[发明专利]一种自动睡眠分期的方法和装置

说明书

本发明提供一种自动睡眠分期的方法和装置，能够仅利用心率和肢体运动加速度信号预测睡眠分期，解决了利用可穿戴手环进行长期睡眠跟踪的问题。该方法包括：获取睡眠期间的心率和肢体运动加速度信号；对所述心率和肢体运动加速度信号进行分帧，基于滑动窗分别对所述心率和肢体运动加速度信号的低层特征进行提取；基于所述低层特征提取出中层特征；将所述低层特征和所述中层特征串联，以得到串联结果，根据所述串联结果，通过循环神经网络模型自动学习出所述睡眠期间的心率和肢体运动加速度信号在时间上的长期依赖性，根据所述长期依赖性自动将睡眠分期，以得到分期结果。

[技术领域]

本发明涉及计算机技术领域，尤其涉及一种自动睡眠分期的方法和装置。

[背景技术]

睡眠是人体的一项基本而至关重要的生理活动。糟糕的睡眠质量会对日常工作生活产生极大的负面作用，而一些睡眠障碍类疾病更是会影响人体健康，甚至危及生命。睡眠分期是进行睡眠质量评估和睡眠障碍类疾病诊断的一项必要工作。

基于单导或多导睡眠信号的自动睡眠分期算法是目前最常用的非人工评估方法。其通过分析睡眠信号本身的生理特性，设计特征，而后利用分类器如随机森林、K近邻、或支持向量机进行分类，预测出睡眠分期。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.现有技术所采用的生理信号在家庭条件下很难采集，可行性差，且无法长期监测睡眠；

2.在不同情况下，针对不同人群，现有技术对于睡眠分期的预测差异较大。

[发明内容]

有鉴于此，本发明实施例提供一种自动睡眠分期的方法和装置，能够通过可穿戴手环，对睡眠进行长期跟踪，并利用心率和肢体运动加速度信号预测睡眠分期。

为实现上述目的，根据本发明实施例的一个方面，提供了一种自动睡眠分期的方法。

本发明实施例一种自动睡眠分期的方法包括：获取睡眠期间的心率和肢体运动加速度信号；对所述心率和肢体运动加速度信号进行分帧，基于滑动窗分别对所述心率和肢体运动加速度信号的低层特征进行提取；基于所述低层特征提取出中层特征；将所述低层特征和所述中层特征串联，以得到串联结果，根据所述串联结果，通过循环神经网络模型自动学习出所述睡眠期间的心率和肢体运动加速度信号在时间上的长期依赖性，根据所述长期依赖性自动将睡眠分期，以得到分期结果。

可选地，所述对所述心率和肢体运动加速度信号进行分帧包括：将所述心率信号和所述肢体运动加速度信号分别以30秒为帧大小，按照帧的顺序将所述心率信号和所述肢体运动加速度信号进行对应。

可选地，所述滑动窗包括：以时间上前后相邻10个帧为滑动窗大小的所述心率信号的滑动窗和以当前帧为滑动窗大小的所述肢体运动加速度信号的滑动窗。

可选地，所述低层特征包括：所述心率信号的时域特征和频域特征，以及所述肢体运动加速度信号的频域特征。

可选地，所述基于滑动窗分别对所述心率和肢体运动加速度信号的低层特征进行提取包括：

基于均值法提取所述心率信号的时域特征，基于离散余弦变换提取所述心率信号的频域特征；

基于倒谱分析提取所述肢体运动加速度信号的频域特征。

可选地，所述基于所述低层特征提取出中层特征是基于K means算法实现的。

可选地，所述通过循环神经网络模型自动学习出所述睡眠期间的心率和肢体运动加速度信号在时间上的长期依赖性是基于双向长短时记忆模型实现的。

为实现上述目的，根据本发明实施例的一个方面，提供了一种自动睡眠分期的装置。

本发明实施例一种自动睡眠分期的装置包括：