[发明专利]睡眠阶段监测方法、装置、计算机和存储介质

说明书

本发明提供一种睡眠阶段监测方法、装置、计算机和存储介质，该方法包括获取人体的各类样本生理信息；通过改进SAE模型对各类所述样本生理信息进行特征提取与重构，获得重构特征；根据所述重构特征生成特征数据集；将所述特征数据集输入至SVM模型对所述SVM模型进行训练，得到用于识别睡眠阶段的分类模型。在采集得到用户的身体的各种样本生理信息后，通过改进SAE模型对各类所述样本生理信息进行特征提取与重构，获得重构特征，并且利用SVM模型对基于重构特征生成的特征数据集进行训练，从而得到能够识别睡眠阶段的分类模型，基于该能够识别睡眠阶段的分类模型能够监测用户各个睡眠阶段的时长并评估用户的睡眠状态，有效预防睡眠障碍疾病。

技术领域

本发明涉及睡眠阶段监测技术领域，特别涉及一种睡眠阶段监测方法、装置、计算机和存储介质。

背景技术

睡眠对人体健康发挥着不可或缺的作用，整夜睡眠质量监测和准确评估对于睡眠相关疾病的诊断和治疗，以及心理和行为的分析和预测至关重要。人的睡眠状态会影响多种生理信号，如脑电图（EEG）、心电图（ECG）、眼电图（EOG）、肌电图（EMG）、呼吸、姿态、血氧饱和度等。多导睡眠描记术（PSG）可全面记录人在睡眠时的生理变化，被称为睡眠质量监测的金标准。然而，由于PSG需要专门的设备和专业医师辅助，且价格昂贵，无法应用于日常生活中。

目前，已有一些技术可用于非医院环境中的睡眠质量监测，如基于脑电图、眼动追踪的睡眠监测技术。脑电波和眼动的变化可以直接反应人的睡眠状态，因此评估精度较高。然而，这两种技术所需设备佩戴复杂、价格高昂，推广较为困难。

人的睡眠结构分为入睡期（W）、浅睡期（N1）、熟睡期（N2）、深睡期（N3）和快速眼动期（REM）五个阶段，其中，N1、N2和N3为非快速眼动期（NREM）。五个阶段每90-110分钟循环一次，称为一个睡眠周期，成年人在睡眠期间总共有4到6个周期。由于睡眠对人体生理信号的影响具有复杂性，以及极大的个性化差异和不确定性。目前的、居家使用的睡眠监测均无法对睡眠的五个阶段进行准确分类，基本只能区分差别较为明显的三个阶段，因此无法全面评估用户日常睡眠状态。

发明内容

基于此，有必要针对上述技术问题，提供一种睡眠阶段监测方法、装置、计算机和存储介质。

一种睡眠阶段监测方法，包括：

获取人体的各类样本生理信息；

通过改进SAE模型对各类所述样本生理信息进行特征提取与重构，获得重构特征；

根据所述重构特征生成特征数据集；

将所述特征数据集输入至SVM模型对所述SVM模型进行训练，得到用于识别睡眠阶段的分类模型。

在其中一个实施例中，所述通过改进SAE模型对各类所述样本生理信息进行特征提取与重构，获得重构特征的步骤中，所述改进SAE模型包括输入层、若干隐藏层、若干dropout层和输出层；

所述输入层用于输入各类所述样本生理信息；

所述隐藏层用于对所述样本生理信息进行数据降维，并对所述样本生理信息提取特征，得到重构特征；

所述dropout层用于对提取的所述重构特征进行正则化处理，以避免所述重构特征过拟合；

所述输出层用于输出所述重构特征。

在其中一个实施例中，所述改进SAE模型中编码器编码和解码的过程如下列式子：

其中，和分别为编码和解码的激励函数，和为权重矩阵，和为偏置。

在其中一个实施例中，所述将所述特征数据集输入至SVM模型对所述SVM模型进行训练，得到用于识别睡眠阶段的分类模型的步骤包括：

将所述特征数据集按预设比例划分为训练集和测试集；

使用所述训练集对所述SVM模型进行训练，使用所述测试集对训练得到的分类模型进行测试，得到所述用于识别睡眠阶段的分类模型。