睡眠分期识别方法、装置以及计算机可读存储介质与流程

本发明涉及计算机，具体涉及一种睡眠分期识别方法、装置以及计算机可读存储介质。

背景技术：

1、睡眠质量问题已成为当今社会愈发重视的健康问题，由此催生出大量对于睡眠监测和睡眠质量改善设备的需求。脑电数据是经典且主要的睡眠分期依据，而其中前额叶(位于大脑前端的皮层区域，主要负责高级认知功能，如：决策、计划、抽象思维等)脑电包含了较为全面的睡眠分期相关特征波形。同时，前额叶单通道电极也可以实现较高的睡眠舒适度，是目前可行性较高的轻量级睡眠监测设备的技术路径。目前学术界基于单通道脑电信号进行睡眠分期，主要采用以下方法：

2、(1)人工手动分期：由脑电分期专家通过鉴别脑电波形特征，对睡眠进行分期。此方法需耗费较大量的人力和时间，成本较高，仅适用于小规模数据的精细分析，不适用于大规模数据的批量快速分析。

3、(2)机器学习分类：通过机器学习算法(如：支持向量机、卷积神经网络、随机森林，等等)，以有监督或无监督的方式训练分类模型，随后通过已训练好的模型来对睡眠脑电数据进行自动化分期。此方法适用于大规模数据的批量快速分析，但需要较大量的前期参数调试步骤以及较高质量的训练集数据，才能保证较好的分类准确率。

4、然而，目前基于前额叶单通道脑电数据进行睡眠分期，仍存在着分期准确率不够高、分期算法复杂度较高等问题，不利于相关产品的大规模商用。因此，本发明旨在提出一种计算复杂度较低(从而可实现大规模、并行、快速响应的睡眠分期运算)，并且有潜力实现较高睡眠分期准确率(从而保证产品的有效性)的技术方案。

技术实现思路

1、为了克服上述缺陷，提出了本发明，以提供计算复杂程度低且分期准确率高的睡眠分期识别方法、装置以及计算机可读存储介质。

2、第一方面，本发明提供一种睡眠分期识别方法，所述方法包括：获取用户的脑电信号片段；计算所述脑电信号片段中目标频率处的功率值；根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期。

3、优选地，前述的睡眠分期识别方法，在所述目标频率高于预设的第一频率时，“根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期”的步骤包括：将所述脑电信号片段中所述目标频率处的功率值与预设的第一目标功率值进行比较，在所述脑电信号片段中所述目标频率处的功率值高于所述第一目标功率值时，判定所述用户所处的睡眠分期为清醒期。

4、优选地，前述的睡眠分期识别方法，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第一目标功率值进行比较”的步骤之前，还包括：根据所述用户的多个脑电信号片段中所述目标频率处的功率值的均值，设置所述第一目标功率值。

5、优选地，前述的睡眠分期识别方法，在所述目标功率为多个时，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第一目标功率值进行比较”的步骤之前，还包括：根据所述用户的多个脑电信号片段中多个目标频率处的功率值之和的预设幅度置信区间的上界，设置所述第一目标功率值；“将所述脑电信号片段中目标频率处的功率值与预设的第一目标功率值进行比较”的步骤包括：计算所述脑电信号片段中多个目标频率处的功率值之和，并与所述第一目标功率值进行比较。

6、优选地，前述的睡眠分期识别方法，在所述目标频率低于预设的第二频率时，“根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期”的步骤包括：将所述脑电信号片段中所述目标频率处的功率值与预设的第二目标功率值进行比较，在所述脑电信号片段中所述目标频率处的功率值低于所述第二目标功率值时，判定所述用户所处的睡眠分期为快速眼动期。

7、优选地，前述的睡眠分期识别方法，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第二目标功率值进行比较”的步骤之前，还包括：根据所述用户的多个脑电信号片段中所述目标频率处的功率值的均值，设置所述第二目标功率值。

