[發(fā)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(tǒng)

有效

• 申請?zhí)枺?/td>: 202010320743.2
• 申請日: 2020-04-22
• 公開（公告）號: CN111539472B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)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(quán)）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(chǎn)權(quán)代理有限公司 37221
• 代理人: 李圣梅

本發(fā)明公開了基于張量復雜度的睡眠生理信號特征提取方法及系統(tǒng)，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(zhuǎn)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，提取的特征能夠準確的反應睡眠生理信號數(shù)據(jù)的內(nèi)部特征，繼而實現(xiàn)在后續(xù)的分類處理中睡眠分期更為準確。

技術(shù)領(lǐng)域

本發(fā)明屬于生理信號特征提取技術(shù)領(lǐng)域，尤其涉及基于張量復雜度的睡眠生理信號特征提取方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

數(shù)據(jù)的張量表示以及對應的以張量為格式的數(shù)據(jù)處理，如張量分解等，為生物醫(yī)學信號處理提供了一個新的解決方案，并已經(jīng)在腦電領(lǐng)域得到了成功的應用。

以張量的形式來對信號進行處理具有其特有的優(yōu)勢。首先幾乎所有的生物醫(yī)學信號都具有多維性，例如32導聯(lián)睡眠腦電信號或者12導聯(lián)睡眠心電信號，它們均是同一信號源在體表不同位置的生理表現(xiàn)，各個導聯(lián)的生理信號并不是單獨存在，相互之間具有一定的空間和時間關(guān)聯(lián)，而將其看作是多個單獨的信號源進行處理勢必會忽略各導聯(lián)信號之間的相關(guān)性。而一個合理的張量數(shù)據(jù)組織形式可以更大程度地還原單一信號源的系統(tǒng)狀態(tài)。

此外，進行張量數(shù)據(jù)表示的另一個動機是張量具有一些特有的性質(zhì)可以幫助有效的挖掘數(shù)據(jù)的內(nèi)部特征，如CANDECOMP/PARAFAC分解(CPD)和Tucker分解(TD)等?；谝陨峡紤]，張量已經(jīng)在生物醫(yī)學信號領(lǐng)域得到了初步的應用，如腦電數(shù)據(jù)的張量表示在多向盲源分離、特征提取、分類、降維和多向聚類等方面已經(jīng)有了較多的應用。

然而，發(fā)明人在研究中發(fā)現(xiàn)，在目前的睡眠分期研究中，更多的方法是基于單導或者多導生理信號的特征提取，很少有基于張量數(shù)據(jù)處理的睡眠分期方法，在為數(shù)不多的幾種基于張量數(shù)據(jù)處理的睡眠分期方法中也主要是應用張量分解方法，尚沒有文獻通過提取張量數(shù)據(jù)的復雜度來進行睡眠分期的工作。而且，目前的文獻中也缺少一種可以準確評估張量數(shù)據(jù)復雜度的方法。

總之，在眾多的張量數(shù)據(jù)處理方案中，沒有體現(xiàn)以評估張量數(shù)據(jù)復雜度的熵方法，同時也沒有針對利用張量數(shù)據(jù)復雜度進行生理信號的提取，因此，由于沒有考慮張量內(nèi)部結(jié)構(gòu)的復雜情況，目前的生理信號的特征提取精度偏低，在后期的分類等應用帶來一定的誤差。

發(fā)明內(nèi)容

為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于張量復雜度的睡眠生理信號特征提取方法，通過張量的空間數(shù)據(jù)復雜度或可預測性，基于張量的數(shù)據(jù)表示實現(xiàn)特征提取。

為實現(xiàn)上述目的，本發(fā)明的一個或多個實施例提供了如下技術(shù)方案：

基于張量復雜度的睡眠生理信號特征提取方法，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(zhuǎn)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。

進一步的技術(shù)方案，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。

更進一步的技術(shù)方案，獲取特征之后，首先進行不同睡眠狀態(tài)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(tài)之間是否具有顯著相關(guān)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(tài)分類，并輸出睡眠分期的準確率。

進一步的技術(shù)方案，對于N階張量，給定相似度比較閾值參數(shù)，并確定嵌入維數(shù)用于劃分子張量維度，根據(jù)嵌入維度，在張量的N個方向上各依次取m個連續(xù)點組成一個N階子張量；