[发明专利]基于脑电EEG生理信息的睡眠质量判断方法

权利要求书

1.一种基于脑电EEG生理信息的睡眠质量判断方法，其特征在于，包括以下步骤：

步骤1、采集样本数据，对样本数据进行睡眠分期并标注；

步骤2、预处理样本数据及确定样本特征；

步骤3、通过样本数据训练出至少两个基于不同算法下的候选模型；

步骤4、根据性能评估指标按预设标准对各候选模型的效果进行评估，并选择评估效果最佳的候选模型作为最终模型；

步骤5、通过最终模型对需要判断的数据按预设标准进行睡眠分期；

步骤6、根据步骤5的睡眠分期按预设标准来获得睡眠质量指标，并将睡眠质量指标与正常指标进行对比，判断是否睡眠质量下降。

2.根据权利要求1所述的基于脑电EEG生理信息的睡眠质量判断方法，其特征在于：在步骤1中，包括采集脑电EEG生理信息数据作为样本数据，以及，将样本数据按预设的时间长度进行分段并按照预设的睡眠分期规则分别对各段样本数据标注相应的睡眠阶段标签。

3.根据权利要求2所述的基于脑电EEG生理信息的睡眠质量判断方法，其特征在于：所述预设的时间长度为20～40s。

4.根据权利要求2或3所述的基于脑电EEG生理信息的睡眠质量判断方法，其特征在于，步骤2具体包括：

步骤2.1、从样本数据中提取多个样本特征，并按照预设标准筛选出若干个特征作为选定特征；

步骤2.2、将样本数据中的特征值进行归一化算法处理，把特征值归一化到[0,1]范围内。

5.根据权利要求4所述的基于脑电EEG生理信息的睡眠质量判断方法，其特征在于：在步骤2.1中，从样本数据中提取的样本特征包括各段样本数据中不同频段的均值、方差、绝对功率、相对功率、中心频率、绝对中心频率、相对中心频率、偏度、峰度、Hjorth参数的活动性、移动性、复杂性，以及全频段的香农熵、谱熵、柯尔莫哥洛夫熵、近似熵、最大李雅普诺夫指数、C0复杂度、关联维数、排列熵、Kolmogorov复杂度，并通过最大互信息系数计算方法筛选出取互信息值最大的前n个样本特征作为选定特征，以及，通过穷举法获得各候选模型下不同n值与Acc值的组合，并计算性能评价函数选取performance值最大时的n值作为最终的选定特征的数量，其中，n代表选定特征的数量，N代表样本特征的总数量，w₁和w₂均是预先设定的权重系数，并且w₁+w₂＝1,w₁1,w₂1，所述Acc代表分类准确率，即候选模型的分类结果是正确的数量占所有分类结果的比例。

6.根据权利要求5所述的基于脑电EEG生理信息的睡眠质量判断方法，其特征在于：在步骤4中，所述性能评估指标包括Acc、TPR、FPR、Precision、F-Measure，选择上述任意一个性能评估指标按预设标准来对各候选模型的效果进行评估，并按预设标准选择评估效果最佳的候选模型作为最终模型；其中，所述Acc指分类准确率；所述TPR指预测对的正样本总数占所有正样本总数的比例，即召回率recall，所述正样本是指通过候选模型对各段样本数据进行分类所获得的结果与步骤1中标注的睡眠阶段标签一致的样本；所述FPR指预测错的正样本占全体正样本的比例；所述Precision指预测对的正样本总数占预测的正样本总数的比例；所述F-Mearsure指综合评价指标，该F-Mearsure＝(2×Precision×Recall)/(Precision+Recall)。