[发明专利]基于单通道脑电信号多尺度残差网络睡眠分期方法及系统

权利要求书

1.一种基于单通道脑电信号的多尺度残差网络睡眠分期方法，其特征在于，包括：

步骤S1：采集原始单通道脑电信号作为输入信号；

步骤S2：将所述输入信号进行翻转，添加随机噪声后，对其进行归一化处理，构建训练数据；

步骤S3：将所述训练数据经过预处理卷积层进行卷积操作、批标准化操作、激活函数和池化操作后，得到特征信号序列；

步骤S4：将所述特征信号序列通过至少一个通路处理，再经过平均池化，得到至少一个特征向量，所述通路包括至少一个残差块，所述至少一个残差块包括至少两个卷积块；

步骤S5：将所述至少一个特征向量合并，连接到全连接层，输出所述睡眠分期结果；

步骤S6：利用带权重数据构建自适应损失函数，训练多尺度睡眠分期结果；

步骤S7：对所述输出结果进行评估。

2.根据权利要求1所述的基于单通道脑电信号的多尺度残差网络睡眠分期方法，其特征在于，所述步骤S4中所述卷积块包括：如下述公式(2)所示的卷积操作、如下述公式(3)所示的批标准化操作以及如下述公式(4)所示的激活函数；

其中，为卷积算子；x为输入；μ为权重；y为输出；b为偏置；

s＝BN(y) (3)

其中，BN为批标准化操作；s是批标准化操作后的输出向量；

h＝ReLU(s) (4)

其中，h是经过激活函数ReLU计算后的卷积块的输出向量。

3.根据权利要求2所述的基于单通道脑电信号的多尺度残差网络睡眠分期方法，其特征在于，所述步骤S4中所述残差块包括至少两个卷积块，其中，每个所述残差块如下述公式(5)～(8)所示：

h₁＝B(x) (5)

h₂＝B(h₁) (6)

y＝h₂+x (7)

∧

h＝ReLU(y) (8)

其中，B为基础卷积块；h₁和h₂为卷积块；为残差块。

4.根据权利要求3所述的基于单通道脑电信号的多尺度残差网络睡眠分期方法，其特征在于，所述步骤S4中所述残差块，还包括：捷径连接作为残差连接，如下述公式(13)所示：

其中，x为输入；y为通过捷径连接得到输出；W_i为卷积操作；线性映射W_s用于规范x和y的维度；F(x,W_i)为残差函数，如下述公式(10)表示：

F＝W_iσ(W_ix) (14)

其中，σ为激活函数。

5.根据权利要求2所述的基于单通道脑电信号的多尺度残差网络睡眠分期方法，其特征在于，所述步骤S6中损失函数，如下述公式(15)所示：

loss(input,target)＝weight[target]×(-input[target]+log(∑_je^input[j])(15)

其中,input是激活函数处理后的一维数组，数组中包含了预测后的每个睡眠阶段标签的概率值，input[j]表示input数组中索引为j的元素，target为实际的睡眠阶段标签,weight[target]为该实际标签的权重；weight[target]定义如下述公式(16)所示：

其中，p(target)为标签target占总标签的比例。