(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211299781.X (22)申请日 2022.10.24 (71)申请人 中国医学 科学院药用植物研究所 地址 100193 北京市海淀区西北旺兴隆庄 申请人 北京理工大 学 (72)发明人 由育阳　杨志宏　 (74)专利代理 机构 天津合志慧知识产权代理事 务所(普通 合伙) 12219 专利代理师 张勇 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) A61B 5/00(2006.01) (54)发明名称 睡眠分期方法、 装置、 电子设备及存 储介质 (57)摘要 本实施例涉及睡眠分期技术领域， 特别涉及 一种睡眠分期方法、 装置、 电子设备及存储介质。 其中， 睡眠分期方法包括： 获取待处理的睡眠数 据； 将所述待处理的睡眠数据输入训练好的目标 神经网络， 得到目标特征； 其中， 所述目标神经网 络是以已知睡眠数据对和所述已知睡眠数据对 对应的睡眠分期是否相同的标签作为样本训练 孪生神经网络得到的； 将所述待处理的睡眠数据 和所述目标特征进行特征融合， 得到目标睡眠数 据； 将所述目标睡眠数据输入训练好的睡眠分期 模型， 得到所述目标睡眠数据对应的睡眠分期； 其中， 所述睡眠分期模型是以已知睡眠数据和所 述已知睡眠数据对应的睡眠分期作为样本训练 分类器得到的。 本技术方案能够提高未知睡眠数 据的分期准确率。 权利要求书2页 说明书10页 附图3页 CN 115374882 A 2022.11.22 CN 115374882 A 1.一种睡眠分期方法， 其特 征在于， 包括： 获取待处 理的睡眠数据； 将所述待处理的睡眠数据输入训练好的目标神经网络， 得到目标特征； 其中， 所述目标 神经网络是以已知睡眠数据对和所述已知睡眠数据对对应的睡眠分期是否相同的标签作 为样本训练孪生神经网络得到的； 将所述待处 理的睡眠数据和所述目标 特征进行特征融合， 得到目标睡眠数据； 将所述目标睡眠数据输入训练好的睡眠分期模型， 得到所述目标睡眠数据对应的睡眠 分期； 其中， 所述睡眠分期模型是以已知睡眠数据和所述已知睡眠数据对应的睡眠分期作 为样本训练分类 器得到的。 2.根据权利要求1所述的方法， 其特征在于， 所述睡眠数据包括如下中的至少一种： 脑 电数据、 眼电数据、 下颌肌电数据、 心电数据、 胸带数据、 腹带数据、 脉搏波数据、 腿动数据、 鼾声数据、 脉率数据和血 氧饱和度数据。 3.根据权利要求1所述的方法， 其特征在于， 所述孪生神经网络包括两个网络结构相同 的第一神经网络和第二神经网络， 所述第一神经网络和所述第二神经网络的参数共享， 所 述目标神经网络为完成参数 更新的所述第一神经网络或所述第二神经网络 。 4.根据权利要求3所述的方法， 其特征在于， 所述已知睡眠数据对包括第 一已知睡眠数 据和第二已知睡眠数据； 所述目标神经网络具体是通过如下 方式得到的： 将所述第一已知睡眠数据输入所述第一神经网络， 输出第一特 征向量； 将所述第二已知睡眠数据输入所述第二神经网络， 输出第二特 征向量； 将所述第一特征向量和所述第 二特征向量输入预设的对比损失函数， 得到所述第 一已 知睡眠数据和所述第二已知睡眠数据的损失值； 其中， 所述对比损失函数与所述已知睡眠 数据对对应的睡眠分期是否相同的标签有关； 基于所述损失值对所述第一神经网络和所述第二神经网络的参数进行 更新； 将完成参数 更新的所述第一神经网络或所述第二神经网络作为目标神经网络 。 5.根据权利要求4所述的方法， 其特征在于， 所述孪生神经网络还包括一个全连接神经 网络； 所述将所述第一特 征向量和所述第二特 征向量输入预设的对比损失函数， 包括： 将所述第一特 征向量和所述第二特 征向量输入所述全连接神经网络， 得到标准向量； 将所述标准向量输入预设的交叉熵损失函数， 得到预测值； 在所述预测值大于预设阈值 时， 将所述第 一特征向量和所述第 二特征向量输入预设的 对比损失函数。 6.根据权利要求 4所述的方法， 其特 征在于， 所述对比损失函数为： ， 式中， N为样本个数， n表示具体样本编号， n取值范围是1~N， y为两个样本是否匹配的标 签， y=1表 示两个样本匹配， y=0表 示两个样本不匹配， d为两个样 本的欧氏距离， margin为预权　利　要　求　书 1/2 页 2 CN 115374882 A 2设的欧氏距离阈值。 7.根据权利要求1 ‑6中任一项所述的方法， 其特征在于， 所述将所述待处理的睡眠数据 和所述目标 特征进行特征融合， 得到目标睡眠数据， 包括： 将所述目标特征进行维度变换， 以使所述目标特征与 所述待处理 的睡眠数据的维度相 同； 将进行维度变换后的所述目标特征和所述待处理 的睡眠数据进行加权融合， 得到目标 睡眠数据。 8.一种睡眠分期装置， 其特 征在于， 包括： 获取模块， 用于获取待处 理的睡眠数据； 第一输入模块， 用于将所述待处理的睡眠数据输入训练好的目标神经网络， 得到目标 特征； 其中， 所述 目标神经网络是以已知睡眠数据对和所述已知睡眠数据对对应的睡眠分 期是否相同的标签作为样本训练孪生神经网络得到的； 特征融合模块， 用于将所述待处理的睡眠数据和所述目标特征进行特征融合， 得到目 标睡眠数据； 第二输入模块， 用于将所述目标睡眠数据输入训练好的睡眠分期模型， 得到所述目标 睡眠数据对应的睡眠分期； 其中， 所述睡眠分期模型是以已知睡眠数据和所述已知睡眠数 据对应的睡眠分期作为样本训练分类 器得到的。 9.一种电子设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机程 序， 所述处 理器执行所述计算机程序时， 实现如权利要求1 ‑7中任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 当所述计算机程 序在计算机中执 行时， 令计算机执 行权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115374882 A 3