[发明专利]一种单导联脑电的睡眠自动分期方法

权利要求书

1.一种单导联脑电的睡眠自动分期方法，其特征在于，所述方法仅需要单导联的睡眠脑电信号，自动分期方法包括训练过程S1和识别过程S2,如下：

训练过程S1为：对每个固定时间段T标记好睡眠分期类别的脑电信号进行预处理，随机选取其中时长为N*T的连续脑电信号输入至训练模型进行训练，直至模型收敛，得到训练好的模型；其中，T为30秒，N为3或5；

识别过程S2为：对每个固定时间段T的待识别脑电信号进行预处理，选取其中时长为N*T的连续脑电信号输入至S1中训练好的模型，输出睡眠分期结果；

训练模型由特征提取模块和分期优化模块组成；其中，特征提取模块是由CNNs卷积神经网络(1)、Softmax层(2)组成；分期优化模块由双向LSTM循环神经网络(3)和CRF条件随机场模型(4)构成；(1)、(2)、(3)和(4)顺序连接；

训练过程S1和识别过程S2中，脑电信号均为滑动输入模式，滑动窗大小为T～N*T，输出为第(N+1)/2段输入脑电信号对应的睡眠分期类别标签。

2.根据权利要求1所述的单导联脑电的睡眠自动分期方法，其训练模型的特征还在于，(1)中的输入数据长度为时长为N*T的连续脑电信号经过预处理后的采样点数；(1)中的输出节点维度为4，(1)中的隐层数目为3～10；(3)中的输入为N*4维向量，隐层节点个数为32～128，隐层数目为1～2；(4)的输入节点数与(3)中的隐层节点个数相同；(4)的输出节点维数为4，对应睡眠分期的四个类型—浅睡期、深睡期、Wake期和REM期；(4)的输出结果为当前输入第(N+1)/2段脑电信号的睡眠自动分期类型；顺序输入整个单导睡眠脑电信号，得到睡眠自动分期结构图。

3.根据权利要求1所述的单导联脑电的睡眠自动分期方法，其训练过程S1的特征包括如下具体步骤：

步骤1：对单导联脑电数据进行预处理，预处理方法为降采样至100Hz、去除50Hz工频噪声、对每例被试整段脑电信号进行归一化；

步骤2：对训练模型进行初始化，用高斯分布的范围为0～1的随机数初始化网络中待训练参数；

步骤3：通过向初始化后的训练模型中输入训练样本和对应的睡眠分期类型标签训练网络，使用反向传播BP算法，调整网络参数，使损失函数值最小。