[發明專利]基于張量復雜度的睡眠生理信號特征提取方法及系統

有效

• 申請號: 202010320743.2
• 申請日: 2020-04-22
• 公開（公告）號: CN111539472B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 魏守水;張志民;董孝彤;崔懷杰;謝佳靜;王春元
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;A61B5/369;A61B5/398
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

1.基于張量復雜度的睡眠生理信號特征提取方法，其特征是，包括:

采集睡眠生理信號并將睡眠生理信號的多導時間序列轉化為張量表示；

睡眠生理信號表示為N階張量，N階張量由N階子張量組成；

判斷每個子張量中元素與全局子張量中每個元素之間的差異性大小來決定N階張量近似熵的大小，將張量近似熵作為睡眠生理信號提取的特征；

對于N階張量，給定相似度比較閾值參數，并確定嵌入維數用于劃分子張量維度，根據嵌入維度，在張量的N個方向上各依次取m個連續點組成一個N階子張量；

計算在嵌入維度為m的情況下任意兩個N階子張量之間的距離，由兩個子張量之間對應位置元素的最大差值決定；

計算滿足設定條件的N階子張量的個數并計算與全部子張量個數的比值；

定義在嵌入維度為m時的平均相似率；

計算當嵌入維度為m+1時的平均相似率，基于平均相似率計算N階張量的張量近似熵，作為睡眠生理信號提取的特征。

2.如權利要求1所述的基于張量復雜度的睡眠生理信號特征提取方法，其特征是，獲取睡眠生理信號張量近似熵特征之后，首先進行不同睡眠狀態下睡眠張量的張量近似熵的方差檢驗及獨立樣本t檢驗，以判定張量近似熵與睡眠狀態之間是否具有顯著相關性及顯著性差異，若是，則將提取的特征輸入到一對多支持向量機分類器進行睡眠狀態分類，確定睡眠生理信號對應的睡眠分期。

3.如權利要求1所述的基于張量復雜度的睡眠生理信號特征提取方法，其特征是，采集睡眠生理信號時，選擇采樣頻率為100Hz的三導聯生理數據，包括Fpz-Cz腦電信號，Pz-Oz腦電信號以及水平眼電信號；

每一組睡眠數據均根據RK標準進行睡眠狀態標定；

每一組睡眠數據包含覺醒狀態W，非快速眼動期以及快速眼動期REM。

4.如權利要求1所述的基于張量復雜度的睡眠生理信號特征提取方法，其特征是，對采集的睡眠生理信號進行濾波，去除基線漂移和線性趨勢。

5.如權利要求1所述的基于張量復雜度的睡眠生理信號特征提取方法，其特征是，張量近似熵計算如下：

TensorApEn(X)＝Ψ_m+1(r)-Ψ_m(r)

其中，Ψ_m(r)、Ψ_m+1(r)為嵌入維度為m、m+1時的平均相似率，N階張量X。

6.如權利要求1所述的基于張量復雜度的睡眠生理信號特征提取方法，其特征是，使用‘t/dt/s’將睡眠生理信號中EEG和EOG信號構建成睡眠張量表示。

7.基于張量復雜度的睡眠生理信號特征提取系統，其特征是，包括：

信號采集模塊，用于采集睡眠生理信號；

信號處理模塊，將睡眠生理信號的多導時間序列轉化為張量表示；

信號特征提取模塊，對于睡眠生理信號表示為N階張量，N階張量由N階子張量組成；判斷每個子張量中元素與全局子張量中每個元素之間的差異性大小來決定N階張量近似熵的大小，將張量近似熵作為睡眠生理信號提取的特征；

其中，信號特征提取模塊中，對于N階張量，給定相似度比較閾值參數，并確定嵌入維數用于劃分子張量維度，根據嵌入維度，在張量的N個方向上各依次取m個連續點組成一個N階子張量；

計算在嵌入維度為m的情況下任意兩個N階子張量之間的距離，由兩個子張量之間對應位置元素的最大差值決定；

計算滿足設定條件的N階子張量的個數并計算與全部子張量個數的比值；

定義在嵌入維度為m時的平均相似率；

計算當嵌入維度為m+1時的平均相似率，基于平均相似率計算N階張量的張量近似熵，作為睡眠生理信號提取的特征。

8.如權利要求7所述的基于張量復雜度的睡眠生理信號特征提取系統，其特征是，還包括睡眠分期模塊，將提取的睡眠生理信號張量近似熵特征輸入至預先訓練好的分類器進行分類，確定睡眠生理信號對應的睡眠分期。