申请/专利权人：复旦大学

申请日：2022-05-03

公开（公告）日：2022-09-20

公开（公告）号：CN115067875A

主分类号：A61B5/00

分类号：A61B5/00;A61B5/372

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明属于生物医疗技术领域，具体为一种基于压缩脑电的新生儿睡眠分期方法。本发明方法包括：获取原始的新生儿脑电信号数据集并进行睡眠阶段的分期标注，将分期标注结果作为标准分期结果；对滤除背景噪声后的原始脑电信号进行压缩变换，得到压缩变换后的脑电信号，使得数据量极大缩减；将变换后的脑电信号与原始脑电的分期标注进行对齐；使用睡眠分期训练数据训练得到全自动新生儿睡眠分期网络；使用全自动新生儿睡眠分期网络对新生儿的睡眠过程进行睡眠阶段分期。本发明可将脑电信号进行压缩降低原始数据信息的冗余度，并构建自动分期模型以更轻便式的脑电信号数据源对新生儿的睡眠过程进行阶段分期，具有广泛的临床应用前景。

主权项：1.一种基于压缩脑电的新生儿睡眠分期方法，其特征在于，具体步骤如下：（1）获取N位新生儿睡眠状态下的原始脑电信号，并对每位被试者的脑电信号进行睡眠阶段的标注；将对原始脑电信号进行的分期标注结果作为标准分期结果；（2）对步骤（1）中获得的原始脑电信号进行滤波，滤除背景噪声，然后对原始脑电信号进行压缩变换得到压缩变换后的脑电信号；（3）将步骤（2）中得到的压缩变换后的脑电信号与步骤（1）中原始脑电的分期标注进行对齐，得到有标注的睡眠分期训练数据；（4）使用睡眠分期训练数据训练全自动新生儿睡眠分期网络模型；所述全自动新生儿睡眠分期网络模型由卷积神经网络与双向循环长短期记忆单元网络模型组成；该模型的训练包括预训练阶段和序列训练阶段；（4-1）预训练阶段的具体过程如下：（4-1-1）计算睡眠数据中各睡眠阶段的数量；（4-1-2）对各睡眠阶段的数量进行数值比较，如果各睡眠阶段之间的比值在0.8-1.2范围内，则进入步骤（4-1-4），否则进入步骤（4-1-3）；（4-1-3）根据各睡眠阶段数据量的大小对数据中占比较少的睡眠阶段进行上采样或者对数据中占比较多的睡眠阶段进行下采样，以使数据均衡；（4-1-4）将数据均衡的睡眠数据输入到一个编码模块中，进行数据特征提取；（4-2）序列训练阶段的具体过程如下：（4-2-1）将在预训练阶段中提取到的数据特征输入双向循环长短期记忆单元网络中；（4-2-2）通过双向循环长短期记忆单元网络对每个睡眠阶段的特征进行解码，同时，该网络学习多个睡眠阶段之间的依存关系，以获得睡眠数据的序列特征；（4-2-3）将步骤（4-1）中得到的睡眠阶段数据特征通过跳跃连接与步骤（4-2-2）中得到的序列特征相结合，综合信息，对睡眠阶段进行预测；在训练时，全自动新生儿睡眠分期网络的输入为每位被试者经过压缩变换后的脑电信号，并根据不同睡眠阶段在总睡眠时长中的占比及不同睡眠阶段的识别难易程度设置不同权重的损失函数，以实现更精准的睡眠分期结果；输出为该脑电信号对应的分期训练数据；训练完毕后，得到训练完毕的全自动新生儿睡眠分期网络；（5）使用步骤（4）训练得到的全自动新生儿睡眠分期网络对待分期的脑电信号进行睡眠分期；具体步骤如下：（5-1）获得一位新生儿睡眠过程的脑电信号，对脑电信号进行步骤（2）中的压缩变化，所述待分期的脑电信号与步骤（1）中获得的脑电信号特征相似；（5-2）使用训练好的新生儿睡眠分期网络对待分期信号进行分期；将待分期脑电信号输入步骤（4）训练完毕的睡眠分期网络，该网络输出待分期信号的睡眠分期结果。

全文数据：

权利要求：

百度查询： 复旦大学 一种基于压缩脑电的新生儿睡眠分期方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD