【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及人工智能，特別是涉及一種睡眠階段分類(lèi)方法、裝置、計(jì)算機(jī)設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。
技術(shù)介紹
1、睡眠影響著日常活動(dòng)的各個(gè)方面。良好的睡眠質(zhì)量往往可以帶來(lái)更好的身體狀態(tài)；而睡眠時(shí)間中斷會(huì)導(dǎo)致一些睡眠障礙，如失眠、睡眠不足或呼吸暫停等。為了更好地分析睡眠質(zhì)量，可以進(jìn)行睡眠監(jiān)測(cè)和睡眠階段分類(lèi)。
2、相關(guān)技術(shù)中，主要是通過(guò)傳統(tǒng)機(jī)器學(xué)習(xí)方法進(jìn)行自動(dòng)睡眠分期，例如樸素貝葉斯、支持向量機(jī)和隨機(jī)森林。隨著深度學(xué)習(xí)的方法得到廣泛應(yīng)用，相關(guān)人員也開(kāi)始基于神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建出分類(lèi)模型進(jìn)行睡眠分期，這些分類(lèi)模型主要是基于psg（polysomnography，多導(dǎo)睡眠圖）信號(hào)中的部分導(dǎo)聯(lián)信號(hào)確定睡眠分期。
3、然而，專(zhuān)利技術(shù)人在實(shí)踐過(guò)程中發(fā)現(xiàn)，上述方式的睡眠階段分類(lèi)準(zhǔn)確率仍有較大提升空間。
技術(shù)實(shí)現(xiàn)思路
1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種能夠提高睡眠階段分類(lèi)準(zhǔn)確性的睡眠階段分類(lèi)方法、裝置、計(jì)算機(jī)設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。
2、第一方面，本申請(qǐng)?zhí)峁┝艘环N睡眠階段分類(lèi)方法，包括：
3、獲取多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)；
4、分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的單導(dǎo)聯(lián)信號(hào)特征；
5、根據(jù)所述單導(dǎo)聯(lián)信號(hào)特征得到多導(dǎo)聯(lián)信號(hào)特征序列，根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，得到多導(dǎo)聯(lián)融合特征；
6、根據(jù)所述多導(dǎo)聯(lián)融合特征確定睡眠階段分類(lèi)結(jié)果。p>
7、在其中一個(gè)實(shí)施例中，所述分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的單導(dǎo)聯(lián)信號(hào)特征，包括：
8、分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的頻譜分布特征；
9、根據(jù)所述頻譜分布特征，確定所述單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中與睡眠階段類(lèi)型相關(guān)的至少一個(gè)目標(biāo)頻帶分布范圍；
10、將所述單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)輸入到至少一個(gè)信號(hào)處理分支；所述信號(hào)處理分支設(shè)置有尺寸與所述目標(biāo)頻帶分布范圍匹配的卷積核，不同所述信號(hào)處理分支上的所述卷積核的尺寸不同；
11、通過(guò)各個(gè)所述信號(hào)處理分支上的卷積核對(duì)所述單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)進(jìn)行卷積處理，得到各個(gè)所述信號(hào)處理分支的卷積結(jié)果，根據(jù)各個(gè)所述卷積結(jié)果確定所述單導(dǎo)聯(lián)信號(hào)特征。
12、在其中一個(gè)實(shí)施例中，所述卷積核的尺寸通過(guò)如下步驟確定：
13、獲取所述單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中與所述睡眠階段類(lèi)型相關(guān)的所述目標(biāo)頻帶分布范圍；
14、針對(duì)每個(gè)所述目標(biāo)頻帶分布范圍，確定所述目標(biāo)頻帶分布范圍對(duì)應(yīng)的信號(hào)周期，并根據(jù)所述信號(hào)周期和所述卷積核的各種候選尺寸所對(duì)應(yīng)的信號(hào)捕獲范圍，確定選中的尺寸。
15、在其中一個(gè)實(shí)施例中，所述根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，得到多導(dǎo)聯(lián)融合特征，包括：
16、根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，確定所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征相應(yīng)的特征權(quán)重；
17、根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征相應(yīng)的特征權(quán)重，對(duì)所述多導(dǎo)聯(lián)信號(hào)特征序列進(jìn)行調(diào)整，得到調(diào)整后的多導(dǎo)聯(lián)信號(hào)特征序列；
18、對(duì)所述調(diào)整后的多導(dǎo)聯(lián)信號(hào)特征序列和所述多導(dǎo)聯(lián)信號(hào)特征序列進(jìn)行融合，根據(jù)融合結(jié)果確定多導(dǎo)聯(lián)融合特征。
19、在其中一個(gè)實(shí)施例中，在所述根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，確定所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征相應(yīng)的特征權(quán)重的步驟之前，還包括：
20、根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中信號(hào)特征對(duì)應(yīng)的位置編碼，對(duì)所述多導(dǎo)聯(lián)信號(hào)特征序列進(jìn)行分割，得到具有時(shí)間先后順序的多個(gè)子序列；
21、基于多個(gè)所述子序列之間的依賴(lài)關(guān)系和上下文關(guān)系，確定每個(gè)所述子序列與各個(gè)所述子序列的自相關(guān)性；
22、根據(jù)各個(gè)所述子序列的自相關(guān)性確定所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度。
23、在其中一個(gè)實(shí)施例中，所述睡眠階段分類(lèi)結(jié)果由分類(lèi)器根據(jù)所述多導(dǎo)聯(lián)融合特征確定，所述分類(lèi)器通過(guò)如下步驟訓(xùn)練得到：
24、將樣本多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)對(duì)應(yīng)的樣本多導(dǎo)聯(lián)融合特征輸入到待訓(xùn)練的分類(lèi)器，得到多個(gè)睡眠階段各自的分類(lèi)概率；
