一种基于实时神经网络的半自动睡眠分期装置.pdf

本发明公开了一种基于实时神经网络的半自动睡眠分期装置，由将待分析睡眠数据进行实时神经网络分析的处理模块、将待分析数据进行分析处理后实时存储的存储模块、对其他模块进行实时有效控制的控制模块、对分期结果的数据和图形进行可视化显示的显示模块依次相连构成。本装置操作简单，能够对不同个体的睡眠分期做出实时高效的预测，具有分期准确率高、分类实时性好、应用前景广阔等特点。基于本装置的产品可应用于睡眠监测、睡眠科研等场景。

1.  一种基于实时神经网络的半自动睡眠分期装置，由将待分析睡眠数据进行实时神经网络分析的处理模块、将待分析数据进行分析处理后实时存储的存储模块、对其他模块进行实时有效控制的控制模块、对分期结果的数据和图形进行可视化显示的显示模块依次相连，控制模块又与对分期结果进行展示和打印操作的报表模块相连构成；处理模块由数据读取模块、数据预处理模块、实时神经网络分析单元模块依次相连构成，数据读取模块从存储模块中读取待分析数据，数据预处理模块对读取的待分析数据进行预处理操作，实时神经网络分析单元模块将对预处理后的数据进行基于人工后期校正的神经网络实时分析处理。

2.  根据权利要求1所述的一种基于实时神经网络的半自动睡眠分期装置，其特征在于所述处理模块接受来自存储模块当前记录好的待分析数据，然后对数据进行预处理，最后将预处理后的数据送入实时神经网络分析单元进行特征提取、训练学习和自动分期。

3.  根据权利要求1所述的一种基于实时神经网络的半自动睡眠分期装置，其特征在于所述处理模块中的实时神经网络分析单元工作过程如下：
第一步，神经网络的初始化；首先选择特定的数据作为训练集，进行特征参数提取，并结合已有的人工分期结果作为神经网络的输入，对其进行初始的训练学习，根据特定的学习规则，不断的对各个网络神经元的连接权值进行调节，直到使该神经网络具有某种期望的输出；此时得到初始的网络权值集和训练好的神经网络模型，可以作为自动睡眠分期的初始神经网络；
第二步，神经网络的自动分期；根据训练好的神经网络模型，选取待分析数据，进行特征参数提取，并输入于训练好的初始神经网络，进行相应的网络分析，得到睡眠自动分期结果；
第三步，神经网络的实时调整；操作者对自动分期的结果进行人工判别，将错误的分期结果进行人工校正，实时神经网络分析单元将校正后的分期结果重新输入神经网络进行实时的训练，使得神经网络的权值系数根据校正后的分期结果得到及时修正，再使用重新训练后的神经网络对后续未校正分期进行重新分析；如此反复的对神经网络进行实时调整，一直到待测数据的分期为最后一个分期时，神经网络的实时反馈得到终止。

4.  根据权利要求1所述的一种基于实时神经网络的半自动睡眠分期装置，其特征在于所述存储模块负责对采集好的生理信号数据进行存储，负责向处理模块、显示模块、报表模块提供相应的数据；在进行人工睡眠分期时，存储模块负责对分期结果进行存储，提供给处理模块进行对比分析。

5.  根据权利要求1所述的一种基于实时神经网络的半自动睡眠分期装置，其特征在于控制模块用于对显示模块和报表模块的有效控制，对处理模块进行睡眠分期时的实时控制，对装置 的开关、退出、初始化、执行、选择等操作进行控制。

6.  根据权利要求1所述的一种基于实时神经网络的半自动睡眠分期装置，其特征在于显示模块是对分期结果的数据和图形进行可视化的显示，并且在人工睡眠分期时，提供对存储模块中的原始生理信号数据的可视化，操作者根据数据可视化的形态、参数等特征进行正确的人工分期。

