技术特征：
1.一种基于混合神经网络的自动睡眠分期方法，其特征在于，包括以下步骤：(1)四分类部分(第一部分)s1：首先对五分类数据中数据量最小且最相似的两类(n1和rem)进行合并，在第一部分的三个关键模块执行四类分类：自底向上、自顶向下和特征融合；s2：在自底向上模块中，使用堆叠的卷积运算学习频率信息，使用长短期记忆神经网络单元提取各层频率特征的时间信息；s3：在自顶向下的模块中，采用对数据左右填充0的上采样方法来加强底层的信息；s4：在特征融合模块中，结合卷积块注意机制的思想，融合了有助于分类的高语义特征和有助于定位的浅层特征，可以从不同层次生成自适应权重，而无需人工指定；(2)二分类部分(第二部分)s1：在第二部分，考虑到n1和rem的相似性和数据不平衡，对第一部分中分类为n1-rem阶段的数据采用随机过采样方法构建新的平衡的数据集，使用平衡后的数据集训练模型2；s2：将模型串联起来，划分出五类睡眠阶段。2.根据权利要求1所述的一种基于混合神经网络的自动睡眠分期方法，其特征在于：模型1特征提取流程如公式2和公式3所示：假设有n段30秒的单通道脑电图信号；使用多个堆叠的cnn和lstm块来提取和融合时频特征：x
i
＝f(x
i-1
)h
i
＝p(g(x
i
)||k(h
i+1
)) 。3.根据权利要求2所述的一种基于混合神经网络的自动睡眠分期方法，其特征在于：上述公式中f(x)通过卷积操作将xt变换为特征矩阵x
t+1
，p(x)代表卷积块注意力模块，可以自动学习不同层次提取的信息重要性，g(x)表示通过长短期记忆神经网络从各层空间特征中提取时间信息的操作，k(x)表示对上层特征进行左右0填充方式的上采样过程，||是一个连接操作，它将不同层提取到的特性进行拼接融合。4.根据权利要求1所述的一种基于混合神经网络的自动睡眠分期方法，其特征在于：该方法由先进行四分类和再进行二分类的两个级联部分组成。
技术总结
本发明公开了睡眠质量评估技术领域的一种基于混合神经网络的自动睡眠分期方法，该方法由先进行四分类和再进行二分类的两个级联部分组成；该方法具有以下优势：在观点上，从理论和实践出发，提出睡眠阶段特征相似性、重叠性的问题，为睡眠分期任务提供了一个新的视角；在方法上，从增强特征信息学习的角度出发，采用混合神经网络和级联步骤挖掘阶段内的特征信息，使用级联步骤进一步提高分期性能；在实践上，仅使用单通道脑电数据，降低了后续推广日常睡眠监测应用对设备的需求。广日常睡眠监测应用对设备的需求。广日常睡眠监测应用对设备的需求。
技术研发人员：杨云 陶雨洁 南峰涛 张炎 饶玉龙 杜飞
受保护的技术使用者：云南大学
技术研发日：2022.03.21
技术公布日：2022/6/28