公开(公告)号：CN119257556A

公开(公告)日：2025-01-07

申请号：CN202411392319.3

申请日：2024-10-08

Applicant: 吉林大学

Inventor： 李瑛 ,  葛雨凡 ,  杜伟 ,  袁海波 ,  兰晓馨 ,  张洁琳

IPC: A61B5/00 ,  G06F18/24 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08 ,  A61B5/346

Abstract: 本发明适用于睡眠呼吸暂停检测技术领域，提供了一种基于小波变换的睡眠呼吸暂停检测方法。本发明采用离散小波分解技术，将心电图信号分解成多尺度信息作为模型输入，并融合了监督对比学习理念，构建了一个端到端的深度学习网络模型，实现了对睡眠呼吸暂停的高效、准确分类。相较于传统依赖专家手工分析方法或需复杂预处理步骤的检测方法，本发明提升了检测效率，简化了信号处理的复杂度。更重要的是，本发明直接以时序信号作为输入，避免了复杂的二次特征提取过程，这使得本发明更易于转化为实际的硬件设备以实施应用。另外，利用公开的ApneaECG数据集进行测试，本发明的预测准确率超越了当前基于心电图的自动睡眠呼吸暂停检测模型。

公开(公告)号：CN116439672A

公开(公告)日：2023-07-18

申请号：CN202310553992.X

申请日：2023-05-17

Applicant: 吉林大学

Inventor： 李瑛 ,  孙睿涵 ,  杜伟 ,  张洁琳 ,  袁海波 ,  兰晓馨 ,  梁钰 ,  张晓

IPC: A61B5/00

Abstract: 本发明公开了一种基于动态自适应核图神经网络的多分辨率睡眠阶段分类方法，涉及人工智能技术领域，本方法将睡眠信号进行四层的离散小波分解，得到了四层高频信号和最后一层的低频信号共五个分量，对这些分量提取特征，使用神经网络学习嵌入表示，最后再对这些分量的嵌入表示进行整合并通过对比学习捕获它们之间的差异。本发明针对睡眠阶段分类问题，解决了传统模型难以对睡眠信号进行充分的多分辨率分析以及结合时间信息自适应处理多通道生理信号问题。以离散小波分解获得多分辨率信号、动态自适应核图神经网络学习多通道生理信号的嵌入表示、并以监督对比学习的方式学习各信号分量的异同进一步整合多分辨率信息，达到对睡眠阶段准确分类的效果。