7.  根据权利要求1所述的一种基于实时神经网络的半自动睡眠分期装置，其特征在于报表模块用于对分期结果按特定需求进行展示和打印操作。

一种基于实时神经网络的半自动睡眠分期装置
技术领域
本发明涉及睡眠分期领域，尤其涉及一种基于实时神经网络的半自动睡眠分期装置。
背景技术
睡眠是人体必不可少的生理活动，是一种既重要又复杂的生理现象，在人类生命中大约占有三分之一的时间。睡眠是机体进行自我修复和完善的过程，对维持身心健康具有重要的调节作用。
睡眠分期是根据人体在睡眠期间生理信号的不同变化而将睡眠过程分为不同的阶段。各个阶段的睡眠以一定的规律周期性的出现，并且都有各自特定的生理和行为特点。根据脑电图的不同特征，主要将睡眠分为非眼球快速运动期(Non-rapid eye movement,NREM)和眼球快速运动期(Rapid eye movement,REM)。NREM期又分为四个时期，NREM-1期为入睡期，NREM-2期为浅睡期，NREM-3期为中度睡眠期，NREM-4期为深度睡眠期。这个阶段的特点有：人的呼吸较浅，缓慢而又均匀，心率较慢，血压降低，人体肌肉保持松弛状态，没有明显的眼球运动。REM期的特点是眼球快速转动。在这个阶段，人体的感觉功能进一步减退，肌肉也更加松弛，肌腱反射消失，这时的血压升高，呼吸稍快且不规则，体温、心率也有所升高。这个阶段，体内各种代谢功能都显著增加，以保证大脑组织蛋白的合成和消耗物质的补充，使神经系统正常发育，并为第二天的活动积蓄能量。
目前，基于生理信号的睡眠监测方法普遍采用的是多导生理睡眠监测仪，它是基于多导睡眠图(Polysomnography,PSG)，该方法是在睡眠期间对受试者进行监测和记录，主要记录了脑电信号(Electroencephologram，EEG)、眼电信号(Electrooculography,EOG)、肌电信号(Electromyography,EMG)等生理参数，有利于得到全面综合的生理信息，同时根据国际R&K(Rechtschaffen and Kales)准则，可以进行睡眠状态、阶段和质量的判断。基于睡眠的人工分期，一般通过观察PSG信号的波形特征，进行人工判断睡眠的各个阶段。
神经网络作为一种模式识别技术，在各个领域得到越来越广泛的应用。神经网络具有很强的自学习性、自组织性、容错性、高度非线性、联想记忆功能和逻辑推理功能等，具有符合人类视觉系统的高速并行处理和分布式存储等特性。神经网络不需要预先给出有关模式的经验知识和判别函数，通过自身的学习机制即可自动形成所需要的决策区域，因此，近年来神经网络的模式识别成为神经网络最有研究价值的应用领域之一。
专利CN103489009A公布了一种基于自适应修正神经网络的模式识别方法，使该发明具有分类准确率高、分类实时性能好、模型泛化能力强、应用前景广阔等优点；专利CN103584840A 公布了一种基于脑电、心率变异及两者相干性的自动睡眠分期方法，利用支持向量机作为分类器对特征参数进行识别，有效的提高了自动睡眠分期的准确性。
上述技术方法存在的问题是，由于神经网络参数在初始训练完成后即固定，在实际运行时，一方面，不能根据人工校正的结果实时有效的对自动睡眠分期过程进行更新调整，进而提高分期准确率和操作效率，另一方面，由于个体差异，不同个体的相同特征参数在同一神经网络下的自动睡眠分期效果存在差异，不能有效的排除个体差异性。
发明内容
为了解决上述的问题，本发明提供了如下技术方案：
一种基于实时神经网络的半自动睡眠分期装置，由将待分析睡眠数据进行实时神经网络分析的处理模块、将待分析数据进行分析处理后实时存储的存储模块、对其他模块进行实时有效控制的控制模块、对分期结果的数据和图形进行可视化显示的显示模块依次相连，控制模块又与对分期结果进行展示和打印操作的报表模块相连构成；处理模块由数据读取模块、数据预处理模块、实时神经网络分析单元模块依次相连构成，数据读取模块从存储模块中读取待分析数据，数据预处理模块对读取的待分析数据进行预处理操作，实时神经网络分析单元模块将对预处理后的数据进行基于人工后期校正的神经网络实时分析处理。
