1.一种基于零样本学习与对比学习的睡眠阶段分期方法,其特征在于,包括以下步骤:S1:获取原始脑电EEG、肌电EMG、眼电EOG生理信号并进行处理;
S2:获取睡眠阶段分期相关的语义信息;
S3:对生理信号及语义信息进行手动匹配;
S4:数据集划分:将S3中匹配好的生理信号及语义信息组划分为训练集、验证集和测试集;
S5:预训练:将S4过程中得到的训练集输入到基于零样本学习与对比学习模型中进行预训练,并利用对比学习对基于零样本学习与对比学习模型进行微调;
S6:对睡眠阶段分期进行预测。
2.根据权利要求1所述的一种基于零样本学习与对比学习的睡眠阶段分期方法,其特征在于,所述S1具体为:从公开的睡眠数据库中收集原始的EEG、EMG、EOG信号,并对EEG、EMG、EOG信号进行下采样处理,使得每种信号的频率一致。
3.根据权利要求1所述的一种基于零样本学习与对比学习的睡眠阶段分期方法,其特征在于,所述S2中睡眠阶段分期相关的语义信息获取具体为:采集与睡眠分期判定的知识,将知识融入对应的睡眠阶段分期中,得到睡眠阶段分期的语义信息。
4.根据权利要求1所述的一种基于零样本学习与对比学习的睡眠阶段分期方法,其特征在于,所述S3中的匹配方法为:计算出生理信号对应的睡眠分期判定中知识的值,并匹配相应的语义信息,独立成组,格式为:脑电EEG、肌电EMG、眼电EOG、语义信息。
5.根据权利要求1所述的一种基于零样本学习与对比学习的睡眠阶段分期方法,其特征在于,基于零样本学习与对比学习模型包括:生理信号编码器,用于输入生理信号并输出生理信号特征向量;
语义信息编码器,用于输入语义信息并输出语义信息特征向量;
生理信号与语义描述信息匹配模块,用于将生理信息特征向量与语义信息特征向量相乘并输出分类结果。
6.根据权利要求1或5所述的一种基于零样本学习与对比学习的睡眠阶段分期方法,其特征在于,所述S5中预训练包括以下步骤:对于EEG信号:S51:训练集在采集EEG信号时使用的采样频率为100Hz,以30s为评估睡眠分期的一个周期;数据集中每条数据有3000个数据点;
S52:将EEG信号数据点输入生理信号编码器中,得到生理信息特征向量;语义信息输入语义信息编码器中,得到语义信息特征向量;
S53:将得到的生理信号特征向量与语义信息特征向量进行相乘,然后对生理信号编码器与语义信息编码器进行微调,使配对的特征向量相乘为1,不配对的相乘为0,并使用验证集对预训练过程进行追踪,观察效果。
7.根据权利要求1所述的一种基于零样本学习与对比学习的睡眠阶段分期方法,其特征在于,所述S6具体过程为:输入EEG、EOG、EMG三个信号的测试集数据,利用预训练后的零样本学习和对比学习模型得到生理信号特征向量与语义信息特征向量,并将生理信号特征向量与语义信息特征向量相乘,得出EEG信号分类结果、EMG信号分类结果、EOG信号分类结果,结合三个分类结果,通过设置超参数,将得到的分类结果进行加权融合,得到最终睡眠阶段分期预测结果。