[發明專利]一種睡眠覺醒檢測方法、裝置及終端

在審

• 申請號: 201810512613.1
• 申請日: 2018-05-25
• 公開（公告）號: CN108830176A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 張恒貴;李欽策;劉陽;何潤南;趙娜;王寬全
• 申請（專利權）人: 深圳市太空科技南方研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62;G06K9/66;G06N3/04;G06N3/08
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 官建紅

1.一種睡眠覺醒檢測方法，其特征在于，所述方法包括：

截取原始睡眠覺醒數據重構訓練集；

基于深度神經網絡對重構后的訓練集中的第一睡眠覺醒數據進行特征學習和分類以識別睡眠覺醒區域。

2.如權利要求1所述的方法，其特征在于，所述截取原始睡眠覺醒數據重構訓練集的步驟，包括：

讀取并按預設法則更新睡眠覺醒數據集中的每條原始睡眠覺醒數據的標識序列；

將更新標識序列后的第二睡眠覺醒數據及其相應標識分割為定長的數據片段，并將所述數據片段按行組成矩陣；

根據預設比例丟棄指定標識的數據片段；

將保留的數據片段及其對應的標識保存至訓練集中。

3.如權利要求2所述的方法，其特征在于，所述根據預設比例丟棄指定標識的數據片段的步驟，包括：

統計第一指定標識占比超過預設閾值的數據片段在訓練集中占據的第一比例；

統計第二指定標識的數據片段在訓練集中占據的第二比例；

根據所述第一比例和第二比例按預設公式計算第三比例；

根據所述第三比例丟棄指定標識的數據片段。

4.如權利要求1所述的方法，其特征在于，在所述截取原始睡眠覺醒數據重構訓練集的步驟之后，還包括：

根據預設公式對所述訓練集中的訓練數據進行優化；其中，所述預設公式為：

其中，L(X,r)為交叉熵函數，即模型訓練過程中要優化的目標函數；X為訓練集中的訓練數據，r為訓練數據的標記序列，m為訓練數據中標記序列的長度，p表示輸出第i個標記為r_i的概率。

5.如權利要求1所述的方法，其特征在于，所述基于深度神經網絡對重構后的訓練集中的第一睡眠覺醒數據進行特征學習和分類以識別睡眠覺醒區域的步驟，包括：

將所述第一睡眠覺醒數據發送至由一維卷積層和雙向長短期記憶網絡LSTM層構成的特征提取部分進行特征學習，得到預設長度的特征向量；

將所述特征向量發送至由全連接層構成的特征分類部分進行識別處理，判斷所述特征向量所對應位置是否屬于覺醒區域。

6.如權利要求1至5任一所述的方法，其特征在于，在所述截取原始睡眠覺醒數據重構訓練集的步驟之前，還包括：

去除所述原始睡眠覺醒數據中的信號噪聲。

7.如權利要求6所述的方法，其特征在于，所述去除所述原始睡眠覺醒數據中的信號噪聲的步驟，包括：

去除所述原始睡眠覺醒數據中的心電信號的基線漂移；

利用軟閾值小波去噪方法去除所述心電信號中的噪聲。

8.如權利要求7所述的方法，其特征在于，所述去除所述原始睡眠覺醒數據中的心電信號的基線漂移的步驟，包括：

利用移動平均數方法對所述心電信號進行平滑處理；

將所述原始睡眠覺醒數據中的心電信號減去平滑處理后的心電信號，得到去除基線漂移的心電信號。

9.一種睡眠覺醒檢測裝置，其特征在于，所述裝置包括：

訓練集重構單元，用于截取原始睡眠覺醒數據重構訓練集；

睡眠覺醒檢測單元，用于基于深度神經網絡對重構后的訓練集中的第一睡眠覺醒數據進行特征學習和分類以識別睡眠覺醒區域。

10.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至8任一項所述睡眠覺醒檢測方法的步驟。

11.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至8任一項所述睡眠覺醒檢測方法的步驟。