[发明专利]一种基于压缩脑电的新生儿睡眠分期方法

权利要求书

1.一种基于压缩脑电的新生儿睡眠分期方法，其特征在于，具体步骤如下：

（1）获取N位新生儿睡眠状态下的原始脑电信号，并对每位被试者的脑电信号进行睡眠阶段的标注；将对原始脑电信号进行的分期标注结果作为标准分期结果；

（2）对步骤（1）中获得的原始脑电信号进行滤波，滤除背景噪声，然后对原始脑电信号进行压缩变换得到压缩变换后的脑电信号；

（3）将步骤（2）中得到的压缩变换后的脑电信号与步骤（1）中原始脑电的分期标注进行对齐，得到有标注的睡眠分期训练数据；

（4）使用睡眠分期训练数据训练全自动新生儿睡眠分期网络模型；

所述全自动新生儿睡眠分期网络模型由卷积神经网络与双向循环长短期记忆单元网络模型组成；该模型的训练包括预训练阶段和序列训练阶段；

（4-1）预训练阶段的具体过程如下：

（4-1-1）计算睡眠数据中各睡眠阶段的数量；

（4-1-2）对各睡眠阶段的数量进行数值比较，如果各睡眠阶段之间的比值在0.8-1.2范围内，则进入步骤（4-1-4），否则进入步骤（4-1-3）；

（4-1-3）根据各睡眠阶段数据量的大小对数据中占比较少的睡眠阶段进行上采样或者对数据中占比较多的睡眠阶段进行下采样，以使数据均衡；

（4-1-4）将数据均衡的睡眠数据输入到一个编码模块中，进行数据特征提取；

（4-2）序列训练阶段的具体过程如下：

（4-2-1）将在预训练阶段中提取到的数据特征输入双向循环长短期记忆单元网络中；

（4-2-2）通过双向循环长短期记忆单元网络对每个睡眠阶段的特征进行解码，同时，该网络学习多个睡眠阶段之间的依存关系，以获得睡眠数据的序列特征；

（4-2-3）将步骤（4-1）中得到的睡眠阶段数据特征通过跳跃连接与步骤（4-2-2）中得到的序列特征相结合，综合信息，对睡眠阶段进行预测；

在训练时，全自动新生儿睡眠分期网络的输入为每位被试者经过压缩变换后的脑电信号，并根据不同睡眠阶段在总睡眠时长中的占比及不同睡眠阶段的识别难易程度设置不同权重的损失函数，以实现更精准的睡眠分期结果；输出为该脑电信号对应的分期训练数据；训练完毕后，得到训练完毕的全自动新生儿睡眠分期网络；

（5） 使用步骤（4）训练得到的全自动新生儿睡眠分期网络对待分期的脑电信号进行睡眠分期；具体步骤如下：

（5-1）获得一位新生儿睡眠过程的脑电信号，对脑电信号进行步骤（2）中的压缩变化，所述待分期的脑电信号与步骤（1）中获得的脑电信号特征相似；

（5-2）使用训练好的新生儿睡眠分期网络对待分期信号进行分期；

将待分期脑电信号输入步骤（4）训练完毕的睡眠分期网络，该网络输出待分期信号的睡眠分期结果。

2.根据权利要求1所述的新生儿睡眠分期方法，其特征在于，步骤（1）中所述睡眠阶段分为：清醒期（W）、主动睡眠期（AS）与安静睡眠期（QS）。

3.根据权利要求2所述的新生儿睡眠分期方法，其特征在于，步骤（2）的具体流程为：

（2-1）对经过睡眠阶段标注的脑电信号，采用第一滤波器滤除背景噪音，衰减掉小于1.6Hz和大于70Hz的信号活动；接着利用第二滤波器，去除因被试者出汗、运动、心电活动和电极干扰造成的伪影，同时在2-15Hz频带内以斜率为12dB/decade对信号进行增强；

（2-2）对经过滤波后的脑电信号进行全波整流，即负向电压转为正向电压；

（2-3）采用第三滤波器，对整流后的信号进行包络检波，以获得脑电信号振幅的变化趋势；

（2-4）将步骤（2-3）中获得的包络按照压缩比例进行分段划分，其中压缩比例为原始脑电信号采样率与压缩后预获得信号采样率之比；

（2-5）对每段脑电信号进行压缩，保留每段包络中的最大值和最小值作为压缩后信号的上端点和下端点；

（2-6）最后，以半对数的方式将压缩结果显示出来；对0-10μV的电压幅度以线性坐标系显示，对10-100μV的电压幅度以对数坐标系显示，以防止小信号的活动变化被大信号所湮没。