買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙大城市學院申請的專利一種嚙齒類動物自動化睡眠分期方法、系統(tǒng)及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120257176B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510714596.X，技術(shù)領(lǐng)域涉及：A61B5/00；該發(fā)明授權(quán)一種嚙齒類動物自動化睡眠分期方法、系統(tǒng)及存儲介質(zhì)是由沈偉達;項麗陽;曾玲暉;董靜尹;陳建權(quán);李珊珊;陳伏建;王良雪;李晶設(shè)計研發(fā)完成，并于2025-05-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種嚙齒類動物自動化睡眠分期方法、系統(tǒng)及存儲介質(zhì)在說明書摘要公布了：本發(fā)明公開了一種嚙齒類動物自動化睡眠分期方法、系統(tǒng)及存儲介質(zhì)，該方法在獲取睡眠監(jiān)測原始數(shù)據(jù)后對其進行預處理及特征提取，獲得EEG特征值和EMG水平特征值，之后采用自適應(yīng)閾值計算方法確定EMG水平閾值以及EEG特征閾值，該過程中根據(jù)EMG數(shù)據(jù)進行睡眠分期二分類粗分（分為清醒和睡眠），進而根據(jù)粗分結(jié)果，結(jié)合特征值的數(shù)據(jù)分布自動為各個特征值設(shè)置合理的閾值；結(jié)合閾值實現(xiàn)對睡眠的明確分期。該方法無需獲得大量標記好的訓練數(shù)據(jù)集，特征物理意義清晰，分期判定結(jié)果可解釋性強,分析速度快。該方法能夠有效擺脫和避免因需要兼顧個體和采集差異性進行手動閾值設(shè)置的麻煩，能夠快速準確地實現(xiàn)分期。

本發(fā)明授權(quán)一種嚙齒類動物自動化睡眠分期方法、系統(tǒng)及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種嚙齒類動物自動化睡眠分期方法，其特征在于，包括： 對獲取的睡眠監(jiān)測原始數(shù)據(jù)進行預處理及特征提取，獲得EEG特征值和EMG水平特征值； 采用自適應(yīng)閾值計算方法確定EMG水平閾值以及EEG特征閾值，根據(jù)EMG數(shù)據(jù)進行睡眠分期二分類粗分，分為清醒期和睡眠期； 根據(jù)粗分結(jié)果，結(jié)合特征值的數(shù)據(jù)分布自動為各個特征值設(shè)置閾值，結(jié)合閾值實現(xiàn)對睡眠的明確分期； 其中：所述自適應(yīng)閾值計算方法包括如下： （1）先基于EMG水平數(shù)據(jù)確定EMG水平變化基線，判斷EMG基線水平區(qū)分度，獲取EMG基線水平閾值并偵測高EMG區(qū)段從而計算EMG基線動態(tài)閾值； （2）利用高EMG區(qū)段以及EMG基線動態(tài)閾值對睡眠數(shù)據(jù)進行時相二分類，粗分為清醒和睡眠期； （3）根據(jù)粗分結(jié)果，結(jié)合特征值的數(shù)據(jù)分布自動確定EMG水平閾值及EEG特征閾值； 所述的（1）中具體包括如下： S401：采用長時移動窗口求中位值的方法將EMG水平數(shù)據(jù)粗粒度化，獲得EMG水平變化基線L； S402：將基線L的數(shù)值按大小排列，取較小及較大排位的數(shù)值分別代表低高EMG水平，計算二者差距，若小于預設(shè)區(qū)分度決策閾值則進行提示； S403：獲取基線L的一階差分信號D及其絕對值D_abs，進而根據(jù)D_abs的數(shù)據(jù)分布獲得一個較大閾值TH_D_hi和一個較小閾值TH_D_lo； S404：基于雙閾值端點檢測法，結(jié)合S403中計算所得的差分信號D以及兩個閾值TH_D_hi和TH_D_lo，偵測高EMG區(qū)段的起始和終止位置； S405：設(shè)向量LW表征清醒水平，長度與L相同，其中元素取值為0或1，0代表睡眠期，1代表清醒期，先將所有元素初始化為0，再將高EMG區(qū)段的索引位置對應(yīng)元素取值為1，獲得一個粗粒度的二分睡眠分期序列；將粗粒度動態(tài)EMG基線閾值向量BL初始化為L，修正每個高EMG區(qū)段的BL值為區(qū)段開始前最鄰近的5個時刻所對應(yīng)的L向量元素的均值； 