申请/专利权人：苏州海神联合医疗器械有限公司

申请日：2023-05-31

公开（公告）日：2024-06-18

公开（公告）号：CN116712035B

主分类号：A61B5/00

分类号：A61B5/00;A61B5/369;A61B5/372;G06F18/10;G06F18/213;G06F18/214;G06N3/045;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2023.09.26#实质审查的生效;2023.09.08#公开

摘要：本发明基于CNN‑PSO‑BiLSTM睡眠分期方法及系统：采集历史待测者睡眠阶段脑电信号并处理；每个历史待测者脑电信号分为多个片段并标注；从每个片段中提取空间特征数据；初始化粒子群优化模型中各粒子参数；以学习率η、隐藏层神经元数量n粒子参数构建BiLSTM神经网络模型，部分历史待测者的空间特征数据为输入、对应睡眠分期标签为输出，对神经网络模型训练；余下历史待测者的空间特征数据为输入进行模型验证，获得睡眠分期结果的准确率；前后两次准确率变化是否小于设定阈值，若是基于最优η、最优n构建神经网络睡眠自动分期模型，采集待测者的脑电信号经处理后代入训练好的睡眠自动分期模型中获得睡眠分期。

主权项：1.一种基于CNN-PSO-BiLSTM睡眠分期方法，其特征在于，其包括以下步骤：S1、以一采集频率采集多个历史待测者睡眠阶段设定时间段的脑电信号，对每个历史待测者对应的脑电信号进行预处理操作，以获得预处理后脑电信号；S2、以设定时间窗将每个历史待测者对应的脑电信号连续划分为多个片段，每个片段脑电信号作为一个脑电信号睡眠样本，并为每个脑电信号睡眠样本标注睡眠分期标签；S3、利用1DCNN作为特征提取器，从每个脑电信号睡眠样本中提取对应的空间特征数据，空间特征数据包括时域特征数据、频域特征数据和非线性特征数据；S4、初始化粒子群优化模型中各粒子参数并确定粒子全局最优位置，粒子参数包括不同维的粒子速度、不同维的粒子位置、作为学习率η的粒子参数、作为隐藏层神经元数量n的粒子参数；S5、以学习率η粒子参数、隐藏层神经元数量n粒子参数构建BiLSTM神经网络模型，部分历史待测者的多个空间特征数据作为输入、对应的睡眠分期标签作为输出，对构建的BiLSTM神经网络模型进行模型训练；S6、余下历史待测者的多个空间特征数据作为输入，对训练好的BiLSTM神经网络模型进行模型验证，以获得余下历史待测者的每个脑电信号睡眠样本对应的睡眠分期，验证获得的睡眠分期与对应的睡眠分期标签进行比较，获得的睡眠分期结果的准确率PR作为各粒子的适应度值；S7、判断前后两次模型验证的适应度值的变化是否小于设定阈值，若是则进入步骤S8，否则进入步骤S9；S8、返回粒子群优化模型中最优学习率η粒子参数、最优隐藏层神经元数量n粒子参数，基于最优学习率η粒子参数、最优隐藏层神经元数量n粒子参数构建PSO-BiLSTM神经网络睡眠自动分期模型，进入步骤S10；S9、将BiLSTM神经网络模型中学习率η、隐藏层神经元数量n两个粒子参数作为粒子群优化模型寻优的目标对象，更新粒子群优化模型中各粒子参数并确定粒子全局最优位置，获得第t+1次迭代对应的最优学习率η、最优隐藏层神经元数量n输入到BiLSTM神经网络模型中，进入步骤S5，t≥1；S10、采集待测者的脑电信号，经预处理后获得预处理后脑电信号，预处理后脑电信号代入训练好的PSO-BiLSTM神经网络睡眠自动分期模型中，获得脑电信号对应的睡眠分期；步骤S4作为第1次迭代，在步骤S9中，学习率η更新公式如下： 其中t表示第t次迭代，j∈{1，...，S}是粒子的数量，表示在第一维粒子空间中第t次迭代时第j个粒子的速度，表示在第一维粒子空间中第t次迭代时第j个粒子的学习率，w表示在[0,1]范围内的一个名为惯性权重的常量值，c1和c2为加速常数，一般取c1＝c2∈[0,4]，是在第一维粒子空间中第t次迭代时第j个粒子的位置，而是在第一维粒子空间中第t次迭代在整个粒子群中的最佳位置，r1和r2是从均匀分布U0,1中提取出来的，目的是在速度更新中添加一个随机分量，以使搜索多样化；隐藏层神经元数量n的更新公式： 其中表示在第二维粒子空间中第t次迭代时第j个粒子的速度，表示在第二维粒子空间中第t次迭代时第j个粒子的隐藏层神经元数量，表示在第二维粒子空间中第t次迭代时第j个粒子的位置，表示在第二维粒子空间中第t次迭代在整个粒子群中的最佳位置。

全文数据：

权利要求：

百度查询： 苏州海神联合医疗器械有限公司 基于CNN-PSO-BiLSTM睡眠分期方法及系统

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