[发明专利]基于单专家标注数据的自动睡眠分期方法及装置

权利要求书

1.基于单专家标注数据的自动睡眠分期方法，其特征在于，包括：

S1：获取原始睡眠信号；

S2：构建自动睡眠分期模型框架，自动睡眠分期模型框架包括两个结构相同的分类模型，两个结构相同的分类模型都包括特征提取器、映射头和分类头，其中特征提取器用于从输入的睡眠信号中提取出特征，得到特征表示向量，映射头用于根据输入的特征表示向量得到特征映射向量，分类头用于根据输入的特征表示向量得到预测结果；

S3：将获取的原始睡眠信号经过不同的数据增强后分别输入自动睡眠分期模型框架中的两个分类模型的特征提取器中，对自动睡眠分期模型框架中的两个分类模型进行联合训练，得到训练好的自动睡眠分期模型，其中，训练过程中根据两个分类模型输出的预测结果计算分类损失和预测一致性损失，根据两个分类模型输出的特征映射向量计算对比损失，并根据分类损失、预测一致性损失以及对比损失计算出总的目标损失，并通过反向传播进行梯度回传；

S4：使用训练好的自动睡眠分期模型对待处理的信号数据进行预测，得到睡眠分期预测结果。

2.如权利要求1所述的基于单专家标注数据的自动睡眠分期方法，其特征在于，步骤S2构建的自动睡眠分期模型框架中，特征提取器为包含epoch级特征提取器和sequence级特征提取器的模型，或者为仅包含epoch级特征提取器的模型。

3.如权利要求1所述的基于单专家标注数据的自动睡眠分期方法，其特征在于，步骤S3中训练好的自动睡眠分期模型为包含两个分类模型的模型或者仅包含其中一个分类模型的模型。

4.如权利要求2所述的基于单专家标注数据的自动睡眠分期方法，其特征在于，步骤S3中根据两个分类模型输出的预测结果计算分类损失，通过下述方式实现：

其中，为交叉熵损失，表示分类损失，分别表示第一分类模型对第i个样本的预测结果和第二分类模型对第i个样本的预测结果，y_i表示第i个样本对应的标签，N为样本数量。

5.如权利要求1所述的基于单专家标注数据的自动睡眠分期方法，其特征在于，步骤S3中根据两个分类模型输出的预测结果计算预测一致性损失，通过下述方式实现：

其中，分别表示第一分类模型对第i个样本的预测结果和第二分类模型对第i个样本的预测结果，y_i表示第i个样本对应的标签，N为样本数量，表示两个分类模型的平均预测结果，D_KL为散度，为预测一致性损失，j表示分类模型的编号。

6.如权利要求1所述的基于单专家标注数据的自动睡眠分期方法，其特征在于，步骤S3中根据两个分类模型输出的特征映射向量计算对比损失，通过下述方式实现：

其中，N为样本数量，

表示v_i和v_j之间的余弦相似度，τ为温度参数，a和b分别表示第a和第b个分类模型，a,b取值范围为集合{1,2}，当a＝1，b＝2时，计算的是当a＝2，b＝1时，计算的是k表示第k个分类模型，取值范围是集合{a,b}。

7.如权利要求1所述的基于单专家标注数据的自动睡眠分期方法，其特征在于，步骤S3中根据分类损失、预测一致性损失以及对比损失计算出总的目标损失，通过下述方式实现：

其中，分别表示分类损失、预测一致性损失和对比损失，为总的目标损失，α、β分别为一致性损失系数和对比损失系数。