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！

申请/专利权人：长春理工大学

摘要：本申请公开了一种睡眠分期方法、系统、装置及介质，应用于睡眠分期领域，该方法包括：获取与睡眠有关的生理信号；获取所述生理信号经过图卷积神经网络进行特征提取后的第一输出特征；获取所述生理信号经过注意力机制卷积神经网络进行特征提取后的第二输出特征；获取所述第一输出特征和所述第二输出特征进行特征融合后的特征融合结果；根据所述特征融合结果获取睡眠分期结果。通过增加图卷积神经网络进行特征提取，解决了目前只能在欧几里得空间上进行特征提取的问题，同时增加了注意力机制卷积神经网络，利用注意力机制提取全局特征，最大限度的淡化了因为个体差异带来的局部最优的影响。不仅实现了对睡眠的分期，同时对睡眠分期的准确率也较高。

主权项：1.一种睡眠分期方法，其特征在于，包括：获取与睡眠有关的生理信号；其中，所述生理信号为脑电信号与眼电信号；调用图卷积神经网络和注意力机制卷积神经网络得到与所述图卷积神经网络对应的第一输出特征和与所述注意力机制卷积神经网络对应的第二输出特征；对所述第一输出特征和所述第二输出特征进行特征融合得到特征融合结果；根据所述特征融合结果确定睡眠分期结果；在所述获取与睡眠有关的生理信号后，还包括：对所述生理信号进行样本增强处理得到第一样本集；所述对所述生理信号进行样本增强处理包括：利用dni＝di+rand0,1×dmi-di将所述生理信号合成样本集；其中dni为所述样本集中n个样本中的第i个样本，di为每个单独的样本，dmi为m个最近邻的第i个样本；调用所述图卷积神经网络得到与所述图卷积神经网络对应的所述第一输出特征包括：调用邻接矩阵和特征矩阵；利用所述邻接矩阵和所述特征矩阵经过第一图卷积层提取第一图卷积结果；通过图池化层对所述第一图卷积结果进行池化得到池化结果；调用第二图卷积层对所述池化结果提取得到第二图卷积结果；获取读出层对所述第二图卷积结果读出得到的读出结果；通过多层感知机对所述读出结果感知得到感知结果；根据所述感知结果输出所述第一输出特征；所述调用邻接矩阵包括：利用对原始的邻接矩阵进行构建；其中为构建后的所述邻接矩阵，A为原始的邻接矩阵，I为同维度的单位矩阵，λ为常系数；利用对构建后的所述邻接矩阵进行对称归一化处理；其中为对称且归一化的所述邻接矩阵，为构建后的所述邻接矩阵的度矩阵；所述调用所述注意力机制卷积神经网络得到与所述注意力机制卷积神经网络对应的所述第二输出特征包括：获取所述第一样本集；调用第一卷积层对所述第一样本集提取得到第一卷积结果；利用第一池化层对所述第一卷积结果池化得到第一池化结果；获取丢弃层对所述第一池化结果处理得到的处理结果；调用第二卷积层对所述处理结果提取得到第二卷积结果；通过卷积注意力模块对所述第二卷积结果卷积得到注意力卷积结果；利用第二池化层对所述注意力卷积结果池化得到第二池化结果；根据所述第二池化结果输出所述第二输出特征；所述卷积注意力模块包括：通道注意力函数和空间注意力函数，所述调用第二卷积层对所述处理结果提取得到第二卷积结果包括：利用所述通道注意力函数对所述第二卷积结果进行一维卷积得到通道卷积结果；通过所述空间注意力函数对所述通道卷积结果经过进行二维卷积得到空间卷积结果；根据所述空间卷积结果输出所述注意力卷积结果；所述对所述第一输出特征和所述第二输出特征进行特征融合得到特征融合结果包括：利用对所述第一输出特征和所述第二输出特征进行特征融合；其中yi为最终的融合特征，C为所有训练样本的类别数，Softmax为分类函数。

全文数据：

权利要求：

百度查询： 长春理工大学 一种睡眠分期方法、系统、装置及介质