1.一种结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,包括:
信号采集单元,包括EEG信号采集模块和知识数据采集模块,所述EEG信号采集模块从公开睡眠数据库中获取原始EEG信号,所述知识数据采集模块从知识库中采集与睡眠分期判定的知识和关于各个睡眠分期特征的描述;
数据预处理单元,将从公开睡眠数据库中获得的EEG信号进行划分为训练集、验证集和测试集,并对EEG信号进行等值分段处理,在将分段后的信号进行拼接扩充;
信号处理单元,包括表示学习模块和语义学习模块,将数据预处理单元中划分得到并经过分段处理的训练集输入到表示学习模块中进行训练,利用模型对测试集进行预测得出预测结果1,同时将信号采集单元中的睡眠分期知识输入到语义学习模块中的生成器中,提取语义特征并使用语义特征训练分类器对测试集的EEG信号进行预测得出预测结果2;
预测结果处理单元,将信号处理单元中预测的两个结果通过加权融合得出最终的预测结果。
2.如权利要求1所述的结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,所述数据预处理单元包括特征预处理模块和知识预处理模块,所述特征预处理模块将EEG信号分成25等分,并将这25段进行纵向拼接成(25,120)的二维矩阵,所述知识预处理模块将文本只是先去除停用词,再使用jieba分词器进行分词,最后用TF-IDF的方法提取出语义特征。
3.如权利要求2所述的结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,所述表示学习模块包括卷积层和softmax层,所述卷积层包括3个并行的卷积神经网络和2个串行的双向长短记忆网络,将经过所述数据预处理单元处理得到的形状为(25,120)的二维数据输入到卷积层中进行特征提取,将提取的特征横向拼接并输入到softmax层得出预测结果1。
4.如权利要求3所述的结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,所述表示学习模块中数据从卷积层输出后要通过拟标准化、线性整流单元和最大池层采样的处理。
5.如权利要求4所述的结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,所述语义学习模块包括两个全连接层和两个带有LeakyReLU激活器的FC层,将经过所述数据预处理单元提取得到的语义特征输入到两个全连接层并与从高斯分布采样中获取的
10维高斯随机噪声串联,在输入到两个带有LeakyReLU激活器的FC层中得到特征维度为
3000维的语义特征。
6.如权利要求5所述的结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,所述语义特征的维度和EEG信号的特征维度相同,通过语义特征训练分类器,并对测试集的原始EEG信号预测得出预测结果2。
7.如权利要求6所述的结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,所述表示学习模块中的到的预测结果1与所述语义学习模块中得到的预测结果2进行加权融合得到最终预测结果。
8.如权利要求6所述的结合快速表示学习和语义学习的睡眠阶段分期系统,其特征在于,所述语义学习模块中得到的预测结果2可以和使用EEG信号训练的其它任意机器学习模型进行融合得到最终结果。