【技术实现步骤摘要】
本专利技术涉及监测模型建模，尤其涉及一种医疗设备进行状态监测模型的建模，具体是一种用于单通道脑波测量设备的睡眠状态预测模型的建模方法。
技术介绍
1、多导睡眠监测是诊断睡眠障碍的“金标准”，但是需要使用多通道脑电设备（一般为8-32通道）在睡眠实验室中进行，但是多通道脑波测量设备比较昂贵，难以普及。为了普及脑波eeg的应用，单通道脑波测量设备是这一问题的解决方案之一。多通道脑波测量设备的数据质量高，主要有两点：1.每个通道数据精度高；2. 通道个数多，因此多通道脑波测量设备所收集的脑波数据比较全面。单通道脑波测量设备比较便宜，而且便于使用，但是，其数据采样点只有一个，因此，其数据质量有下降，由其建立的模型预测精度随之下降，应用范围有限，难以普及。
2、有鉴于此，人们使用psg设备的数据，建立大数据模型，将大数据模型通过迁移学习方法迁移到单通道脑波测量设备上，这也是现有技术中常用的解决方法之一，单通道脑波测量设备采集的数据没有多通道脑波测量设备的质量高，很难人工标注数据或自动标注数据，难于实现，因而还是会导致预测精度不高。 另外，
3、现有技术结果就是低成本的单或双通道的脑电设备大脑状态识别率很低，识别率高的多通道脑电采集设备成本高，8通道脑电采集设备市场价10万元， 16通道脑电采集设备为18万元。
4、综上，如何提高单通道脑波测量设备的睡眠状态的结果预测准确性，也就是本申请所针对解决的技术问题。
技术实现思路
1、本专利技术的目的是要提供一种用
2、为达到上述目的，本专利技术采用的技术方案是：
3、本专利技术提供了一种用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，包括如下处理步骤：
4、步骤s1：获取多通道脑波测量设备的所有通道的样本数据并构建第一样本数据集，选取所述多通道脑波测量设备中指定通道的样本数据并构建第二样本数据集；
5、步骤s2：根据第一样本数据集通过深度神经网络建立第一模型，根据第二样本数据集通过深度神经网络建立第二模型；
6、步骤s3：将所述第二模型作为单通道脑波测量设备的初始模型；
7、步骤s4：采用所述多通道脑波测量设备和所述单通道脑波测量设备同时测量同一指定点位的脑波获取实时样本，所述指定点位为所述指定通道所对应测量的点位；
8、步骤s5：通过所述第一模型与所述初始模型对于适应于实时样本进行预测，如果所述第一模型与所述初始模型的预测结果相同则将所述预测结果作为所述实时样本的标签，并且将所述实时样本连同对应标签所构成的样本数据分别加入到所述第二样本数据集和第三样本数据集中，所述第三样本数据集为所述单通道脑波测量设备的样本数据集，如果所述第一模型与所述初始模型的预测结果不同则构建待定样本集，通过人工对所述待定样本集中的部分或者全部样本数据进行标注，进行人工标注后的样本数据分别加入到所述第二样本数据集和第三样本数据集中；
9、步骤s6：完成阈值数量的样本数据的成功采集后，将更新后的所述第二样本数据集和第三样本数据集予以合并构成最终样本数据集；
10、步骤s7：以所述最终样本数据集作为单通道脑波测量设备的目标模型的训练集和测试集，对深度神经网络进行训练获得最终的所述目标模型。
11、根据本专利技术的其中一个优化方式，步骤s1中多通道脑波测量设备的所有通道的样本数据的获取，或者通过所述多通道脑波测量设备的采集获取，或者通过有效的公开多通道脑波测量设备样本数据中获取。
12、根据本专利技术的其中一个优化方式，通过有效的公开多通道脑波测量设备样本数据中获取所述多通道脑波测量设备的所有通道的样本数据时，如果所述多通道脑波测量设备与公开多通道脑波测量设备存在差异，则根据所述有效的公开多通道脑波测量设备样本数据先建立一中间深度网络模型，再使用迁移学习算法建立所述第一模型。
13、根据本专利技术的其中一个优化方式，在步骤s1中，预先通过所述单通道脑波测量设备进行数据采集进而构建初始的第三样本数据集，相应的在所述步骤s3中，通过所述初始的第三样本数据集对所述第二模型进行迁移学习，建立所述单通道脑波测量设备的所述初始模型。
14、根据本专利技术的其中一个优化方式，步骤s4中，采用所述多通道脑波测量设备和所述单通道脑波测量设备同时测量的脑部前额中心处的脑波，相应的所述指定通道测量的也是脑部前额中心处的脑波。
15、特别地，本专利技术还提供了一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述的方法。
