[发明专利]基于双输入卷积神经网络的睡眠阶段分类方法及应用有效
| 申请号： | 201910637527.8 | 申请日： | 2019-07-15 |
| 公开（公告）号： | CN110584596B | 公开（公告）日： | 2022-05-27 |
| 发明（设计）人： | 高忠科;蔡清;马超;马文庆 | 申请（专利权）人： | 天津大学;天津富瑞隆金属制品有限公司 |
| 主分类号： | A61B5/00 | 分类号： | A61B5/00;A61B5/374 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于双输入卷积神经网络的睡眠阶段分类方法及应用，获取有限穿越可视图复杂网络的特征指标：对睡眠阶段脑电片段，建立有限穿越可视图复杂网络；提取节点度值；根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标；建立双输入卷积神经网络模型；采用十折交叉验证和双输入卷积神经网络模型，将节点度值序列和睡眠阶段脑电片段输入到双输入卷积神经网络模型，将睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。本发明能够实现对不同睡眠阶段脑电信号的高准确率的分类。可应用于智能家居监测设备，通过分析智能家居监测设备测得的睡眠脑电信号，实现对使用者大脑状态的监测。 | ||
| 搜索关键词： | 基于 输入 卷积 神经网络 睡眠 阶段 分类 方法 应用 | ||
【主权项】：
1.一种基于双输入卷积神经网络的睡眠阶段分类方法，其特征在于，包括如下步骤：/n1)获取有限穿越可视图复杂网络的特征指标，包括：/n(1)对一个长度为T的睡眠阶段脑电片段
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学;天津富瑞隆金属制品有限公司，未经天津大学;天津富瑞隆金属制品有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910637527.8/，转载请声明来源钻瓜专利网。
