[發(fā)明專利]一種基于深度殘差Mask-CCNN的睡眠分期方法

在審

• 申請?zhí)枺?/td>: 202011191789.5
• 申請日: 2020-10-30
• 公開（公告）號: CN112294342A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設(shè)計）人: 宋立新;裴秀
• 申請（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號: A61B5/372
• 分類號: A61B5/372
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 岳泉清

一種基于深度殘差Mask?CCNN的睡眠分期算法，涉及深度學(xué)習(xí)領(lǐng)域，包括如下步驟：步驟a.特征提取：將含有專家睡眠階段標(biāo)記的腦電信號(EEG)數(shù)據(jù)集輸入到深度殘差Mask?CCNN進(jìn)行時域和頻域特征提取；步驟b.特征增強(qiáng)：采用深度殘差塊增強(qiáng)信息特征；步驟c.序列間特征提取：雙向門控循環(huán)單元BiGRU構(gòu)成的編、解碼器提取腦電序列間的時序特征，使用注意力機(jī)制(Attention)加強(qiáng)每個睡眠階段特征序列的最相關(guān)部分；步驟d.輸出處理：通過softmax層輸出睡眠分期。應(yīng)用已經(jīng)訓(xùn)練好的最優(yōu)模型，輸入EEG信號進(jìn)行睡眠階段分期。本發(fā)明可完成EEG信號的睡眠階段自動分期，在獲得較高分期準(zhǔn)確度的同時有效避免特征選取的主觀性。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)腦電信號分期算法領(lǐng)域，具體涉及一種深度學(xué)習(xí)睡眠階段分期方法。

背景技術(shù)

睡眠對人類健康非常重要，睡眠疾病會影響患者的生活質(zhì)量，如嗜睡癥和睡眠呼吸暫停低通氣綜合征，可能導(dǎo)致白天嗜睡，高腹脹壓力，心血管煩躁，甚至死亡。因此，睡眠監(jiān)測和睡眠質(zhì)量評估是衛(wèi)生保健領(lǐng)域的重要研究課題。睡眠階段分期分析是認(rèn)識睡眠結(jié)構(gòu)和診斷睡眠相關(guān)疾病的前期重要環(huán)節(jié)。

研究表明，人在睡眠過程中的狀態(tài)并不是固定的，而是在若干個睡眠階段之間進(jìn)行周期性的轉(zhuǎn)換，睡眠狀態(tài)的轉(zhuǎn)換周期也稱為睡眠周期。每個睡眠周期約為90分鐘，正常人的整夜睡眠過程中通常要歷經(jīng)4～6次睡眠周期，這個過程中收集到的EEG、EMG、EOG信號被分割成若干預(yù)定義的固定長度段,然后根據(jù)美國睡眠醫(yī)學(xué)學(xué)會(American Academy andSleep Medicine,AASM)提出的AASM標(biāo)準(zhǔn)分期，將整夜睡眠被分為Wake期、非快速眼動期(N1、N2、N3期)和快速眼動期(REM期)五期。

基于腦電信號的睡眠階段分期研究主要內(nèi)容有以下三個方面：腦電信號的預(yù)處理、腦電信號的特征提取與選擇分析、特征分類等關(guān)鍵部分進(jìn)行研究。腦電信號預(yù)處理主要是去噪去偽，原始腦電信號含有低高頻噪聲、工頻干擾、大量的肌電和口鼻氣流等噪聲和眼電偽跡；腦電信號的特征提取與選擇分析是睡眠分期的重要環(huán)節(jié)之一。腦電信號的特征提取可以在時域及變換域中進(jìn)行，常用的變換方法有傅里葉變換、小波變換、Hermite變換。然后提取若干個參數(shù)，使得這些參數(shù)能夠更好的表征EEG的不同特性，進(jìn)而為分類器提供最優(yōu)的輸入；腦電信號的特征分類一般是基于特征的，如支持向量機(jī)、隨機(jī)森林、K均值聚類算法等根據(jù)腦電信號的特征進(jìn)行分類。

基于深度學(xué)習(xí)的方法利用深層神經(jīng)網(wǎng)絡(luò)的逐層深入的非線性表示和無監(jiān)督學(xué)習(xí)能力，通過訓(xùn)練網(wǎng)絡(luò)參數(shù)自動學(xué)習(xí)得到EEG數(shù)據(jù)中具有區(qū)分度的深層次特征，從而提高基于腦電信號的睡眠階段自動分期的效率和精度。此類方法執(zhí)行速度較快，無需過分依賴專家經(jīng)驗，訓(xùn)練的分期器泛化能力較強(qiáng)，但此類方法中特征提取過程很大程度影響自動睡眠分期模型分期精度，為了解決此問題，需要提出一種新的方法。

發(fā)明內(nèi)容

本發(fā)明針對特征提取過程很大程度影響自動睡眠分期模型分期精度問題，提出了一種基于深度殘差Mask-CCNN的睡眠分期方法。本發(fā)明通過Mask-CCNN網(wǎng)絡(luò)更全面地提取EEG信號的時頻特征，并且在使用了深度殘差連接實現(xiàn)特征信息的增強(qiáng)，使網(wǎng)絡(luò)表達(dá)特征的能力增強(qiáng)，同時緩解梯度消失現(xiàn)象，從而提高分期準(zhǔn)確度。

本發(fā)明的技術(shù)方案：

一種基于深度殘差Mask-CCNN的睡眠分期方法，包括以下步驟：

步驟a.特征提取：將含有專家睡眠階段標(biāo)記的腦電信號(EEG)數(shù)據(jù)集輸入到深度殘差Mask-CCNN進(jìn)行時域和頻域特征提取；

步驟b.特征增強(qiáng)：采用深度殘差塊增強(qiáng)信息特征；

步驟c.序列間特征提取：雙向門控循環(huán)單元BiGRU構(gòu)成的編、解碼器提取腦電序列間的時序特征，使用注意力機(jī)制(Attention)加強(qiáng)每個睡眠階段特征序列的最相關(guān)部分；、

步驟d.輸出處理：通過softmax層輸出睡眠分期。