25、根據(jù)所述樣本多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)對(duì)應(yīng)的睡眠階段分類(lèi)標(biāo)簽，以及多個(gè)所述睡眠階段各自的分類(lèi)概率，確定每個(gè)睡眠階段的分類(lèi)損失值；
26、確定每個(gè)所述睡眠階段的損失權(quán)重；所述損失權(quán)重與所述睡眠階段的分布范圍呈負(fù)相關(guān)；
27、根據(jù)每個(gè)所述睡眠階段的損失權(quán)重和每個(gè)所述睡眠階段的分類(lèi)損失值，確定目標(biāo)損失值；
28、根據(jù)所述目標(biāo)損失值調(diào)整所述分類(lèi)器的參數(shù)，直到滿(mǎn)足訓(xùn)練結(jié)束條件，得到訓(xùn)練好的所述分類(lèi)器。
29、在其中一個(gè)實(shí)施例中，所述對(duì)多個(gè)所述單導(dǎo)聯(lián)信號(hào)特征進(jìn)行融合，包括：
30、對(duì)至少兩個(gè)所述單導(dǎo)聯(lián)信號(hào)特征進(jìn)行多次特征提取，根據(jù)最后一次特征提取輸出的結(jié)果，獲取多導(dǎo)聯(lián)信號(hào)特征序列；其中，除首次特征提取以外的其他特征提取，基于上一次特征提取輸出的結(jié)果得到當(dāng)前特征提取的輸入。
31、第二方面，本申請(qǐng)還提供了一種睡眠階段分類(lèi)裝置，包括：
32、多導(dǎo)聯(lián)信號(hào)獲取模塊，用于獲取多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)；
33、單導(dǎo)聯(lián)特征提取模塊，用于分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的單導(dǎo)聯(lián)信號(hào)特征；
34、多導(dǎo)聯(lián)特征提取融合模塊，用于根據(jù)所述單導(dǎo)聯(lián)信號(hào)特征得到多導(dǎo)聯(lián)信號(hào)特征序列，根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，得到多導(dǎo)聯(lián)融合特征；
35、分類(lèi)模塊，用于根據(jù)所述多導(dǎo)聯(lián)融合特征確定睡眠階段分類(lèi)結(jié)果。
36、第三方面，本申請(qǐng)還提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)以下步驟：
37、獲取多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)；
38、分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的單導(dǎo)聯(lián)信號(hào)特征；
39、根據(jù)所述單導(dǎo)聯(lián)信號(hào)特征得到多導(dǎo)聯(lián)信號(hào)特征序列，根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，得到多導(dǎo)聯(lián)融合特征；
40、根據(jù)所述多導(dǎo)聯(lián)融合特征確定睡眠階段分類(lèi)結(jié)果。
41、第四方面，本申請(qǐng)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：
42、獲取多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)；
43、分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的單導(dǎo)聯(lián)信號(hào)特征；
44、根據(jù)所述單導(dǎo)聯(lián)信號(hào)特征得到多導(dǎo)聯(lián)信號(hào)特征序列，根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，得到多導(dǎo)聯(lián)融合特征；
45、根據(jù)所述多導(dǎo)聯(lián)融合特征確定睡眠階段分類(lèi)結(jié)果。...
【技術(shù)保護(hù)點(diǎn)】
1.一種睡眠階段分類(lèi)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的單導(dǎo)聯(lián)信號(hào)特征，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述卷積核的尺寸通過(guò)如下步驟確定：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，得到多導(dǎo)聯(lián)融合特征，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，確定所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征相應(yīng)的特征權(quán)重的步驟之前，還包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述睡眠階段分類(lèi)結(jié)果由分類(lèi)器根據(jù)所述多導(dǎo)聯(lián)融合特征確定，所述分類(lèi)器通過(guò)如下步驟訓(xùn)練得到：
7.根據(jù)權(quán)利要求1至6中任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述單導(dǎo)聯(lián)信號(hào)特征得到多導(dǎo)聯(lián)信號(hào)特征序列，包括：
8.一種睡眠階段分類(lèi)裝置，其特征在于，所述裝置包括：
9.一
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。
...【技術(shù)特征摘要】
1.一種睡眠階段分類(lèi)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分別確定所述多導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)中的每種單導(dǎo)聯(lián)睡眠監(jiān)測(cè)信號(hào)的單導(dǎo)聯(lián)信號(hào)特征，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述卷積核的尺寸通過(guò)如下步驟確定：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，得到多導(dǎo)聯(lián)融合特征，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述根據(jù)所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征與睡眠階段分類(lèi)結(jié)果的關(guān)聯(lián)度，確定所述多導(dǎo)聯(lián)信號(hào)特征序列中每個(gè)信號(hào)特征相應(yīng)的特征權(quán)重的步驟之前，還包括：
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：白艷苗，
申請(qǐng)(專(zhuān)利權(quán))人：北京聯(lián)影智能影像技術(shù)研究院，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。