所述的（2）中具體包括如下： S406:睡眠時相粗分 1）利用線性插值方式，將S405中獲取的粗粒度向量BL和LW恢復成對應(yīng)幀數(shù)長度的細粒度向量，分別為BLrs和LWrs，將LWrs中高于0.5的值設(shè)置為1，低于0.5的值設(shè)置為0； 2）計算睡眠幀索引，對于幀索引i，若滿足 LWrsi=0且EMG_leveli-BLrsiTH_D_lo 其中，LWrsi為第i時刻的細粒度清醒水平值，EMG_leveli為第i時刻的肌電水平值，BLrsi為第i時刻的細粒度EMG基線閾值；則將此幀設(shè)為睡眠幀，除睡眠幀外的幀設(shè)為清醒幀； 3）分別獲取睡眠和清醒幀索引對應(yīng)的EMG水平特征值，對應(yīng)定義為兩個向量BLs和BLw； 所述的（3）中具體為： S407：計算EMG水平閾值：根據(jù)取BLs數(shù)據(jù)分布特征計算較高閾值TH_EMG_hi用于區(qū)分睡眠和清醒，較低閾值TH_EMG_lo用于區(qū)分REM和NREM； S408：根據(jù)數(shù)據(jù)統(tǒng)計分布特征自適應(yīng)獲得區(qū)分REM和NREM的EEG特征閾值： 1）獲取EEG特征向量Pow_delta對應(yīng)S406中計算得到的睡眠幀索引位置的值，設(shè)為Pow_delta_s; 2）去除Pow_delta_s中的極值點，將剩余數(shù)據(jù)分到10個等分的區(qū)間，統(tǒng)計落到每個區(qū)間的數(shù)據(jù)點數(shù)量，假設(shè)區(qū)間向量為x，對應(yīng)區(qū)間的數(shù)量為向量n，計算n均值M； 3）以M歸一化向量n，獲得向量r； 4）找到n向量中滿足數(shù)量高于TH的第一個索引位置，設(shè)為p，其中，TH取向量r中最大值減0.5后向下取整后與M的乘積； 5）設(shè)置循環(huán)變量i，遍歷p到10，計算高特征值區(qū)即NREM期概率較大的特征值F1，其為變量i從p到10，向量x與向量n的累加乘積值與向量n總和值之比； 6）獲得低特征值區(qū)即REM概率較大的特征值F2，其為變量i從1到p-1，向量x與向量n累加乘積值與向量n的總和值之比； 7取F1和F2的均值作為候選閾值TH1；取Pow_delta_s向量的均值加其一倍標準差作為候選閾值TH2；取TH1和TH2兩者中較小者作為EEG特征閾值TH_delta； 根據(jù)所提取的所有幀的特征值以及所確定的EMG水平閾值，偵測可能為REM期所在區(qū)，并對其進行修正，具體包括如下： 1）將EMG特征值低于較高肌電水平閾值TH_EMG_hi的索引位置對應(yīng)的EEG特征值組成向量，設(shè)為Pow_delta_s1; 2對Pow_delta_s1波形的反向波形進行峰值檢測，根據(jù)設(shè)定條件，獲得峰值位置； 3）對于每個偵測到峰值點位置，向左向右分別尋找低delta能量區(qū)的起始和終止位置；根據(jù)設(shè)定條件判定是否需要進行起止位置的修正；若需進行修正，則根據(jù)修正規(guī)則進行修正直至滿足條件無需再進行修正，如此最終獲得符合條件的低delta能量區(qū)位置索引； 結(jié)合EMG水平閾值及EEG特征閾值對睡眠進行明確分期，方法如下： 首先，將所有幀設(shè)置為NREM期，將其中EMG水平特征值高于TH_EMG_hi的那些幀修正為清醒期；然后，設(shè)置REM，方法如下，對于獲得的每個低delta能量區(qū)的起止索引位置，將對應(yīng)起止索引位置內(nèi)的連續(xù)幀進一步篩選：去除其中已經(jīng)歸類到清醒的幀；去除delta能量高于TH_delta的幀；去除肌電水平高于TH_EMG_lo和TH_EMG_hi兩者均值的幀；將剩余的幀歸類到REM。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙大城市學院，其通訊地址為：310015 浙江省杭州市拱墅區(qū)湖州街51號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。