8、优选地，前述的睡眠分期识别方法，在所述目标功率为多个时，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第二目标功率值进行比较”的步骤之前，还包括：根据所述用户的多个脑电信号片段中多个目标频率处的功率值之和的预设幅度置信区间的下界，设置所述第二目标功率值；“将所述脑电信号片段中所述目标频率处的功率值与预设的第二目标功率值进行比较”的步骤包括：计算所述脑电信号片段中多个目标频率处的功率值之和，并与所述第二目标功率值进行比较。

9、优选地，前述的睡眠分期识别方法，在“根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期”的步骤之后，还包括：在所述用户所处的睡眠分期非清醒期或快速眼动期时，基于预设的机器学习算法对所述脑电信号片段进行处理，确定所述用户所处的睡眠分期是否为深睡期或浅睡期。

10、第二方面，本发明提供一种睡眠分期识别装置，包括：脑电获取模块，获取用户的脑电信号片段；功率计算模块，计算所述脑电信号片段中目标频率处的功率值；分期识别模块，根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期。

11、第三方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述睡眠分期识别方法的技术方案中任一项技术方案所述的上述睡眠分期识别方法。

12、本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：

13、本发明的技术方案与现有技术不同，并非仅使用机器学习方法进行睡眠分期识别，由于用户处于清醒期或快速眼动期时，其脑电信号中特定频率处的功率值会显著过高或过低，所以本发明中在获取用户脑电信号片段后，对脑电信号片段中特定频率处的功率值进行计算，根据特定频率处的功率值大小能够准确识别用户是否处于清醒期或快速眼动期，该过程计算复杂度低且分期准确率高，在通过该过程确定用户并未处于清醒期或快速眼动期时，再使用机器学习算法对脑电信号片段进行处理，确定用户处于深睡期还是浅睡期，由于机器学习算法仅需对针对深睡期、浅睡期两种分期进行识别，所以计算复杂度较现有技术显著下降，同时保持高分期识别准确率。

技术特征：

1.一种睡眠分期识别方法，其特征在于，包括：

2.根据权利要求1所述的睡眠分期识别方法，其特征在于，在所述目标频率高于预设的第一频率时，“根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期”的步骤包括：

3.根据权利要求2所述的睡眠分期识别方法，其特征在于，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第一目标功率值进行比较”的步骤之前，还包括：

4.根据权利要求2所述的睡眠分期识别方法，其特征在于，在所述目标功率为多个时，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第一目标功率值进行比较”的步骤之前，还包括：

5.根据权利要求1所述的睡眠分期识别方法，其特征在于，在所述目标频率低于预设的第二频率时，“根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期”的步骤包括：

6.根据权利要求5所述的睡眠分期识别方法，其特征在于，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第二目标功率值进行比较”的步骤之前，还包括：

7.根据权利要求5所述的睡眠分期识别方法，其特征在于，在所述目标功率为多个时，在“将所述脑电信号片段中所述目标频率处的功率值与预设的第二目标功率值进行比较”的步骤之前，还包括：

8.根据权利要求1所述的睡眠分期识别方法，其特征在于，在“根据所述脑电信号片段中目标频率处的功率值的大小，识别所述用户所处的睡眠分期是否为清醒期或快速眼动期”的步骤之后，还包括：

9.一种睡眠分期识别装置，其特征在于，包括：

10.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至8中任一项所述的睡眠分期识别方法。

技术总结
本发明提供一种睡眠分期识别方法、装置以及计算机可读存储介质，该方法包括：获取用户的脑电信号片段；计算脑电信号片段中目标频率处的功率值；根据脑电信号片段中目标频率处的功率值的大小，识别用户所处的睡眠分期是否为清醒期或快速眼动期。本发明在获取用户脑电信号片段后，对脑电信号片段中特定频率处的功率值进行计算，识别用户是否处于清醒期或快速眼动期，该过程计算复杂度低且分期准确率高，再使用机器学习算法对脑电信号片段进行处理，确定用户处于深睡期还是浅睡期，由于机器学习算法仅需对针对深睡期、浅睡期两种分期进行识别，所以计算复杂度较现有技术显著下降，同时保持高分期识别准确率。

技术研发人员：李文玉,冯尚
受保护的技术使用者：上海数药智能科技有限公司
技术研发日：
技术公布日：2024/1/14