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：山东锋士信息技术有限公司

摘要：本发明涉及一种基于自监督学习和Mamba网络的睡眠分期方法及系统，属于健康信息处理、模式识别技术领域。采用自监督训练网络进行数据处理提取高质量睡眠脑电信号特征，自监督训练网络包括特征增强、特征筛选、掩码预测三分支并行网络；对高质量睡眠脑电信号特征利用可分离卷积模块进行时频特征提取；提取的特征输入基于Mamba网络的特征增强模块再次进行上下文特征提取；利用分类器对提取的特征信息进行睡眠分期分类。本发明整体方法提高了睡眠分期分类的效率、准确性和适应性。

主权项：1.一种基于自监督学习和Mamba网络的睡眠分期方法，其特征是，包括步骤如下：S1.获取睡眠脑电信号并预处理得到样本数据集；S2.采用自监督训练网络进行数据处理提取高质量睡眠脑电信号特征：自监督训练网络包括特征增强、特征筛选、掩码预测三分支并行网络，特征增强分支对脑电信号先分别基于频域和时域进行增强，再将原始脑电信号和增强后数据送入编码器模块中，得到每个片段元素的向量表示，分别在时序方向和频域方向对于向量表示进行随机数据组合增强得到增强样本数据向量，并计算时序特征优化损失、频率特征优化损失及总的对比损失；特征筛选分支对输入数据先经过嵌入层后进入聚类模块，通过聚类算法得到每个类的簇心向量表示，计算簇心周围每个点的聚类损失函数；掩码预测分支将脑电信号随机掩码，然后进行初步上下文特征提取，之后利用对聚类损失函数反向传播求导数得到每个维度的梯度值进行特征维度筛选，再进行掩码预测，计算掩码预测损失；计算三分支网络的总损失进行多任务训练，用训练好的网络提取高质量睡眠脑电信号特征；所述的特征增强分支对脑电信号先分别基于频域和时域进行增强，首先将不同的序列数据经过快速傅里叶变换得到序列的频率表示，将不同序列的相同频率数据段进行随机替换，得到新的频率表示，然后再经过一个反向快速傅里叶变换得到频域增强后的序列，其次对于一个完整的序列样本，对开头结尾数据进行裁剪，得到可用性更强的脑电信号数据；所述的特征维度筛选是根据梯度值的大小对特征维度进行排名，保留给定比例的重要维度；S3.对高质量睡眠脑电信号特征利用可分离卷积模块进行时频特征提取；所述的可分离卷积模块包括两个大小不同的卷积层和一个可分离卷积层，可分离卷积 由一个深度卷积层和一个逐点卷积层组成；首先使用大小为150的卷积层提取睡眠脑电 信号中的高频特征，使用大小为1100的卷积层提取睡眠脑电信号中的低频提取，随后经 过深度卷积层来学习特定频率的空间信息并捕获每个睡眠阶段的频率间信息，使用逐点卷 积层以最佳方式混合每个特征图； S4.步骤S3提取的特征输入基于Mamba网络的特征增强模块再次进行上下文特征提取；所述的基于Mamba网络的特征增强模块包括线性映射层、一维卷积层、选择性状态空间模型层和激活函数，该模块先通过编码器接受来自多个信号时段的分类令牌，令牌的个数为信号输入的序列数，得到输出数据H，输出数据H经过线性映射以扩展输入嵌入，之后送入一层一维卷积块中得到输出数据V，输出数据V经过Silu激活函数处理后再输入选择性状态空间模型中在序列长度线性缩放的同时执行上下文相关的推理，最终经过一层线性映射得到最后的输出特征，同时在输入数据和输出特征之间采用了跳跃连接；S5.利用分类器对提取的特征信息进行睡眠分期分类。

全文数据：

权利要求：

百度查询： 山东锋士信息技术有限公司 一种基于自监督学习和Mamba网络的睡眠分期方法及系统