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！

龙图腾网获悉中国矿业大学申请的专利基于多尺度和多注意力的单通道脑电信号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：CN116763324B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310720328.X，技术领域涉及：A61B5/374；该发明授权基于多尺度和多注意力的单通道脑电信号睡眠分期方法是由潘杰;冯永杰;邹筱瑜;胡俊峰;刘新华设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本基于多尺度和多注意力的单通道脑电信号睡眠分期方法在说明书摘要公布了：本发明公开了基于多尺度和多注意力的单通道脑电信号睡眠分期方法，属于信号处理和模式识别领域，目的是为了提高分期的准确性，实现高质量的睡眠分期。该方法通过多分辨率卷积提取原始信号中的多尺度特征，然后使用卷积注意力模块中的通道注意力和空间注意力机制学习特征重要性随时间尺度和趋势的变化，从而提高了特征质量。然后通过嵌入因果扩展卷积的多头注意力来建模特征间的长期依赖关系，学习睡眠转换规则。最后实现基于脑电信号的自动睡眠分期。

本发明授权基于多尺度和多注意力的单通道脑电信号睡眠分期方法在权利要求书中公布了：1.基于多尺度和多注意力的单通道脑电信号睡眠分期方法，其特征在于，执行如下步骤S1-步骤S5，完成对脑电睡眠数据的睡眠分期： 步骤S1：采集预设时长的、包括W、N1、N2、N3、N4和REM睡眠阶段的原始脑电睡眠数据，对原始脑电睡眠数据进行预处理，获得经过预处理的脑电睡眠数据样本； 根据AASM睡眠分期标准，将各预设睡眠阶段分为W、N1、N2、N3和REM五个睡眠阶段；原始脑电睡眠数据中的W睡眠阶段为清醒期，N1、N2、N3、N4和REM睡眠阶段为睡眠期，采集睡眠期前后30分钟的脑电睡眠数据，作为W睡眠阶段的数据，所述预处理包括：排除不属于任何睡眠阶段的脑电睡眠数据，将N4睡眠阶段合并至N3睡眠阶段，获得合并后的N3睡眠阶段，将原始脑电睡眠数据裁剪为各个30s的脑电睡眠数据片段，作为脑电睡眠数据样本； 步骤S2：构建单通道脑电信号睡眠分期模型，以脑电睡眠数据样本为输入，依次经过多分辨率卷积、卷积注意力模块、多头注意力机制，分别进行脑电睡眠数据样本的时不变特征提取、时间相关特征提取、特征建模，通过softmax进行分类，获得脑电睡眠数据样本分别针对各预设睡眠阶段的得分； 步骤S2具体包括如下步骤： 步骤S2.1：输入单通道脑电信号睡眠分期模型的各脑电睡眠数据样本经过具有两个分支的多分辨率卷积，两个多分辨率卷积的分支的卷积核的大小分别为Fs2和Fs×4，其中Fs为采样频率，大的卷积核用来提取频域特征，小的卷积核用来提取时域特征；多分辨率卷积的两个分支都包含三个卷积层和两个池化层，每个卷积层后都采用高斯误差线性单元作为激活函数； 经过两个多分辨率卷积的分支得到的特征经过级联后经过Dropout层进行随机丢弃，最终经过多分辨率卷积得到的时不变特征为，其中L表示通道数目，d表示每个通道的特征个数； 步骤S2.2：将多分辨率卷积提取到的时不变特征输入卷积注意力模块，进行时间相关特征提取，卷积注意力模块包括通道注意力模块和空间注意力模块，通道注意力模块包括两个平行的自适应一维平均池化层和最大池化层，以及共享参数多层感知器单元，时不变特征分别经过自适应一维平均池化层和最大池化层，分别得到两个大小为的特征图，分别记为和； 将和输入共享参数多层感知器单元，共享参数多层感知器单元具有两层卷积层，其中第一层中的神经元的数量为Lr，r表示衰减率，第二层的神经元数量是L；这两层的输出由RELU激活，然后逐个元素地相加；最后，应用Sigmoid激活函数得到通道关注度分数，与时不变特征相乘得到大小的通道关注度加权特征图；其中通道关注度分数具体计算表达式为： 1； 其中表示Sigmoid激活函数，和表示共享参数多层感知器的权重参数；由1得到的与时不变特征相乘得到的通道关注度加权特征图如下式： 2； 其中表示和之间的点积； 将通道注意力模块输出的通道关注度加权特征图作为空间注意力模块的输入，空间注意力模块分别对其进行通道维度的最大池化和平均池化，得到两个大小的特征图和；然后，沿着通道维度将两个特征图连接，并通过一维卷积层将通道数压缩为1；最后，应用Sigmoid激活函数获得空间注意力模块的特征图，特征图的计算式如下： 3； 其中，表示Sigmoid激活函数，表示卷积核大小为7的一维卷积运算； 将空间注意力模块的特征图与输入的通道关注度加权特征图相乘，以获得整个卷积注意力模块的输出；的计算公式为： 4； 步骤S2.3：卷积注意力模块的输出分别经过三个不同的因果扩展卷积层得到矩阵Q、K和V，根据Q、K和V计算关注度如下式： 5； 根据多头注意力机制中头部的数量H将矩阵Q、K和V分割，根据式5将每个头部表示为，具体如下式： 6； 其中；最后，将所有头部表示连接在一起以获得多头注意力输出；具体如下式： 7； 式中，表示多头注意力输出，Concat表示连接操作； 针对多头注意力得到的输出进行残差和层归一化操作，表示为，其中表示网络的输入，SubLayer表示残差操作，LayerNorm表示层归一化操作；残差和层归一化操作的输出经过前馈神经网络，获得用于睡眠分期的最终输出特征；前馈神经网络的操作如下式： 8； 其中，表示前馈神经网络的输出，和表示前馈神经网络中的两个全连接层，表示RELU激活函数； 步骤S2.4：将步骤S2.3输出的特征经过带有Softmax激活函数的全连接层，得到每个样本分别针对各预设睡眠阶段的得分，实现每个样本的睡眠分期； 步骤S3：根据FocalLoss构建单通道脑电信号睡眠分期模型的损失函数，根据脑电睡眠数据样本分类的难易程度赋权值，根据脑电睡眠数据样本分别针对各预设睡眠阶段的得分完成脑电睡眠数据样本的睡眠分期，并以脑电睡眠数据样本所对应的睡眠阶段作为单通道脑电信号睡眠分期模型的输出； 步骤S3中根据FocalLoss构建的单通道脑电信号睡眠分期模型的损失函数FL如下式： 9； 其中和为可调节的参数，的计算如下式： 10； 式中，y表示预测标签，p表示正类的预测概率，表示预测正确的概率； 步骤S4：采用梯度下降法对单通道脑电信号睡眠分期模型进行训练，直至达到预设的收敛条件，获得训练好的单通道脑电信号睡眠分期模型； 步骤S5：应用训练好的单通道脑电信号睡眠分期模型，完成对脑电睡眠数据的睡眠分期。

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中国矿业大学，其通讯地址为：221116 江苏省徐州市铜山区大学路1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。