公开(公告)号：CN117481600A

公开(公告)日：2024-02-02

申请号：CN202311427044.8

申请日：2023-10-31

申请人： 浙江大学

发明人： 赵莎 ,  王跻权 ,  李石坚 ,  江海腾 ,  周杨煊 ,  余正和 ,  李涛 ,  潘纲

IPC分类号： A61B5/00 ,  G06F18/241 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  A61B5/346 ,  A61B5/372 ,  A61B5/397 ,  A61B5/398

摘要： 本发明公开了一种基于混合神经网络的自动睡眠分期方法，其利用卷积变压器epoch编码器学习epoch内的局部特征和全局特征，并利用跨模态上下文编码器对跨模态上下文关系进行建模，再利用基于变压器的序列编码器来学习序列特征，最后利用epoch级分类器来预测每个epoch所处的睡眠阶段，从而提高自动睡眠分期模型的预测性能。

公开(公告)号：CN117334340A

公开(公告)日：2024-01-02

申请号：CN202311155801.0

申请日：2023-09-08

申请人： 浙江大学

发明人： 赵莎 ,  王跻权 ,  李石坚 ,  江海腾 ,  周杨煊 ,  余正和 ,  李涛 ,  潘纲

IPC分类号： G16H50/50 ,  G16H50/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/098 ,  G06F18/2415 ,  G06F18/25

摘要： 本发明公开了一种基于睡眠阶段特征的发作性睡病预测模型构建方法，通过分析从发作性睡病患者和健康对照组身上采集真实环境下的PSG数据得知，患者与健康对照组的睡眠阶段存在明显差异。基于此，本发明采用多任务深度学习思想，将睡眠分期任务作为发作性睡病预测任务的辅助任务，设计了一种多任务端到端的神经网络模型，该模型从PSG睡眠序列数据中学习到睡眠阶段特征和发作性睡病特征，并借助任务特征融合元件将两种特征融合并用于发作性睡病预测，并采用多任务联合训练的方式训练该网络模型，提升模型对发作性睡病的预测性能。