[发明专利]一种通过自动睡眠分期结果的常见睡眠疾病检测方法

权利要求书

1.一种通过自动睡眠分期结果的常见睡眠疾病检测模型生成方法，其特征在于，包括以下步骤：

S1、数据集获取：获取健康人的睡眠数据集、患有夜间额叶癫痫的患者的睡眠数据集、患有阻塞性睡眠呼吸暂停的患者的睡眠数据集；

S2、特征提取：将步骤S1获取的数据进行分段处理，以30秒为步长将数据分成相同长度的若干数据段，然后对每个数据段进行特征提取；

S3、采用时间注意力结合条件随机场构建睡眠自动分期模型；具体实现方法为：将提取的特征向量输入Bi-GRU中提取时序特征，通过sigmoid函数给相关度高的时间序列赋高的权重，再与原始输入特征向量相乘，将得到的结果输入到一个FC中，得到条件随机场CRF的输入，公式为Attention(X，X)＝Sigmoid(GRU(X))X，其中X为输入的特征向量；将时间注意力机制得到的预测标签输入至CRF，利用CRF线性链方法建模，通过维特比算法解码出最优标签序列路径；修正全部数据及的标签序列，使其不断和专家人工睡眠分期判定结果的标签序列吻合，当二者完全吻合时，得到睡眠自动分期模型；

S4、采用迁移学习进行患者数据集分期；

S5、构建睡眠疾病检测模型：将睡眠分期的预测结果作为输入数据，打上相应身体状态的标签，制作睡眠疾病检测数据集；然后通过机器学习Xgboost模型进行训练，得到睡眠疾病检测模型。

2.根据权利要求1所述的一种通过自动睡眠分期结果的常见睡眠疾病检测模型生成方法，其特征在于，所述步骤S1具体实现方法为：健康人的数据集为通过睡眠设备采集的多导睡眠图PSG，共5个通道，分别为2个EEG通道，2个EOG通道，1个EMG通道；

患有夜间额叶癫痫的患者的睡眠数据集从Physionet的CAP Sleep Database中获取，包括2个EEG通道，2个EOG通道和1个EMG通道；

患有阻塞性睡眠呼吸暂停的睡眠数据集从Physionet的圣文森特大学医院/都柏林大学学院睡眠呼吸暂停数据库中获取，包括2个EEG通道，2个EOG通道，1个EMG通道。

3.根据权利要求1所述的一种通过自动睡眠分期结果的常见睡眠疾病检测模型生成方法，其特征在于，所述步骤S2具体实现方法为：

S21、给健康人数据集打上标签，分别为清醒期WAKE、快速眼动期REM、非快速眼动期第一阶段N1、非快速眼动期第二阶段N2和非快速眼动期第三阶段N3期；

S22、将患有夜间额叶癫痫的患者的睡眠数据集的标签整合，并打上标签；

S23、将患有阻塞性睡眠呼吸暂停的患者的睡眠数据集的标签整合，并打上标签；

S24、以30秒为步长将睡眠数据分成相同长度的若干数据段，并与标签一一对应；

S25、根据各个通道的生理信号进行特征提取，将每30s的睡眠数据提取以下特征：时域特征量、频域特征量和非线性动力学特征量。

4.根据权利要求1所述的一种通过自动睡眠分期结果的常见睡眠疾病检测模型生成方法，其特征在于，所述步骤S4具体实现方法为：

S41、将健康人睡眠数据作为源域，训练睡眠自动分期模型作为基本模型并保存模型及权重参数；

S42、将患有夜间额叶癫痫的患者的睡眠数据集作为目标域，送入源域的模型，并以源域的权重参数作为目标域训练的初始参数进行微调，并保存结果最好的微调后的模型及参数；

S43、最后将患有阻塞性睡眠呼吸暂停的患者睡眠数据集作为第二个目标域，把步骤S42保存的模型及参数作为此目标域的初始模型及参数，再次进行微调，并保存结果最好的微调后的模型及参数；

S44、将健康人的睡眠数据集、患有夜间额叶癫痫的患者的睡眠数据集、患有阻塞性睡眠呼吸暂停的患者的睡眠数据集分别输入步骤S43训练好的模型中进行分类，得到三种不同类型数据集的睡眠分期测试结果。