[发明专利]一种基于深度学习的睡眠阶段预测方法、存储介质及终端设备

说明书

本申请公开了一种基于深度学习的睡眠阶段预测方法、存储介质及终端设备，所述方法包括获取待检测用户的脑电信号；基于所述脑电信号以及若干经过训练的睡眠阶段分类模型，以得到若干候选预测概率组；基于若干候选预测概率组确定所述原始脑电信号对应的睡眠阶段。本申请通过若干睡眠阶段分类模型进行集成学习，增加模型的预测准确度，从而提高预测得到的睡眠阶段的准确性。

技术领域

本申请涉及睡眠监测技术领域，特别涉及一种基于深度学习的睡眠阶段预测方法、存储介质及终端设备。

背景技术

睡眠是发生在人类身上的一个重要的、动态的、有规律的过程，它对一个人的日常活动有着重要的影响，睡眠是大脑活动的最重要的功能之一。一个健康的人的大脑在睡眠过程中会经历几种心理-生理状态，即睡眠阶段。随着现在社会生活压力的增加，越来越多的人被睡眠相关的疾病，如睡眠呼吸暂停、失眠、嗜睡、昏厥等所困扰。这将严重的影响人们的健康和生活质量。越来越多的人们希望通过连续的脑电信号采集与分析并进行睡眠监护来了解自己的睡眠状态，睡眠阶段检测，就是对睡眠阶段进行分类，这对睡眠障碍的研究起着至关重要的作用。然而，现有的人工睡眠信号分类方法普遍成本昂贵、对经验的依赖性高以及耗时长的问题。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种基于深度学习的睡眠阶段预测方法、存储介质及终端设备。

为了解决上述技术问题，本申请实施例第一方面提供一种基于深度学习的睡眠阶段预测方法，所述方法包括：

基于待检测用户的脑电信号以及若干经过训练的睡眠阶段分类模型，以得到若干候选预测概率组；

基于若干候选预测概率组确定所述原始脑电信号对应的睡眠阶段。

所述基于深度学习的睡眠阶段预测方法，其中，所述睡眠阶段分类模型的训练过程具体包括：

获取若干原始脑电信号；

对于每个原始脑电信号，基于预设滑动窗口大小以及预设移动步长将该原始脑电信号划分为若干信号数据段，以得到训练数据集；

基于得到的训练数据集对初始网络模型进行训练，以得到睡眠阶段分类模型。

所述基于深度学习的睡眠阶段预测方法，其中，所述预设滑动窗口大小以及预设移动步长的确定过程包括：

获取若干窗口参数，其中，若干窗口参数中每个窗口参数均包括滑动窗口大小以及移动步长，且各窗口参数互不相同；

基于各窗口参数以及预设脑电信号，确定若干候选数据集，其中，若干候选数据集与若干窗口参数一一对应；

基于各候选数据集对预设网络模型进行训练，以得到若干候选睡眠阶段分类模型；

基于若干候选睡眠阶段分类模型，确定预设滑动窗口大小以及预设移动步长。

所述基于深度学习的睡眠阶段预测方法，其中，所述获取若干窗口参数具体包括：

获取若干滑动窗口大小以及若干移动步长；

将若干滑动窗口大小以及若干移动步长大小进行组合，以得到若干窗口参数。

所述基于深度学习的睡眠阶段预测方法，其中，所述预设滑动窗口大小以及预设移动步长为基于第一候选睡眠阶段分类模型对应的候选数据集对应的窗口参数确定得到，其中，所述第一候选睡眠阶段分类模型为若干候选睡眠阶段分类模型中模型精度最高的候选睡眠阶段分类模型。

所述基于深度学习的睡眠阶段预测方法，其中，滑动窗口大小所述基于得到的训练数据集对初始网络模型进行训练，以得到睡眠阶段分类模型之前，所述方法包括：

确定所述训练数据集中的若干信号数据段对应的均值以及标准差；