[发明专利]一种基于单通道EEG信号的睡眠状态检测方法和系统

权利要求书

1.一种基于单通道EEG信号的睡眠状态检测方法，其特征在于，包括以下步骤：

(1)实时采集单通道EEG信号，对该单通道EEG信号进行下采样处理；

(2)将步骤(1)下采样处理后的单通道EEG信号输入分类器模型中，以得到对应的睡眠状态，其中分类器模型的训练过程如下：

a)从EEG数据集中获取无睡眠障碍的每个用户的固定时间长度的单通道EEG信号作为训练样本；

b)统计每个用户的所有训练样本中对应于不同睡眠状态的训练样本数，以训练样本数最多的睡眠状态为标准，对其余4种睡眠状态对应的训练样本进行数据增强处理，使得五种睡眠状态对应的训练样本数相同，所有的睡眠状态对应的训练样本共同构成训练数据集；

c)将训练数据集(1,3000)输入第一卷积层，其核大小为(1,16)，维度为16，步长为4，则第一层输出为(1,750)，再输入主路部分，首先经过第一池化层，其核大小为(1,2)，步长为2，然后经过第二卷积层，其核大小为(1,8)，维度为16，步长1，不改变数据尺寸；随后，再输入第一随机失活层，其失活率为0.8，以降低模型过拟合；之后，输入至第三卷积层，核大小为(1,8)，维度为16，步长为2，输出数据尺寸为(1,375)；第一卷积层处理后的数据同时输入支路部分，即经过第二池化层，其核大小为(1,2)，步长为2，输出尺寸和特征维度与主路相同，最后，将池化层输出的结果与第三卷积层处理后的结果相加；

d)将步骤c)的结果输入依次相连的8个残差单元进行处理；其中第一个残差单元输出数据的尺寸为(1,375)，特征维度为32；第二个残差单元输出数据的尺寸为(1,375)，特征维度为32；第三个残差单元输出数据的尺寸为(1,188)，特征维度为64；第四个残差单元输出数据的尺寸为(1,94)，特征维度为64；第五个残差单元输出数据的尺寸为(1,94)，特征维度为128；第六个残差单元输出数据的尺寸为(1,24)，特征维度为128；第七个残差单元输出数据的尺寸为(1,24)，特征维度为256；第八个残差单元输出数据的尺寸为(1,6)，特征维度为256；

e)将步骤d)最终输出的结果依次输入第三批归一化层、第三ReLU层、全连接层、以及输出层，以得到所有训练样本对应的睡眠状态。

2.根据权利要求1所述的睡眠状态检测方法，其特征在于，EEG信号是Fpz-Cz信号。

3.根据权利要求1所述的睡眠状态检测方法，其特征在于，EEG数据集是Sleep-EDFExpanded数据集，获取单通道EEG信号的频率为100Hz，固定长度是30秒，每个训练样本包括30*100＝3000个数据点。

4.根据权利要求3所述的睡眠状态检测方法，其特征在于，睡眠状态包括：

W期，即清醒期；

N1睡眠期，即非快速眼动睡眠1期；

N2睡眠期，即非快速眼动睡眠2期；

N3睡眠期，即非快速眼动睡眠3期；以及

REM睡眠期，即快速眼动睡眠期。

5.根据权利要求4所述的睡眠状态检测方法，其特征在于，

每个残差单元包括主路部分，其是由第一批归一化层、第一ReLU层、第二随机失活层、第四卷积层、第二批归一化层、第二ReLU层、第三随机失活层、以及第五卷积层顺次构成；

每个残差单元还包括支路部分，其是由1x1卷积层和第三池化层组成，用于在短连接时改变输入数据的特征维度和尺寸大小，保证在于主路残差模块输出相加时维度和尺寸保持一致；

前7个残差单元中每一个残差单元的主路部分和支路部分的输出结果相加后，作为下一个残差单元的输入；

第8个残差单元中每一个残差单元的主路部分和支路部分的输出结果相加后，作为步骤d)的最终输出结果。

6.一种基于单通道EEG信号的睡眠状态检测系统，其特征在于，包括以下步骤：

第一模块，用于实时采集单通道EEG信号，对该单通道EEG信号进行下采样处理；

第二模块，用于将第一模块下采样处理后的单通道EEG信号输入分类器模型中，以得到对应的睡眠状态，其中分类器模型的训练过程如下：

a)从EEG数据集中获取无睡眠障碍的每个用户的固定时间长度的单通道EEG信号作为训练样本；

b)统计每个用户的所有训练样本中对应于不同睡眠状态的训练样本数，以训练样本数最多的睡眠状态为标准，对其余4种睡眠状态对应的训练样本进行数据增强处理，使得五种睡眠状态对应的训练样本数相同，所有的睡眠状态对应的训练样本共同构成训练数据集；

c)将训练数据集(1,3000)输入第一卷积层，其核大小为(1,16)，维度为16，步长为4，则第一层输出为(1,750)，再输入主路部分，首先经过第一池化层，其核大小为(1,2)，步长为2，然后经过第二卷积层，其核大小为(1,8)，维度为16，步长1，不改变数据尺寸；随后，再输入第一随机失活层，其失活率为0.8，以降低模型过拟合；之后，输入至第三卷积层，核大小为(1,8)，维度为16，步长为2，输出数据尺寸为(1,375)；第一卷积层处理后的数据同时输入支路部分，即经过第二池化层，其核大小为(1,2)，步长为2，输出尺寸和特征维度与主路相同，最后，将池化层输出的结果与第三卷积层处理后的结果相加；

d)将步骤c)的结果输入依次相连的8个残差单元进行处理；其中第一个残差单元输出数据的尺寸为(1,375)，特征维度为32；第二个残差单元输出数据的尺寸为(1,375)，特征维度为32；第三个残差单元输出数据的尺寸为(1,188)，特征维度为64；第四个残差单元输出数据的尺寸为(1,94)，特征维度为64；第五个残差单元输出数据的尺寸为(1,94)，特征维度为128；第六个残差单元输出数据的尺寸为(1,24)，特征维度为128；第七个残差单元输出数据的尺寸为(1,24)，特征维度为256；第八个残差单元输出数据的尺寸为(1,6)，特征维度为256；

e)将步骤d)最终输出的结果依次输入第三批归一化层、第三ReLU层、全连接层、以及输出层，以得到所有训练样本对应的睡眠状态。