[發(fā)明專利]睡眠分期方法及裝置

在審

• 申請?zhí)枺?/td>: 202011086378.X
• 申請日: 2020-10-12
• 公開（公告）號: CN112263218A
• 公開（公告）日: 2021-01-26
• 發(fā)明（設(shè)計(jì)）人: 李成范;戚躍宇;丁雪海;周時強(qiáng);趙俊娟
• 申請（專利權(quán)）人: 上海大學(xué)
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 上海梵恒知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31357
• 代理人: 李文鳳

一種睡眠分期方法及裝置，所述方法包括：從采集到的原始多導(dǎo)睡眠圖中獲取生理信號；對所述生理信號進(jìn)行降噪處理；提取降噪處理后的生理信號對應(yīng)的數(shù)字特征以及神經(jīng)網(wǎng)絡(luò)特征；對所述數(shù)字特征與所述神經(jīng)網(wǎng)絡(luò)特征進(jìn)行融合，得到融合特征；將所述融合特征輸入至預(yù)設(shè)的序列學(xué)習(xí)模塊，得到序列特征；對所述序列特征進(jìn)行分類，確定睡眠分期。上述方案能夠提高睡眠分期的精確度。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種睡眠分期方法及裝置。

背景技術(shù)

睡眠是生物學(xué)的基本要素，也是人體自我調(diào)節(jié)的重要活動，良好的睡眠質(zhì)量對人們的生活非常重要。阻塞性睡眠呼吸暫停(OSA)是一種與睡眠有關(guān)的慢性疾病，伴有嗜睡，認(rèn)知能力下降，焦慮和抑郁等癥狀，嚴(yán)重影響生活質(zhì)量并且與系統(tǒng)性多系統(tǒng)疾病的發(fā)生和發(fā)展密切相關(guān)。OSA是主要慢性疾病的危險因素。分析人們的睡眠結(jié)構(gòu)并評估他們的睡眠質(zhì)量非常重要，睡眠結(jié)構(gòu)和睡眠質(zhì)量可以通過睡眠階段來表達(dá)。

人們在睡眠期間，大腦處于活動狀態(tài)，可以通過腦電圖反映出來。PSG記錄對象是整個晚上睡眠的生理信號。PSG是一個多變量系統(tǒng)，由諸如腦電(EEG)，心電圖(ECG)，眼電(EOG)和肌電圖(EMG)等信號記錄組成。在實(shí)際應(yīng)用中，通常以30秒為周期將PSG劃分為不同的睡眠階段。睡眠階段通常包括夜間清醒(Wake)階段，快速眼動(REM)階段和非REM(NREM)階段。根據(jù)美國睡眠醫(yī)學(xué)學(xué)會(AASM)的新標(biāo)準(zhǔn)，NREM階段可以進(jìn)一步分為N1，N2和N3階段。PSG信號的視覺檢查和睡眠階段的手動確定是復(fù)雜且耗時的過程，需要專業(yè)知識。完整的夜間睡眠記錄通常需要兩個多小時才能由熟練的專家進(jìn)行可靠評估。而且人工判斷具有很強(qiáng)的主觀因素，如果經(jīng)驗(yàn)不豐富，很容易出現(xiàn)分類錯誤。

發(fā)明內(nèi)容

本發(fā)明解決的技術(shù)問題是如何提高睡眠分期的精確度。

為解決上述技術(shù)問題，本發(fā)明實(shí)施例提供一種睡眠分期方法，包括：從采集到的原始多導(dǎo)睡眠圖中獲取生理信號；對所述生理信號進(jìn)行降噪處理；提取降噪處理后的生理信號對應(yīng)的數(shù)字特征以及神經(jīng)網(wǎng)絡(luò)特征；對所述數(shù)字特征與所述神經(jīng)網(wǎng)絡(luò)特征進(jìn)行融合，得到融合特征；將所述融合特征輸入至預(yù)設(shè)的序列學(xué)習(xí)模塊，得到序列特征；對所述序列特征進(jìn)行分類，確定睡眠分期。

可選的，所述對所述生理信號進(jìn)行降噪處理，包括：使用不同種類的小波基對所述生理信號進(jìn)行小波分解，根據(jù)降噪結(jié)果確定所使用的目標(biāo)小波基；確定所述目標(biāo)小波基對應(yīng)的分解層數(shù)；確定小波系數(shù)的閾值，所述小波系數(shù)的閾值與所述生理信號的長度相關(guān)，并使用軟閾值降噪函數(shù)對所述小波系數(shù)進(jìn)行降噪處理；將降噪后的小波系數(shù)合成為新的信號，作為所述降噪處理后的生理信號。

可選的，所述從采集到的原始多導(dǎo)睡眠圖中獲取生理信號，包括：從所述原始多導(dǎo)睡眠圖中獲取腦電信號以及眼電信號，作為所述生理信號。

可選的，在從所述采集到的原始多導(dǎo)睡眠圖中獲取生理信號之后，還包括：以預(yù)設(shè)時長對所述腦電信號以及所述眼電信號進(jìn)行周期劃分。

可選的，所述提取降噪處理后的生理信號對應(yīng)的數(shù)字特征，包括：提取所述降噪處理后的所述生理信號對應(yīng)的如下特征中的至少之一：平均值、方差、最大值、能量、功率譜密度、樣本熵、Hurst指數(shù)、Lyapunov指數(shù)、去趨勢分析以及相關(guān)維度。

可選的，所述提取降噪處理后的生理信號對應(yīng)的神經(jīng)網(wǎng)絡(luò)特征，包括：將所述降噪處理后的生理信號輸入至預(yù)設(shè)的通用卷積神經(jīng)網(wǎng)絡(luò)中，得到所述降噪處理后的生理信號對應(yīng)的神經(jīng)網(wǎng)絡(luò)特征；所述通用卷積神經(jīng)網(wǎng)絡(luò)包括2N個卷積層以及N個最大池化層和一個dropout層，每2個卷積層之間設(shè)置有1個最大池化層，第一個最大池化層的輸出為dropout層的輸入；N≥2。

可選的，所述對所述數(shù)字特征與所述神經(jīng)網(wǎng)絡(luò)特征進(jìn)行融合，得到融合特征，包括：分別對所述數(shù)字特征與所述神經(jīng)網(wǎng)絡(luò)特征進(jìn)行扁平化處理，得到一維數(shù)字特征向量以及一維神經(jīng)網(wǎng)絡(luò)特征向量；將所述一維數(shù)字特征向量與所述一維神經(jīng)網(wǎng)絡(luò)特征向量進(jìn)行拼接融合，得到所述融合特征。