所述处理模块接受来自存储模块当前记录好的待分析数据，然后对数据进行预处理，主要是对数据进行噪声和干扰成分的过滤，最后将预处理后的数据送入实时神经网络分析单元进行特征提取、训练学习和自动分期，达到对睡眠数据的有效处理。
所述处理模块中的实时神经网络分析单元工作过程如下：
第一步，神经网络的初始化。首先选择特定的数据作为训练集，进行特征参数提取，并结合已有的人工分期结果作为神经网络的输入，对其进行初始的训练学习，根据特定的学习规则，不断的对各个网络神经元的连接权值进行调节，直到使该神经网络具有某种期望的输出。此时得到初始的网络权值集和训练好的神经网络模型，可以作为自动睡眠分期的初始神经网络。
第二步，神经网络的自动分期。根据训练好的神经网络模型，选取待分析数据，进行特征参数提取，并输入于训练好的初始神经网络，进行相应的网络分析，得到睡眠自动分期结果。由于生理数据复杂多变，得到的分期结果准确率不高，需要进一步处理。
第三步，神经网络的实时调整。操作者对自动分期的结果进行人工判别，将错误的分期结果进行人工校正，实时神经网络分析单元将校正后的分期结果重新输入神经网络进行实时的训练，使得神经网络的权值系数根据校正后的分期结果得到及时修正，再使用重新训练后的神经网络对后续未校正分期进行重新分析。此时的神经网络经过实时调整后性能更加稳定、 高效和准确。另一方面，由于人工校正过程中考虑了个体生理特征的差异，实时神经网络的调整过程在权值系数中包含了这些个体特征，因而实现了对不同个体生理特征的自适应，进一步提高了自动分期结果的准确性。
如此反复的对神经网络进行实时调整，一直到待测数据的分期为最后一个分期时，神经网络的实时反馈得到终止。
所述存储模块负责对采集好的生理信号数据进行存储，负责向处理模块、显示模块、报表模块提供相应的数据。另外，在显示模块进行人工睡眠分期时，存储模块负责对分期结果进行存储，提供给处理模块进行对比分析。
所述控制模块用于对显示模块和报表模块的有效控制，对处理模块进行睡眠分期时的实时控制，对装置的开关、退出、初始化、执行、选择等操作进行控制。
所述显示模块是对分期结果的数据和图形进行可视化的显示，并且在人工睡眠分期时，提供对存储模块中的原始生理信号数据的可视化，操作者根据数据可视化的形态、参数等特征进行正确的人工分期。
所述报表模块用于对分期结果按特定需求进行展示和打印操作。
相对于目前已有的技术，本发明所提出方法针对所分析记录的个体特征实现个性化的判别，可有效提高自动睡眠分期的准确性，并大大提高操作者的工作效率。
附图说明
图1本发明的结构框图
图2本发明的实时神经网络分析单元的功能框图
图3本发明的功能流程图
具体实施方式
为了使本发明的目的、技术优点和方案设计更加清晰明确，下面将结合附图对本发明的具体实施方式作详细的说明。
本发明所提出的方法针对所分析记录的个体特征实现个性化的判别，操作者对当前记录的初始分析结果进行人工校正，实时神经网络分析单元根据校正结果实时更新调整分期输出，可有效提高自动睡眠分期的准确性，并大大提高操作者的工作效率。
如图1所示，为本发明的结构框图，主要由将待分析睡眠数据进行实时神经网络分析的处理模块、将待分析数据进行分析处理后实时存储的存储模块、对其他模块进行实时有效控制的控制模块、对分期结果的数据和图形进行可视化显示的显示模块依次相连，控制模块又与对分期结果进行展示和打印操作的报表模块相连；处理模块由数据读取模块、数据预处理模块、实时神经网络分析单元模块依次相连构成，数据读取模块从存储模块中读取待分析数 据，数据预处理模块对读取的待分析数据进行预处理操作，实时神经网络分析单元模块将对预处理后的数据进行基于人工后期校正的神经网络实时分析处理。
首先选择特定的数据作为训练集，进行特征参数提取，并结合已有的人工分期结果作为神经网络的输入，对其进行初始的训练学习，根据特定的学习规则，不断的对各个网络神经元的连接权值进行调节，直到使该神经网络具有某种期望的输出。此时得到初始的网络权值集和训练好的神经网络模型，可以作为自动睡眠分期的初始神经网络。
