一种基于时序关联性驱动的多模态睡眠分期方法

摘要

本发明属于睡眠分期技术领域，公开了一种基于时序关联性驱动的多模态睡眠分期方法，包括采集多导睡眠图，获得睡眠状态识别的原始信号；对原始信号进行预处理得到切片后的片段信号；对片段信号进行特征提取与融合得到特征向量；对多个相邻片段信号的特征向量组成的特征序列进行时序关联性嵌入，并输出睡眠状态预测概率得到样本的预测结果；在模型训练阶段，计算训练样本对应的预测结果和训练样本的真实睡眠状态之间的损失值，并对睡眠分期模型进行训练得到训练好的睡眠分期模型；在模型评估阶段，将待评估样本输入至训练好的睡眠分期模型得到待评估样本对应的预测结果。本发明解决了多模态信号特征提取融合与时序关联性问题。