[发明专利]基于自监督式记忆网络的睡眠呼吸障碍检测方法及系统

权利要求书

1.一种基于自监督式记忆网络的睡眠呼吸障碍检测系统，其特征在于，包括：

模块1，用于获取睡眠呼吸正常的多导睡眠图所产生的多模态时序信号作为原始时间序列，依据预设的变换策略将该原始时间序列处理为多个变换时间序列，通过编码器依次将该原始时间序列和每个变换时间序列进行编码，得到多个潜在特征；

模块2，用于构建包含多分类器的自监督学习模块，使用该自监督学习模块对该潜在特征的变换策略进行识别，得到该潜在特征对应各变换策略的概率分布，基于该概率分布，得到该自监督学习模块的交叉熵损失函数L_CE；

模块3，用于构建记忆网络的全局记忆模块和局部记忆模块，使用该全局记忆模块提取所有潜在特征的共有特征，使用该局部记忆模块依次提取各潜在特征的特有特征，并基于全局记忆模块和局部记忆模块的寻址向量，分别得到全局记忆模块和局部记忆模块的稀疏损失函数L_spar；

模块4，用于通过自适应融合模块将该共有特征和该特有特征进行融合，得到新特征，将该新特征输入至与该编码器相对应的解码器中，得到新时间序列，基于该新时间序列和该原始时间序列间的重构误差，构建重构损失函数L_MSE；

模块5，用于通过整合该交叉熵损失函数L_CE、稀疏损失函数L_spar和重构损失函数L_MSE，得到目标函数J，端到端的迭代优化该目标函数J，直到该目标函数J收敛或达到预设迭代次数，保存当前编码器、全局记忆模块、局部记忆模块、自适应融合模块和解码器作为睡眠呼吸障碍检测模型；

模块6，用于将待睡眠呼吸障碍检测的多模态时序信号，输入至该睡眠呼吸障碍检测模型，得到新时间序列作为新时序信号，判断该新时序信号和该多模态时序信号间的重构误差是否大于阈值，若是则输出睡眠呼吸障碍作为检测结果，否则输出睡眠呼吸正常作为检测结果。

2.如权利要求1所述的基于自监督式记忆网络的睡眠呼吸障碍检测系统，其特征在于，模块1中该变换策略包括：高斯噪声变换、时间维度反转转换、沿时间维度随机扰动变换、缩放变换、取反变换和/或平滑变换。

3.如权利要求1所述的基于自监督式记忆网络的睡眠呼吸障碍检测系统，其特征在于，该交叉熵损失函数L_CE：

其中R表示该潜在特征的总个数，y_i和p_i是第i类的伪标签和预测概率，且多分类器的结构为两层全连接层，全连接层中每个神经元都与下一层中的所有神经元相连；

该稀疏损失函数L_spar：

L_spar＝L_spar1+L_spar2

式中C1和C2分别为全局记忆模块与局部记忆模块用于记忆存储的矩阵的行数，w_i为全局记忆模块中的第i行寻址向量，w_j为局部记忆模块中的第j行寻址向量；

重构损失函数L_MSE：

式中concat(·)代表将和z_i串联，z为编码器输出的该新时间序列，为自适应融合模块生成的该原始时间序列，Decoder表示该解码器执行的重构过程；

该目标函数J：J(θ)＝L_MSE+λ₁L_CE+λ₂L_spar，λ₁和λ₂均为权重。

4.如权利要求1所述的基于自监督式记忆网络的睡眠呼吸障碍检测系统，其特征在于，模块6中该阈值为训练集中的所有睡眠呼吸正常数据的重构误差值的99分位数。

5.一种客户端，其特征在于，用于权利要求1至4中任意一种基于自监督式记忆网络的睡眠呼吸障碍检测系统，且该客户端为手机应用APP或电脑应用软件。