[发明专利]一种基于心冲击信号的睡眠分期方法、系统、装置及介质

权利要求书

1.一种基于心冲击信号的睡眠分期方法，其特征在于，包括以下步骤：

采集人体的第一心冲击信号；

根据所述第一心冲击信号获取第一心跳信号和第一呼吸信号；

根据所述第一心跳信号和所述第一呼吸信号获取第一心率变异性和第一心肺耦合功率谱图；

将所述所述第一心率变异性和所述第一心肺耦合功率谱图输入睡眠分期模型进行特征提取，根据提取的特征进行睡眠分期，输出分期结果；

其中，所述睡眠分期模型通过采用心电信号进行训练后，再基于迁移学习，采用心冲击信号进行调整获得。

2.根据权利要求1所述的一种基于心冲击信号的睡眠分期方法，其特征在于，所述睡眠分期模型通过以下方式获得：

同步采集人体的第二心冲击信号和心电信号；

根据所述第二心冲击信号获取第二心跳信号和第二呼吸信号，根据所述第二心跳信号和所述第二呼吸信号获取第二心率变异性和第二心肺耦合功率谱图；

根据所述心电信号获取第三心跳信号和第三呼吸信号，根据所述第三心跳信号和所述第三呼吸信号获取第三心率变异性和第三心肺耦合功率谱图；

构建多模态神经网络，所述多模态神经网络用于对心率变异性和心肺耦合功率谱图进行特征提取，并根据提取的特征进行睡眠分期；

采用所述第三心率变异性和所述第三心肺耦合功率谱图对所述多模态神经网络进行预训练，应用迁移学习，采用所述第二心率变异性和所述第二心肺耦合功率谱图对所述多模态神经网络进行调整，获得睡眠分期模型。

3.根据权利要求1所述的一种基于心冲击信号的睡眠分期方法，其特征在于，所述根据所述第一心冲击信号获取第一心跳信号和第一呼吸信号，包括：

根据所述第一心冲击信号计算移动平均值，根据所述移动平均值剔除所述第一心冲击信号中的噪声信号；

采用小波变换提取预设频段的信号分量；

从信号分量中获取周期性较强的心跳信号作为所述第一心跳信号；

从信号分量中获取周期性较强的呼吸信号作为所述第一呼吸信号；

其中，周期性通过自相关系数进行评估。

4.根据权利要求1所述的一种基于心冲击信号的睡眠分期方法，其特征在于，心率变异性的指标包括：时域特征、频域特征、样本熵、庞加莱图特征、交感神经指数以及迷走神经指数；

心肺耦合功率谱图通过以下方式获得：

基于滑动窗口计算心跳信号和呼吸信号的交叉谱密度，获取预设频率段中多个窗口的计算结果，将多个窗口的计算结果按时间顺序进行拼接，获得心肺耦合功率谱图。

5.根据权利要求1所述的一种基于心冲击信号的睡眠分期方法，其特征在于，所述睡眠分期模型包括卷积神经网络、长短期记忆网络和注意力机制神经网络；

睡眠分期模型对心率变异性和心肺耦合功率谱图进行特征提取，包括：

采用卷积神经网络提取心肺耦合功率谱图的特征，获得第一特征向量；

采用长短期记忆网络提取心率变异性的特征，获得第二特征向量；

将所述第一特征向量和所述第二特征向量进行联结，获得第三特征向量；

将所述第三特征向量输入注意力机制神经网络进行睡眠分期判断，获得分期结果。

6.根据权利要求5所述的一种基于心冲击信号的睡眠分期方法，其特征在于，训练所述睡眠分期模型时采用的损失函数的表达式如下：

其中，HRV_real,i表示实际的心率变异性特征，HRV_i表示模型提取的心率变异性特征，CPC_real,i实际的心肺耦合特征，CPC_i表示模型提取的心肺耦合特征，Attention_target,i表示目标注意力机制向量，Attention_i表示模型生成的注意力机制向量，n为样本数，λ为正则化参数，w为神经网络中的参数，p为参数的数量，m为频率范围，k为注意力机制向量的个数。