16、本专利技术还提供了一种计算机可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现如上所述的方法。所述计算机可读存储介质优选为非易失性可读存储介质。
17、与现有技术相比较，本专利技术的用于单通道脑波测量设备的睡眠状态预测模型的建模方法相较于现有技术的优点在于：
18、本申请的用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其预先以多通道（8通道或更多通道）脑波测量设备的样本数据建立比较精确的睡眠状态预测模型，结合单通道脑波测量设备的工作特点确立其初始模型，然后通过利用识别率高的多通道（8通道或更多通道）脑电测量设备与单通道脑电信号采集设备同时采集脑波信号构建相互参照的实时样本用以进行预测，根据所得到的预测结果对与单通道脑电信号相关的样本数据进行不断地更新丰富，最终在此基础上根据所获取的新的样本数据集确立深度神经网络下的目标模型，实现了以多通道脑波测量设备的数据为参照优化单通道脑波测量设备的睡眠状态预测模型的目的，以此建模技术提高单通道脑电设备的准确性，即提高了单通道脑电设备的大脑状态的识别率，同时相较于多通道脑波测量设备能够大大降低成本，使现代脑电设备能够普及并应用于人们的日常生活中，使失眠症患者， 抑郁症患者等广大群体收益。
本文档来自技高网...【技术保护点】
1.一种用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，包括如下处理步骤：
2.根据权利要求1所述的用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，步骤S1中多通道脑波测量设备的所有通道的样本数据的获取，或者通过所述多通道脑波测量设备的采集获取，或者通过有效的公开多通道脑波测量设备样本数据中获取。
3.根据权利要求2所述的用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，通过有效的公开多通道脑波测量设备样本数据中获取所述多通道脑波测量设备的所有通道的样本数据时，如果所述多通道脑波测量设备与公开多通道脑波测量设备存在差异，则根据所述有效的公开多通道脑波测量设备样本数据先建立一中间深度网络模型，再使用迁移学习算法建立所述第一模型。
4.根据权利要求1所述的用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，在步骤S1中，预先通过所述单通道脑波测量设备进行数据采集进而构建初始的第三样本数据集，相应的在所述步骤S3中，通过所述初始的第三样本数据集对所述第二模型进行迁移学习，建立所述单通道脑波测量
5.根据权利要求1所述的用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，步骤S4中，采用所述多通道脑波测量设备和所述单通道脑波测量设备同时测量的脑部前额中心处的脑波，相应的所述指定通道测量的也是脑部前额中心处的脑波。
6.一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的方法。
7.一种计算机可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现如权利要求1至8中任一项所述的方法。
...【技术特征摘要】
1.一种用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，包括如下处理步骤：
2.根据权利要求1所述的用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，步骤s1中多通道脑波测量设备的所有通道的样本数据的获取，或者通过所述多通道脑波测量设备的采集获取，或者通过有效的公开多通道脑波测量设备样本数据中获取。
3.根据权利要求2所述的用于单通道脑波测量设备的睡眠状态预测模型的建模方法，其特征在于，通过有效的公开多通道脑波测量设备样本数据中获取所述多通道脑波测量设备的所有通道的样本数据时，如果所述多通道脑波测量设备与公开多通道脑波测量设备存在差异，则根据所述有效的公开多通道脑波测量设备样本数据先建立一中间深度网络模型，再使用迁移学习算法建立所述第一模型。
4.根据权利要求1所述的用于单通道脑波测量设备的睡眠状态预测模型的建模...
【专利技术属性】
技术研发人员：杨刚强，林洪，陈德刚，
申请(专利权)人：无锡特文思达健康科技有限公司，
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。