一种基于多视角特征的睡眠阶段分类方法技术

本发明专利技术涉及一种基于多视角特征的睡眠阶段分类方法，属于脑信息解码技术领域。本发明专利技术先将原始睡眠电数据送入多频段视角模块提取不同波长和频率的特征，然后通过电极通道构建的拓扑图数据送入空间图视角模块提取不同通道间的空间特征，再结合快速傅里叶变换(STFT)形成的时频图数据送入二维时频视角模块提取光谱和时间特征，最后用softmax函数对睡眠阶段进行分类。本发明专利技术作为一种结合时间，频率和空间信息的睡眠电信号解码策略，所提出的多视角特征组合模型为将来搭建更好的自动睡眠分期框架提供了新的思路。

【技术实现步骤摘要】

本专利技术涉及一种基于多视角特征的睡眠阶段分类方法，属于脑信息解码。

技术介绍

1、脑科学是以大脑为研究对象的多学科汇聚的新兴研究领域，是生物科学的最新前沿和挑战。近几年来，深度学习用于睡眠阶段分类已经成为脑科学热门研究方向之一。睡眠分期对评估睡眠质量和诊断睡眠障碍具有重要意义。

2、睡眠专家根据睡眠标准和多导睡眠图(psg)记录的观察结果来判断睡眠状态。多导睡眠图包括头部不同位置的脑电图(eeg)、肌电图(emg)、眼电图(eog)等。传统的睡眠分期方法需要睡眠专家的视觉检查。面对长达一整夜的生理信号，即使是经验丰富的专家也需要超过2小时的时间来进行病人的睡眠记录。总之，传统的人工分段方法既耗时又麻烦。

3、为了减少专家工作量，构建智能医疗系统，大量的研究工作引入了不同的睡眠分期模型。在早期的研究中，机器学习方法如支持向量机(svm)和随机森林(rf)被用来对睡眠阶段进行分类。然而，这些方法需要手工提取特征，这需要大量的先验知识。因此，一些研究人员转向使用深度学习方法进行睡眠阶段分类。与传统的机器学习算法相比，深度学习方法可以直接本文档来自技高网...

【技术保护点】

1.一种基于多视角特征的睡眠阶段分类方法，其特征在于，包括：

2.根据权利要求1所述的基于多视角特征的睡眠阶段分类方法，其特征在于，所述Step1包括：

3.根据权利要求1所述的基于多视角特征的睡眠阶段分类方法，其特征在于，所述Step2包括：

4.根据权利要求1所述的基于多视角特征的睡眠阶段分类方法，其特征在于，所述Step3包括：

5.根据权利要求1所述的基于多视角特征的睡眠阶段分类方法，其特征在于，所述Step4包括：

【技术特征摘要】

1.一种基于多视角特征的睡眠阶段分类方法，其特征在于，包括：

2.根据权利要求1所述的基于多视角特征的睡眠阶段分类方法，其特征在于，所述step1包括：

3.根据权利要求1所述的基于多视角特征的睡眠阶段分类方法，其...

【专利技术属性】
技术研发人员：杨俊，王琪琛，李健生，沈韬，余创贺，张嘉豪，吴海麟，王昊桢，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：