[發明專利]一種快眼動睡眠分析方法、系統及設備

在審

• 申請號: 202010105188.1
• 申請日: 2020-02-20
• 公開（公告）號: CN111248868A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 劉茹涵;黃獻;江文
• 申請（專利權）人: 長沙湖湘醫療器械有限公司
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/0476;A61B5/0488;A61B5/0496
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種快眼動睡眠分析方法，其特征在于，所述方法包括：

將視頻多導睡眠監測數據進行快眼動期和非快眼動期的分類，將分類結果和視頻數據按對應關系保存；

對視頻數據進行數據預處理，并將預處理完的視頻數據和對應分類結果分成訓練集、測試集；

基于深度神經網絡對訓練集中的視頻數據進行特征學習，參照給出的對應分類結果進行分類，并在測試集上對深度神經網絡進行一定的調整；

將待分類的視頻信息進行預處理、分片，得到與深度神經網絡的輸入相匹配的輸入數據；

輸入深度神經網絡得到深度神經網絡輸出結果。

2.根據權利要求1所述的方法，其特征在于，將所述視頻多導睡眠監測數據進行快眼動期和非快眼動期的分類，將分類結果和視頻數據按對應關系保存，包括：

獲取視頻多導睡眠監測記錄信息，所述視頻多導睡眠監測記錄信息包括：眼電信號、肌電信號、腦電信號和視頻信號；

獲取臨床醫生標記的對應快眼動分期標注；

根據所述視頻多導睡眠監測記錄信息和所述臨床醫生標記的對應快眼動分期標注獲得所述快眼動期數據和非快眼動期數據。

3.根據權利要求2所述的方法，其特征在于，對所述視頻數據進行數據預處理，并將預處理完的視頻數據和對應分類結果分成訓練集、測試集，包括：

按照醫生給出標記的最小快眼動期分期時間間隔將所述視頻數據劃分成記錄片段，每個片段時間長度相同，并且對應一個分期標簽；

對所述視頻數據進行預處理操作，所述預處理操作包括：重采樣和計算光流疊加；

根據上述操作使用處理完的所述視頻數據以及分期標簽構造處理完全的標準數據集；

將該標準數據集分為訓練集、測試集。

4.根據權利要求3所述的方法，其特征在于，所述基于深度神經網絡對訓練集中的視頻數據進行特征學習，參照給出的對應分類結果進行分類，并在測試集上對深度神經網絡進行一定的調整，包括：

基于深度神經網絡使用訓練集對其進行訓練；

使用測試集進行測試并調整模型的參數。

5.一種快眼動睡眠分析系統，其特征在于，所述系統包括：

數據分類模塊，用于將視頻多導睡眠監測數據進行快眼動期和非快眼動期的分類，將分類結果和視頻數據按對應關系保存；

數據預處理模塊，用于對視頻數據進行數據預處理，并將預處理完的視頻數據和對應分類結果分成訓練集、測試集；

特征學習模塊，用于基于深度神經網絡對訓練集中的視頻數據進行特征學習，參照給出的對應分類結果進行分類，并在測試集上對深度神經網絡進行一定的調整；

數據輸入模塊，用于將待分類的視頻信息進行預處理、分片，得到與深度神經網絡的輸入相匹配的輸入數據；

輸出結果模塊，用于輸入深度神經網絡得到深度神經網絡輸出結果。

6.根據權利要求5所述的系統，其特征在于，所述數據分類模塊包括：

第一獲取單元，用于獲取視頻多導睡眠監測記錄信息，所述視頻多導睡眠監測記錄信息包括：眼電信號、肌電信號、腦電信號和視頻信號；

第二獲取單元，用于獲取臨床醫生標記的對應快眼動分期標注；

分類單元，用于根據所述視頻多導睡眠監測記錄信息和所述臨床醫生標記的對應快眼動分期標注獲得所述快眼動期數據和非快眼動期數據。

7.根據權利要求6所述的系統，其特征在于，所述數據預處理模塊包括：

數據劃分單元，用于按照醫生給出標記的最小快眼動期分期時間間隔將所述視頻數據分成記錄片段，每個片段時間長度相同，并且對應一個分期標簽；

預處理單元，用于對所述視頻數據進行預處理操作，所述預處理操作包括：重采樣和計算光流疊加；

構造單元，用于根據上述操作使用處理完的所述視頻數據以及分期標簽構造處理完全的標準數據集；

將該標準數據集分為訓練集、測試集。