买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海大学绍兴研究院

摘要：本发明公开了基于GCN提取睡眠频谱图特征的睡眠分期方法及系统，方法包括以下步骤：S1、采集脑电信号，并对脑电信号进行处理，得到脑电时频图像；S2、基于时频图像，进行位置编码处理，得到特征向量序列；S3、基于特征向量序列，进行建模，得到输出向量序列；S4、基于输出向量序列，进行输出向量序列分类，得到输出向量序列的分期结果。系统包括：信号采集单元、编码处理单元、建模单元和分类单元；本发明以Transformer主干为基础，将自我注意力分数编码为热图，为模型提供了可解释性。在序列处理级别，提出一种新颖的多分支策略，计算最终的特征向量，并使用softmax层对输出进行分类，获得序列的分期结果。

主权项：1.基于GCN提取睡眠频谱图特征的睡眠分期方法，其特征在于，包括以下步骤：S1、采集脑电信号，并对所述脑电信号进行处理，得到脑电时频图像；S2、基于所述脑电时频图像，进行位置编码处理，得到特征向量序列；所述S2中位置编码方法包括：采用Transformer作为主干结构，结合注意力机制对所述脑电时频图像进行编码；S3、基于所述特征向量序列，进行建模，得到输出向量序列；所述S3中的建模方法包括：采用多层图卷积网络与双向循环神经网络对所述特征向量序列进行建模；在多层图卷积网络部分，注意力特征向量序列X1，…，XL被编码为输出向量OG＝OG1，OG2，...，OGL；包括如下步骤：构建多层图卷积网络；构建方法如下： 其中,表示添加自连接的邻接矩阵，Aadj为无向图G中用于表示相邻部分连接关系的邻接矩阵，IN是特征矩阵，和Wl为可训练矩阵，上标l表示该矩阵属于第l层；σ.是网络的激活函数；Hl∈RN×D是第l层的激活矩阵，第0层的激活矩阵为多层图卷积网络对注意力特征向量序列进行建模，采用的邻接矩阵Aadj表示为： 其中，当i＝j+1或i＝j-1时，aij＝1，否则aij＝0；计算添加自连接以及进行归一化的邻接矩阵根据如下公式计算出： 式中，表示对角度矩阵；根据公式计算输出向量OGl的序列；计算公式如下： 式中，表示添加自连接以及进行归一化的邻接矩阵；W0∈RM×T是从输入层到隐藏层可学习的权重矩阵，具有T个特征图；W1∈RT×F是从隐藏层到输出层可学习的权重矩阵；在双向循环神经网络部分，注意力特征向量序列X1,…,XL被编码为输出向量OR1,OR2,…,ORL，其中1≤l≤L；通过计算它的前项隐藏状态向量和后向隐藏状态向量计算出输出序列OR；具体包括如下步骤：计算前向隐藏状态向量：计算后向隐藏状态向量：计算输出序列：式中，是可学习的权重矩阵；表示后向隐藏状态向量，表示前向隐藏状态向量；是可学习的偏移量；S4、基于所述输出向量序列，进行输出向量序列分类，得到输出向量序列的分期结果；将双向循环神经网络和多层图卷积网络两个分支的输出向量相加，获得输出向量的序列：Ol＝ORl+OGl，1≤l≤L；其中L表示脑电信号片段个数；将输出向量序列O＝O1，O2，...，OL输入一个共享的softmax层，共享的softmax层可以有效减少网络中的参数，计算每个序列对应的睡眠阶段概率值

全文数据：

权利要求：

百度查询： 上海大学绍兴研究院 基于GCN提取睡眠频谱图特征的睡眠分期方法及系统