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！

龙图腾网获悉浙大城市学院申请的专利一种啮齿类动物自动化睡眠分期方法、系统及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120257176B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510714596.X，技术领域涉及：A61B5/00；该发明授权一种啮齿类动物自动化睡眠分期方法、系统及存储介质是由沈伟达;项丽阳;曾玲晖;董静尹;陈建权;李珊珊;陈伏建;王良雪;李晶设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种啮齿类动物自动化睡眠分期方法、系统及存储介质在说明书摘要公布了：本发明公开了一种啮齿类动物自动化睡眠分期方法、系统及存储介质，该方法在获取睡眠监测原始数据后对其进行预处理及特征提取，获得EEG特征值和EMG水平特征值，之后采用自适应阈值计算方法确定EMG水平阈值以及EEG特征阈值，该过程中根据EMG数据进行睡眠分期二分类粗分（分为清醒和睡眠），进而根据粗分结果，结合特征值的数据分布自动为各个特征值设置合理的阈值；结合阈值实现对睡眠的明确分期。该方法无需获得大量标记好的训练数据集，特征物理意义清晰，分期判定结果可解释性强,分析速度快。该方法能够有效摆脱和避免因需要兼顾个体和采集差异性进行手动阈值设置的麻烦，能够快速准确地实现分期。

本发明授权一种啮齿类动物自动化睡眠分期方法、系统及存储介质在权利要求书中公布了：1.一种啮齿类动物自动化睡眠分期方法，其特征在于，包括： 对获取的睡眠监测原始数据进行预处理及特征提取，获得EEG特征值和EMG水平特征值； 采用自适应阈值计算方法确定EMG水平阈值以及EEG特征阈值，根据EMG数据进行睡眠分期二分类粗分，分为清醒期和睡眠期； 根据粗分结果，结合特征值的数据分布自动为各个特征值设置阈值，结合阈值实现对睡眠的明确分期； 其中：所述自适应阈值计算方法包括如下： （1）先基于EMG水平数据确定EMG水平变化基线，判断EMG基线水平区分度，获取EMG基线水平阈值并侦测高EMG区段从而计算EMG基线动态阈值； （2）利用高EMG区段以及EMG基线动态阈值对睡眠数据进行时相二分类，粗分为清醒和睡眠期； （3）根据粗分结果，结合特征值的数据分布自动确定EMG水平阈值及EEG特征阈值； 所述的（1）中具体包括如下： S401：采用长时移动窗口求中位值的方法将EMG水平数据粗粒度化，获得EMG水平变化基线L； S402：将基线L的数值按大小排列，取较小及较大排位的数值分别代表低高EMG水平，计算二者差距，若小于预设区分度决策阈值则进行提示； S403：获取基线L的一阶差分信号D及其绝对值D_abs，进而根据D_abs的数据分布获得一个较大阈值TH_D_hi和一个较小阈值TH_D_lo； S404：基于双阈值端点检测法，结合S403中计算所得的差分信号D以及两个阈值TH_D_hi和TH_D_lo，侦测高EMG区段的起始和终止位置； S405：设向量LW表征清醒水平，长度与L相同，其中元素取值为0或1，0代表睡眠期，1代表清醒期，先将所有元素初始化为0，再将高EMG区段的索引位置对应元素取值为1，获得一个粗粒度的二分睡眠分期序列；将粗粒度动态EMG基线阈值向量BL初始化为L，修正每个高EMG区段的BL值为区段开始前最邻近的5个时刻所对应的L向量元素的均值； 所述的（2）中具体包括如下： S406:睡眠时相粗分 1）利用线性插值方式，将S405中获取的粗粒度向量BL和LW恢复成对应帧数长度的细粒度向量，分别为BLrs和LWrs，将LWrs中高于0.5的值设置为1，低于0.5的值设置为0； 2）计算睡眠帧索引，对于帧索引i，若满足 LWrsi=0且EMG_leveli-BLrsiTH_D_lo 其中，LWrsi为第i时刻的细粒度清醒水平值，EMG_leveli为第i时刻的肌电水平值，BLrsi为第i时刻的细粒度EMG基线阈值；则将此帧设为睡眠帧，除睡眠帧外的帧设为清醒帧； 3）分别获取睡眠和清醒帧索引对应的EMG水平特征值，对应定义为两个向量BLs和BLw； 所述的（3）中具体为： S407：计算EMG水平阈值：根据取BLs数据分布特征计算较高阈值TH_EMG_hi用于区分睡眠和清醒，较低阈值TH_EMG_lo用于区分REM和NREM； S408：根据数据统计分布特征自适应获得区分REM和NREM的EEG特征阈值： 1）获取EEG特征向量Pow_delta对应S406中计算得到的睡眠帧索引位置的值，设为Pow_delta_s; 2）去除Pow_delta_s中的极值点，将剩余数据分到10个等分的区间，统计落到每个区间的数据点数量，假设区间向量为x，对应区间的数量为向量n，计算n均值M； 3）以M归一化向量n，获得向量r； 4）找到n向量中满足数量高于TH的第一个索引位置，设为p，其中，TH取向量r中最大值减0.5后向下取整后与M的乘积； 5）设置循环变量i，遍历p到10，计算高特征值区即NREM期概率较大的特征值F1，其为变量i从p到10，向量x与向量n的累加乘积值与向量n总和值之比； 6）获得低特征值区即REM概率较大的特征值F2，其为变量i从1到p-1，向量x与向量n累加乘积值与向量n的总和值之比； 7取F1和F2的均值作为候选阈值TH1；取Pow_delta_s向量的均值加其一倍标准差作为候选阈值TH2；取TH1和TH2两者中较小者作为EEG特征阈值TH_delta； 根据所提取的所有帧的特征值以及所确定的EMG水平阈值，侦测可能为REM期所在区，并对其进行修正，具体包括如下： 1）将EMG特征值低于较高肌电水平阈值TH_EMG_hi的索引位置对应的EEG特征值组成向量，设为Pow_delta_s1; 2对Pow_delta_s1波形的反向波形进行峰值检测，根据设定条件，获得峰值位置； 3）对于每个侦测到峰值点位置，向左向右分别寻找低delta能量区的起始和终止位置；根据设定条件判定是否需要进行起止位置的修正；若需进行修正，则根据修正规则进行修正直至满足条件无需再进行修正，如此最终获得符合条件的低delta能量区位置索引； 结合EMG水平阈值及EEG特征阈值对睡眠进行明确分期，方法如下： 首先，将所有帧设置为NREM期，将其中EMG水平特征值高于TH_EMG_hi的那些帧修正为清醒期；然后，设置REM，方法如下，对于获得的每个低delta能量区的起止索引位置，将对应起止索引位置内的连续帧进一步筛选：去除其中已经归类到清醒的帧；去除delta能量高于TH_delta的帧；去除肌电水平高于TH_EMG_lo和TH_EMG_hi两者均值的帧；将剩余的帧归类到REM。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙大城市学院，其通讯地址为：310015 浙江省杭州市拱墅区湖州街51号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。