[发明专利]基于异常检测的睡眠分期识别方法、装置以及计算机可读存储介质

权利要求书

1.一种基于异常检测的睡眠分期识别方法，其特征在于，包括：

获取用户的脑电信号；

提取所述脑电信号的特征；

将所述脑电信号的特征输入基于样本数据集训练的机器学习模型，所述机器学习模型输出所述用户的睡眠分期识别结果，所述睡眠分期识别结果指示所述用户处于多种睡眠分期的概率；

计算所述脑电信号的特征相对于所述样本数据集的异常程度；

基于所述异常程度对所述用户的睡眠分期识别结果进行调整。

2.根据权利要求1所述的基于异常检测的睡眠分期识别方法，其特征在于，“提取所述脑电信号的特征”的步骤，包括：

对所述脑电信号进行小波变换处理得到脑电谱图作为所述脑电信号的特征；

所述机器学习模型中包括图片重建模型和情绪识别模型，“所述机器学习模型输出所述用户的睡眠分期识别结果”的步骤包括：

所述图片重建模型对所述脑电谱图解码后编码以实现重建，所述情绪识别模型基于重建后的所述脑电谱图计算所述用户的睡眠分期识别结果。

3.根据权利要求1所述的基于异常检测的睡眠分期识别方法，其特征在于，在“将所述脑电信号的特征输入基于样本数据集训练的机器学习模型”的步骤之前，还包括：

对所述样本数据集进行数据增强处理，处理后所述样本数据集中所述多种睡眠分期对应的数据量均符合预设标准。

4.根据权利要求1所述的基于异常检测的睡眠分期识别方法，其特征在于，“计算所述脑电信号的特征相对于所述样本数据集的异常程度”的步骤包括：

计算所述脑电信号的特征相对于所述样本数据集的局部离群因子，作为所述异常程度；

“基于所述异常程度对所述用户的睡眠分期识别结果进行调整”的步骤包括：

将所述局部离群因子作为所述用户的睡眠分期识别结果的加权值，以对所述用户的睡眠分期识别结果进行调整。

5.根据权利要求1所述的基于异常检测的睡眠分期识别方法，其特征在于，“计算所述脑电信号的特征相对于所述样本数据集的异常程度”的步骤包括：

根据所述用户的属性，从所述样本数据集中抽取来源于具有相同属性的其他用户的样本数据，计算所述脑电信号的特征相对于抽取样本数据的异常程度。

6.一种基于异常检测的睡眠分期识别装置，其特征在于，包括：

信号获取模块，获取用户的脑电信号；

特征提取模块，提取所述脑电信号的特征；

分期识别模块，将所述脑电信号的特征输入基于样本数据集训练的机器学习模型，所述机器学习模型输出所述用户的睡眠分期识别结果，所述睡眠分期识别结果指示所述用户处于多种睡眠分期的概率；

异常计算模块，计算所述脑电信号的特征相对于所述样本数据集的异常程度；

结果调整模块，基于所述异常程度对所述用户的睡眠分期识别结果进行调整。

7.根据权利要求6所述的基于异常检测的睡眠分期识别装置，其特征在于，

所述特征提取模块对所述脑电信号进行小波变换处理得到脑电谱图作为所述脑电信号的特征；

所述机器学习模型中包括图片重建模型和情绪识别模型，所述图片重建模型对所述脑电谱图解码后编码以实现重建，所述情绪识别模型基于重建后的所述脑电谱图计算所述用户的睡眠分期识别结果。

8.根据权利要求6所述的基于异常检测的睡眠分期识别装置，其特征在于，还包括：

数据增强模块，在将所述脑电信号的特征输入基于样本数据集训练的机器学习模型之前，还对所述样本数据集进行数据增强处理，处理后所述样本数据集中所述多种睡眠分期对应的数据量均符合预设标准。

9.根据权利要求6所述的基于异常检测的睡眠分期识别装置，其特征在于，

所述异常计算模块计算所述脑电信号的特征相对于所述样本数据集的局部离群因子，作为所述异常程度；

所述结果调整模块将所述局部离群因子作为所述用户的睡眠分期识别结果的加权值，以对所述用户的睡眠分期识别结果进行调整。

10.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至5中任一项所述的基于异常检测的睡眠分期识别方法。