基于深度学习的睡眠觉醒分析方法

摘要

本发明公开了基于深度学习的睡眠觉醒分析方法，包括以下步骤：步骤1，通过多导睡眠仪采集受试者整个睡眠过程中的多模态生理信号，选取腹部和胸部的呼吸信号、呼吸气流和眼电图，同时选取第1和第2导联的EEG进行滤波处理后的多模态数据送入模型训练，采集到的信号转换为200Hz的信号频率，并以30秒的滑动窗口50%重叠率对数据进行样本切分，然后对每一维度的所有样本求平均值和标准差，并通过Z‑Score标准化对数据进行预处理，通过引用多头注意力机制取代长短期记忆模型，并针对睡眠信号特征，设计了大卷积核来进行特征提取，实验表明，其在大幅提高模型训练速度的同时，减少了模型参数，并且有效提高了模型分析准确率。