处理模块负责接收从存储模块选择待分析数据，对其进行读取操作，利用相应的噪声处理程序对其进行噪声过滤预处理，然后利用实时神经网络分析单元对预处理后的纯净数据进行特征参数提取，输入初始神经网络模型，进行自动分期。人工校正自动睡眠分期结果，根据校正结果对神经网络重新训练学习、权值修正、自动分期，如此反复的对神经网络进行实时调整，一直到待测数据的分期结果为最后一个分期时，神经网络的实时反馈得到终止。
一方面，处理模块实现睡眠生理信号在实时神经网络下的最优分期，通过半自动人工调整反馈，不断更新网络性能，提高了分期的实时性和准确性，同时提高了操作者的工作效率。另一方面，由于人工校正过程中考虑了个体生理特征的差异，实时神经网络的调整过程在权值系数中包含了这些个体特征，因而实现了对不同个体生理特征的自适应，进一步提高了自动分期结果的准确性。
存储模块负责接收外部设备采集好的生理信号数据，如PSG生理数据，并对其进行存储，该模块还负责向处理模块、显示模块、报表模块传递相应的数据。另外，在进行人工睡眠分期时，该模块负责对分期结果进行存储，提供给处理模块进行对比分析。
控制模块通过软件程序实现，用于对显示模块和报表模块的有效控制，对处理模块进行睡眠分期时的实时控制，对装置的开关、退出、初始化、执行、选择等操作进行控制。
显示模块是对分期结果的数据和图形进行可视化的显示，并且在人工睡眠分期时，提供对存储模块中的原始生理信号数据的可视化，操作者根据数据可视化的形态、参数等特征进行正确的人工分期。
报表模块用于对分期结果按照特定需求进行展示和打印操作。
如图2所示，为本发明的实时神经网络分析单元的功能框图，这是本发明功能实现的核心部分。首先选择特定的数据作为训练集，进行特征参数提取，并结合已有的人工分期结果作为神经网络的输入，对其进行初始的训练学习，根据特定的学习规则，不断的对各个网络神经元的连接权值进行调节，直到使该神经网络具有某种期望的输出。此时得到初始的网络权值集和训练好的神经网络模型，可以作为自动睡眠分期的初始神经网络。然后选择数据作为待测数据集，进行特征参数提取，并输入初始神经网络，进行相应的网络分析，得到睡眠 自动分期结果。
由于生理数据复杂多变，对分期结果的准确性产生影响，所以根据人工睡眠分期结果，对自动分期的结果进行人工校正，并将校正后的分期结果重新输入神经网络进行实时的训练，达到对神经网络权值系数的修正，得到重新训练后的神经网络，然后利用新的神经网络再次进行自动分期，对分期结果进行人工校正，再次训练，再次自动分期，如此反复对神经网络进行实时调整，一直到该分期为最后一个分期时，神经网络的实时反馈得到终止。这样经过多次的人工校正及实时训练，使神经网络具有高效性、准确性、实时性。
另一方面，由于人工校正过程中考虑了个体生理特征的差异，实时神经网络的调整过程在权值系数中包含了这些个体特征，因而实现了对不同个体生理特征的自适应，进一步提高了自动分期结果的准确性。
如图3所示，为本发明的功能流程图。首先对本装置进行系统初始化，选择需要读取的待测数据，对待测数据进行特征提取，并输入神经网络，进行自动睡眠分期，输出分期结果，人工对自动分期结果进行判读，如果自动分期结果与人工分期结果不一致，需要对出现差错的分期结果进行人工修正，然后重新对神经网络进行实时训练，使得网络权值得到实时调整，调整后的神经网络对后续数据进行重新分析，得到新的自动分期结果供人工判读，直至最后一个分期，则整个分期结果完成。最后通过显示模块可以对最终的分期结果进行可视化的显示和打印操作，对分期结果进行存储。该装置提供了可视化操作和个性化处理，可以实现操作界面的友好交互。完成功能需求后，退出到主页面。
最后说明的是，结合上述附图描述的本发明的具体实施方式只是本发明的优选实施方式，而并非本发明的保护范围的限定，任何基于本发明精神所做的改进或者同等替换，只要不脱离本发明的精神和范围，均应涵盖在本发明保护范围之内。