数百万人，并造成严重的公共卫生问题。美国约有5000～7000万人患有慢性睡眠或觉醒障碍，如发作性睡病、失眠、不宁腿综合征、睡眠呼吸暂停等，其中以白天过度嗜睡和短暂的不自主睡眠为特征的发作性睡病会严重干扰日常生活中的工作或社会承诺，患者起病急骤，难以抗拒入睡的冲动，同时约70％的患者也会出现肌力突然丧失的发作，称为猝倒。此外，发作性睡病倾向于发生在相对年轻的人群中，其中15岁和36岁是发作性睡病的高峰期，它对青少年的身心健康危害极大，甚至会导致多种并发症，如抑郁症、躁狂症、双相情感障碍和精神分裂症等。鉴于发作性睡病具有极大的危害性，对发作性睡病进行预测，从而及时保障身心健康至关重要。

2、早期对发作性睡病的预测通常基于出现的症状，在临床实践中，医生通常通过直接询问或问卷调查的方式询问患者本文档来自技高网...

【技术保护点】

1.一种基于睡眠阶段特征的发作性睡病预测模型构建方法，包括如下步骤：

2.根据权利要求1所述的发作性睡病预测模型构建方法，其特征在于：所述步骤(1)中采集的PSG数据包含有脑电图、眼电图、心电图和肌电图，其中脑电图包含F4-M1、C4-M1、F3-M2、C3-M2、O1-M2、O2-M1共6个通道，眼电图包含E1-M2和E2-M2共2个通道，心电图为单通道，肌电图包含Chin1-Chin2、Chin3-Chin2、LegL、LegR共4个通道。

3.根据权利要求1所述的发作性睡病预测模型构建方法，其特征在于：所述步骤(1)中以512Hz的采样频率对PSG数据进行采...

【技术特征摘要】

1.一种基于睡眠阶段特征的发作性睡病预测模型构建方法，包括如下步骤：

2.根据权利要求1所述的发作性睡病预测模型构建方法，其特征在于：所述步骤(1)中采集的psg数据包含有脑电图、眼电图、心电图和肌电图，其中脑电图包含f4-m1、c4-m1、f3-m2、c3-m2、o1-m2、o2-m1共6个通道，眼电图包含e1-m2和e2-m2共2个通道，心电图为单通道，肌电图包含chin1-chin2、chin3-chin2、legl、legr共4个通道。

3.根据权利要求1所述的发作性睡病预测模型构建方法，其特征在于：所述步骤(1)中以512hz的采样频率对psg数据进行采集，并由睡眠专家根据美国睡眠医学学会标准进行标注，即将数据每30s划分为一个epoch，将每个epoch归类至wake、n1、n2、n3、rem五种不同的睡眠阶段。

4.根据权利要求3所述的发作性睡病预测模型构建方法，其特征在于：所述睡眠阶段分析即首先统计受试者、睡病患者和健康人士的总epoch数量、每个睡眠阶段的epoch数量以及每个睡眠阶段的epoch数量占比，从而发现睡病患者在n3和rem这两个睡眠阶段的epoch数量占比要高于健康人士；然后对每个睡眠阶段的epoch数量以及受试者是睡病患者还是健康人士进行显著性检验，从而发现睡病患者与健康人士在n3和rem这两个睡眠阶段的epoch数量上存在显著差异。

5.根据权利要求1所述的发作性睡病预测模型构建方法，其特征在于：所述睡眠图表示为睡眠阶段随时间变化的函数，通过睡眠专家对睡病患者和健康人士整夜psg数据记录中手动评分的两例睡眠图进行对比分析，发现睡病患者相比健康人士更容易在睡眠中苏醒且睡...

【专利技术属性】
技术研发人员：赵莎，王跻权，李石坚，江海腾，周杨煊，余正和，李涛，潘纲，
申请(专利权)人：浙江大学，
类型：发明
国别省市：