[发明专利]基于复杂网络和深度学习的睡眠阶段分类方法及应用在审
| 申请号： | 201910637530.X | 申请日： | 2019-07-15 |
| 公开（公告）号： | CN110367933A | 公开（公告）日： | 2019-10-25 |
| 发明（设计）人： | 高忠科;蔡清 | 申请（专利权）人： | 天津大学 |
| 主分类号： | A61B5/00 | 分类号： | A61B5/00;A61B5/04;A61B5/0476 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于复杂网络和深度学习的睡眠阶段分类方法及应用：获取有限穿越可视图复杂网络的特征指标，包括建立有限穿越可视图复杂网提取节点度值，根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标：对睡眠阶段脑电片段分别建立有限穿越视距为1的有限穿越可视图复杂网；采用十折交叉验证和长短时记忆模型，对睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。本发明的方法可应用于头戴式智能穿戴设备，通过分析智能穿戴设备测得的睡眠脑电信号，实现对使用者大脑状态的了解，并可提供必要的预警。 | ||
| 搜索关键词： | 睡眠阶段 复杂网络 节点度 穿越 穿戴设备 特征指标 复杂网 脑电 应用 快速眼动睡眠 使用者大脑 视距 智能 记忆模型 交叉验证 脑电信号 深度睡眠 头戴式 分类 浅度 睡眠 预警 学习 清醒 分析 | ||
【主权项】：
1.一种基于复杂网络和深度学习的睡眠阶段分类方法，其特征在于，包括如下步骤：1)获取有限穿越可视图复杂网络的特征指标，包括：(1)对一个长度为T的睡眠阶段脑电片段![]()
建立有限穿越可视图复杂网络，其中，xt表示睡眠阶段脑电片段的第i个节点；(2)提取节点度值；(3)根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标：2)对N个长度为T的睡眠阶段脑电片段分别采用步骤的1)方法，建立有限穿越视距为1的有限穿越可视图复杂网络，得到N个可视图复杂网络的特征指标，即N个节点度值序列，将N个节点度值序列作为特征向量输入深度学习模型训练，得到一个能够监测睡眠阶段的长短时记忆模型，所述的长短时记忆模型包括有依次串接的：三个长短时记忆层、一个全连接层和一个softmax层，其中，三个长短时记忆层的每层包括64个长短时记忆单元；3)采用十折交叉验证和长短时记忆模型，对N个长度为T的睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910637530.X/，转载请声明来源钻瓜专利网。
