买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利基于深度学习的单通道脑电睡眠分期方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116186544B 。

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310285377.5，技术领域涉及：G06F18/214；该发明授权基于深度学习的单通道脑电睡眠分期方法是由彭虎;陈瑾;韩志会设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本基于深度学习的单通道脑电睡眠分期方法在说明书摘要公布了：本发明公开了一种基于深度学习的单通道脑电睡眠分期方法，包括：1、从多导睡眠图和睡眠标签中进行训练集的构建；2、搭建基于深度学习的脑电睡眠分期网络；3、MFE损失函数的构建；4、深度学习模型的训练；5、利用已经训练好的单通道睡眠分期网络对原始单通道脑电信号进行睡眠分期，从而能够实现脑电信号的自动化睡眠分期。

本发明授权基于深度学习的单通道脑电睡眠分期方法在权利要求书中公布了：1.一种基于深度学习的单通道脑电睡眠分期方法，其特征在于，包括如下步骤： 步骤1、获取受试者的多导睡眠图及其对应的睡眠标签集，选取所述多导睡眠图中的一个通道的脑电睡眠信号，并将一个通道下的脑电睡眠信号分为N个不重叠的历时信号序列X＝{x1,x2,…,xi,…,xN}，按照每个历时对应的睡眠标签构建标签序列集Y＝{y1,y2,…,yi,…,yN}，同时统计所有历时对应的睡眠标签中每个睡眠类别的标签数目{Nf|f＝1,2,…,D}；其中，xi表示第i个历时信号序列，且xi＝{ei,1,ei,2,…,ei,j,…,ei,l}，yi表示第i个历时信号序列xi对应的睡眠标签序列，且yi＝{yi,1,yi,2,…,yi,j,…,yi,l}，ei,j∈R1×m，ei,j表示第i个历时信号序列中第j个历时信号，yi,j表示第i个历时信号序列中第j个历时信号的标签，Nf表示第f个睡眠类别的标签数，f∈{1,2,...,D}，yi,j,∈{1,2,…,D}，D为睡眠分期的总类别，j∈{1,2…l}，l为xi中存在的历时信号数目，m表示采样点数，且m＝θ×δ，θ表示采样率，虎表示采样时间； 步骤2、搭建基于深度学习的脑电睡眠分期网络，包括：历时特征提取模块、上下文编码器、胶囊网络构成； 步骤2.1、所述历时特征提取模块对第j个历时信号ei,j进行处理后，得到第j个历时信号ei,j的特征图ai,j，从而得到第i个历时信号序列xi的特征图序列ai＝{ai,1,ai,2,…,ai,j,…,ai,l}； 步骤2.2、所述上下文编码器用于对特征图序列ai进行时间相关性学习，得到特征图序列Hi＝{Hi,1,Hi,2,...,Hi,j,...Hi,l}； 步骤2.3、构建胶囊网络，是由初级胶囊层、数字胶囊层构成； 步骤2.3.1、所述初级胶囊层对所述特征图序列Hi的第j个子特征图Hi,j进行处理后，得到初级胶囊从而得到与第i个历时序列xi的第j个历时信号ei,j对应激活的初级胶囊序列vi,j＝{v1i,j,v2i,j,...,vki,j,...,vni,j}； 步骤2.3.2、将激活的初级胶囊序列vi,j输入到所述数字胶囊层中进行处理，得到与所有D个睡眠类别相关的第j个历时信号ei,j对应的胶囊序列 步骤2.3.3、对胶囊序列Ui,j中第f个高级特征胶囊取l2范数，从而得到第i个历时序列xi中第j个历时信号ei,j的第f个睡眠类别存在的概率进而得到第i个历时序列xi中第j个历时信号ei,j经由所述睡眠分期网络预测输出的所有睡眠类别存在的概率向量 步骤3、利用式7构建所述脑电睡眠分期网络的损失函数lMFE： 式7中，是第j个历时信号ei,j的真实标签yi,j的独热编码中第f类存在概率； 步骤4、利用梯度下降算法对所述睡眠分期网络进行训练，并最小化所述损失函数以优化网络参数，直到所述损失函数收敛为止，获得最睡眠分期模型，用于实现单通道脑电信号的睡眠分期。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。