System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及睡眠,例如涉及一种用于睡眠分期的方法及装置、电子设备、计算机可读存储介质。
技术介绍
1、睡眠与人们的健康息息相关。睡眠问题不仅影响人们的身体健康,还会对精神健康造成影响。目前,对睡眠的研究聚焦于睡眠分期算法的改进和发展,传统的睡眠分期算法依赖于大量手工标注的数据集,因此能够进行自动睡眠分期的改进算法成为了研究的热点。
2、相关技术公开了一种基于振幅调制多尺度熵的睡眠动力学表征方法,包括:步骤一,通过睡眠监测仪采集获得睡眠数据,并进行睡眠阶段的初步划分,获得每个睡眠阶段对应的多通道脑电信号,并进行预处理;步骤二,针对预处理后的多通道脑电信号进行调幅特征的提取,检测得到多通道脑电信号的波峰,对检测到的波峰进行三次样条插值,构建出多通道脑电信号的包络时间序列;步骤三,对应每个频带设定不同的尺度因子,根据每一个已设定的尺度因子,提取多通道脑电信号的包络时间序列的多尺度熵;以尺度因子为横轴,振幅调制多尺度熵为纵轴,绘制得到每个睡眠阶段对应的多通道脑电信号的振幅调制多尺度熵曲线,按照频带区分,计算每条曲线的振幅调制多尺度熵曲线下面积和平均曲线斜率;步骤四,对同一频带不同睡眠阶段的振幅调制多尺度熵曲线的曲线下面积进行显著性分析,并对曲线斜率进行显著性分析;利用曲线下面积和曲线斜率的显著性分析结果作为睡眠动力学表征数据。
3、相关技术虽然能够得到睡眠动力学表征数据,以实现清晰的睡眠阶段的划分,但是结果并不准确。
4、需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解,因此可以
技术实现思路
1、为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
2、本公开实施例提供了一种用于睡眠分期的方法及装置、电子设备、计算机可读存储介质,以提高睡眠分期结果的准确性。
3、在一些实施例中,所述用于睡眠分期的方法包括:获取睡眠数据;其中,睡眠数据包括:脑电信号和心率变异性信号;对睡眠数据进行不同的处理,分别得脑电信号的多尺度熵的特征、心率变异性的时域特征和心率变异性的时频域特征;对时域特征和时频域特征进行筛选,得到目标时域特征和目标时频域特征;将多尺度熵的特征、目标时域特征和目标时频域特征进行融合。
4、在一些实施例中,所述用于睡眠分期的装置包括:获取模块,被配置为获取睡眠数据;其中,睡眠数据包括:脑电信号和心率变异性信号;处理模块,被配置为对睡眠数据进行不同的处理,分别得到脑电信号的多尺度熵的特征、心率变异性的时域特征和心率变异性的时频域特征;筛选模块,被配置为对时域特征和时频域特征进行筛选,得到目标时域特征和目标时频域特征;融合模块,被配置为将多尺度熵的特征、目标时域特征和目标时频域特征进行融合。
5、在一些实施例中,所述用于睡眠分期的装置包括:处理器和存储有程序指令的存储器,所述处理器被配置为在运行所述程序指令时,执行前述的用于睡眠分期的方法。
6、在一些实施例中,所述电子设备包括:电子设备本体;如前述的用于睡眠分期的装置,被安装于电子设备本体。
7、在一些实施例中,所述计算机可读存储介质,存储有程序指令,所述程序指令在运行时,执行前述的用于睡眠分期的方法。
8、本公开实施例提供的用于睡眠分期的方法及装置、电子设备、计算机可读存储介质,可以实现以下技术效果:
9、对获取的睡眠数据进行不同处理,进而分别得到脑电信号的多尺度熵的特征、心率变异性的时域特征和心率变异性的时频域特征。对得到的时域特征和时频域特征进行筛选,以得到目标时域特征和目标时频域特征,保证参与到后续步骤中的时域特征和时频域特征为更加准确、真实的特征。将多尺度熵的特征、目标时域特征和目标时频域特征进行融合,进而得到由多尺度熵的特征、目标时域特征和目标时频域特征等多模态融合的结果。这样,对多尺度熵的特征、目标时域特征和目标时频域特征等多种特征进行融合,兼顾多种特征的影响,进而提高睡眠分期结果的准确性。
10、以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。
本文档来自技高网...【技术保护点】
1.一种用于睡眠分期的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,对睡眠数据进行处理,得到脑电信号的多尺度熵的特征,包括:
3.根据权利要求2所述的方法,其特征在于,计算各个最新的序列之间的距离满足预设距离条件的比例,包括:
4.根据权利要求3所述的方法,其特征在于,与本组对应的距离阈值的确定,包括:
5.根据权利要求2所述的方法,其特征在于,比例的平均值包括以不同划分标准处理时间序列得到的两个比例的平均值;根据比例的平均值,计算样本熵,包括:
6.根据权利要求2所述的方法,其特征在于,根据样本熵,确定脑电信号的多尺度熵的特征,包括:
7.根据权利要求1至6中任一项所述的方法,其特征在于,对睡眠数据进行不同的处理,分别得到心率变异性的时域特征和心率变异性的时频域特征,包括:
8.根据权利要求1至6中任一项所述的方法,其特征在于,对时域特征和时频域特征进行筛选,得到目标时域特征和目标时频域特征,包括:
9.根据权利要求1至6中任一项所述的方法,其特征在于,将多尺度
10.一种用于睡眠分期的装置,其特征在于,包括:
11.一种用于睡眠分期的装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在运行所述程序指令时,执行如权利要求1至9中任一项所述的用于睡眠分期的方法。
12.一种电子设备,其特征在于,包括:
13.一种计算机可读存储介质,存储有程序指令,其特征在于,所述程序指令在运行时,用以使得计算机执行如权利要求1至9中任一项所述的用于睡眠分期的方法。
...【技术特征摘要】
1.一种用于睡眠分期的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,对睡眠数据进行处理,得到脑电信号的多尺度熵的特征,包括:
3.根据权利要求2所述的方法,其特征在于,计算各个最新的序列之间的距离满足预设距离条件的比例,包括:
4.根据权利要求3所述的方法,其特征在于,与本组对应的距离阈值的确定,包括:
5.根据权利要求2所述的方法,其特征在于,比例的平均值包括以不同划分标准处理时间序列得到的两个比例的平均值;根据比例的平均值,计算样本熵,包括:
6.根据权利要求2所述的方法,其特征在于,根据样本熵,确定脑电信号的多尺度熵的特征,包括:
7.根据权利要求1至6中任一项所述的方法,其特征在于,对睡眠数据进行不同的处理,分别得到心率变异性的时域特征和心率变异...
【专利技术属性】
技术研发人员:孙昱,胡尊波,李彭安,侯彬,王楠楠,
申请(专利权)人:青岛海享眠科技有限公司,
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。