CN116172515B 一种改善n1期类别混淆的多模态多尺度睡眠分期方法 （北京工业大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116172515B(45)授权公告日2025.07.01

(21)申请号202310152184.2

(22)申请日2023.02.22

(65)同一申请的已公布的文献号申请公布号CN116172515A

(43)申请公布日2023.05.30

(73)专利权人北京工业大学

地址100124北京市朝阳区平乐园100号

(72)发明人段立娟尹悦

(74)专利代理机构北京思海天达知识产权代理有限公司11203

专利代理师刘萍

(51)Int.CI.

A61B5/00(2006.01)

GO6N3/08(2023.01)

GO6N3/0464(2023.01)

A61B5/374(2021.01)

A61B5/369(2021.01)

(56)对比文件

LijuanDuan.MMS-SleepNet:Aknowledge-basedmultimodalandmultiscalenetworkfor

sleepstaging.《BiomedicalSignal

ProcessingandControl》.2024,第103卷第1-13页.

审查员黄雪莉

权利要求书4页说明书9页附图4页

(54)发明名称

一种改善N1期类别混淆的多模态多尺度睡眠分期方法

(57)摘要

CN116172515B本发明公开了一种改善N1期类别混淆的多模态多尺度睡眠分期方法。对原始睡眠数据进行预处理，获得睡眠数据样本。针对N1期睡眠数据少的情况，使用基于叠取策略的数据增强算法生成N1期，减轻了N1期少对睡眠分期的影响。针对睡眠数据利用不充分的问题，设计了多模态多尺度特征提取模块，对不同模态的数据进行不同处理，且使用多尺度特征提取方式对EEG模态进行细粒度特征提取，提高特征的有效性，初步解决N1期难区分问题，提高N1期的分类准确率。针对N1期容易与N2期和REM期混淆的问题，使用对比学习的方法，使得同一分期睡眠数据特征相似度更高，不同分期睡眠数据特征相似度相对降低，进一步提高

CN116172515B

原始睡眠数据

原始睡眠数据

数据预处理

基于叠取策略的数据增强

多模态多尺度特征提取

对比及分类

CN116172515B权利要求书1/4页

2

1.一种改善N1期类别混淆的多模态多尺度睡眠分期方法，其特征在于，包括如下步骤：步骤一，原始信号预处理操作

首先，选用脑电EEG信号中的Fpz-Cz通道，眼电EOG信号和肌电EMG信号作为实验数据，即通道数Q取3,将采样频率为T的睡眠数据以30秒划分片段，删除MOVEMENT和UNKNOWN标签以及这些标签对应的数据，合并N3期和N4期数据统称为N3期；在训练集中只保留睡眠时间之前和之后的30分钟的W期；经过预处理得到N。1个样本，每个样本数据x;均为长度为30×T的数据，其中i∈[1,2,…,No1a]表示当前样本的序号，假定得到的样本集为X?1,标签集为Yo?d;

步骤二，数据增强

对步骤一得到的训练集样本，使用叠取策略，对相邻的两个N1期样本，取两个样本的中间部分组成新的样本；将新生成的样本放入原来的数据集X。1a中，得到新的样本集X,相应地更新标签集Y。?a为新标签集Y;

步骤三，多模态多尺度特征提取

设计了多模态多尺度特征提取方法充分利用睡眠数据并提取更具代表性的特征；对步骤二得到的新的数据集，进行特征提取；将步骤二得到的数据按照模态分别进行不同处理，并对EEG信号分频率进行多尺度特征提取；拼接各个模态提取到的特征，送入SE注意力模块，选出具有代表性的特征并去除冗余特征；最后使用双层Bi-LSTM学习睡眠分期的过渡规则，得到最终特征；

将经过数据增强后的新样本集X作为输入数据，送入特征提取模块进行多模态多尺度特征提取；特征提取过程分为4个步骤：

(1)多模态特征提取；对步骤二得到的睡眠数据X分模态提取睡眠特征；人类专家对于不同模态的数据有着不同的分期依据，具体地，根据EMG信号的有无、EEG信号中的各种特征波、EOG信号变化快慢来判断睡眠分期；对于输入数据的不同模态数据送入对应模态的特征提取分支中去：将EMG数据直接送入卷积模块进行特征提取，将EEG数据送入不同的卷积核模块中进行多尺度特征提取，对EOG数据先进行短时傅里