[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

说明书

本发明公开了一种基于单通道EEG信号的睡眠状态检测方法，包括：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，将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。本发明能够解决现有睡眠状态检测方法中由于需要设置多个采集电极所导致的耗费人力、提取特征维度低、以及由于过拟合所导致的泛化能力弱的技术问题。

技术领域

本发明属于深度学习技术领域，更具体地，涉及一种基于单通道脑电信号(Electroencephalograph，简称EEG)的睡眠状态检测方法和系统。

背景技术

睡眠状态检测技术目前已经得到了广泛的应用，用于实时监测人们的睡眠状态。

现有的睡眠状态检测方法主要有两种方式，第一种是通过手动提取多通道EEG信号的频域、时域和统计学特征进行阈值判别，从而得到用户的睡眠状态，另一种是通过两路卷积神经网络提取特征，并输入至长短期记忆网络(Long Short-Term Memory，简称LSTM)获取睡眠状态。

然而，上述两种睡眠状态检测方法都存在一些缺陷：针对第一种方法而言，多通道EEG信号的获取需要设置多个采集电极，耗费较多的人力，并且提取的特征的维度低；第二种方法的训练集准确率比验证集准确率高很多，导致该方法的泛化能力弱。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于单通道EEG信号的睡眠状态检测方法和系统，其目的在于，解决现有睡眠状态检测方法中由于需要设置多个采集电极所导致的耗费人力、提取特征维度低、以及由于过拟合所导致的泛化能力弱的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于单通道EEG信号的睡眠状态检测方法，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。

优选地，EEG信号是Fpz-Cz信号。

优选地，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。