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！

龙图腾网获悉兴质(北京)科技研究院有限公司申请的专利基于自适应触发时间特征的睡眠分期方法、系统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：CN120345861B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510451904.4，技术领域涉及：A61B5/00；该发明授权基于自适应触发时间特征的睡眠分期方法、系统是由刘钟泽;卢一;宋慧佳;张玲;刘一村设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本基于自适应触发时间特征的睡眠分期方法、系统在说明书摘要公布了：本发明公开了基于自适应触发时间特征的睡眠分期方法、系统，属于高原睡眠阶段分期技术领域，解决了现有方法在提取多模态信号特征时，无法有效识别和提取睡眠中偶发性事件的问题，方法包括基于预设的偶发性事件判断机制判断生理监测信号是否为偶发性事件关联信号，采用偶发性事件判断机制计算单组时间窗口内偶发性事件值，特征抽取模型对偶发性事件识别与抽取，睡眠阶段分期模型对特征融合结果分析处理，输出睡眠分期结果；本发明通过引入具有时间衰减函数的偶发性事件判断机制，筛选事件数据，并从PPG信号与事件数据中提取特征，这些特征被输入到睡眠阶段分期模型中进行睡眠阶段预测，同时结合动态调整的触发阈值，提升特征提取的准确性。

本发明授权基于自适应触发时间特征的睡眠分期方法、系统在权利要求书中公布了：1.基于自适应触发时间特征的睡眠分期方法，用于高原睡眠阶段分期技术领域，其特征在于，基于自适应触发时间特征的睡眠分期方法包括： 首先通过可穿戴设备实时获取时序性的生理监测信号，包括心率数据、加速度数据，其中加速度数据为记录了x、y、z三个轴向的三轴加速度，对生理监测信号归一化处理； 加载归一化处理后的生理监测信号，对生理监测信号融合预处理，遍历生理监测信号，基于预设的偶发性事件判断机制判断生理监测信号是否为偶发性事件关联信号； 若生理监测信号为偶发性事件关联信号，将生理监测信号置于偶发性事件集中，采用偶发性事件判断机制计算单组时间窗口内偶发性事件值，当单组时间窗口期偶发性事件值超过预设的积累阈值时，触发柔性触发机制； 以单组时间窗口期内偶发性事件集、生理监测信号为输入，执行特征抽取模型，特征抽取模型对偶发性事件识别与抽取，得到特征融合结果； 加载特征融合结果，基于预训练的睡眠阶段分期模型对特征融合结果分析处理，输出睡眠分期结果； 所述偶发性事件判断机制为柔性触发机制，柔性触发机制中定义了融合加速度的阈值和偶发性事件积分阈值，当融合加速度超过加速度的阈值时，代表发生了偶发性事件； 所述采用偶发性事件判断机制计算单组时间窗口内偶发性事件值的方法，包括： 遍历事件积分空间内偶发性事件关联信号，识别偶发性事件关联信号对应融合加速度的方波，对融合加速度的方波进行积分； 对融合加速度的方波进行积分的公式表示为：2其中，表示融合加速度信号的方波，表示对t0到t1时间内的融合加速度方波进行积分； 当加速度的方波的积分值未达到阈值时，采用时间流逝函数的将事件积分空间中的积分值进行流逝； 当单组时间窗口期偶发性事件值超过预设的积累阈值时，触发柔性触发机制，门控单元开启，进入特征抽取模型； 所述特征抽取模型由FusedAccelExtractor模型和HeartRateExtractor模型组成，FusedAccelExtractor模型用于偶发性事件集中加速度特征提取，HeartRateExtractor模型用于生理监测信号中心率特征提取； FusedAccelExtractor模型包括时间卷积网络模块、Bi‑GRU和多头注意力机制，时间卷积网络模块用于增强信号的局部相关性，Bi‑GRU用于捕捉时间序列的前向和后向依赖性，最终通过多头注意力机制提取全局特征； HeartRateExtractor模型由时间卷积网络模块和Transformer组成，时间卷积网络模块用于增强局部特征，Transformer通过自注意力机制处理卷积后的特征以捕捉时间步之间的关系，在特征提取后，通过特征融合网络FeatureFusionNetwork将心率和加速度信号中的特征融合； 所述基于预训练的睡眠阶段分期模型对特征融合结果分析处理的方法，包括： 以长短时记忆网络为睡眠阶段分期模型，加载特征融合结果； 将提取的特征融合结果输入到睡眠阶段分期模型中，长短时记忆网络通过门控机制和记忆单元自动学习时间序列中的长期和短期依赖关系； 通过一个全连接层将长短时记忆网络的隐藏状态映射到不同的睡眠阶段类别，输出睡眠分期结果； 在评估睡眠阶段分期模型性能时，采用混淆矩阵、卡帕统计量、精确度、召回率、F1分数评估，混淆矩阵显示睡眠阶段分期模型表现如以下公式：4采用卡帕统计量衡量模型预测与实际观测的一致性，并考虑偶然一致性的影响，预测与实际观测的一致性公式如下：5其中，混淆矩阵显示睡眠阶段分期模型表现包括真正例、假正例、假负例和真负例。

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兴质(北京)科技研究院有限公司，其通讯地址为：100126 北京市大兴区中关村科技园区大兴生物医药产业基地永大路38号1幢4层409室(集群注册)；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”。

以上内容由龙图腾AI智能生成。