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

龍圖騰網獲悉北京交通大學申請的專利一種睡眠呼吸暫停自動檢測方法和裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115295143B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210716821.X，技術領域涉及：G16H50/20；該發明授權一種睡眠呼吸暫停自動檢測方法和裝置是由王晶;林友芳;韓升;萬懷宇;張宏鈞設計研發完成，并于2022-06-23向國家知識產權局提交的專利申請。

本一種睡眠呼吸暫停自動檢測方法和裝置在說明書摘要公布了：本發明提供了一種睡眠呼吸暫停自動檢測方法及裝置，屬于睡眠監測領域。所述方法采集睡眠時心電圖信號，生成心跳間期時間序列；使用包含兩個不同結構殘差網絡的雙殘差神經網絡模型對所述心跳間期時間序列進行特征提取，轉變為兩個相同維度的心率間期特征，再進行特征融合，分別輸入標簽分類器及域分類器，根據結果優化雙殘差神經網絡模型參數，再根據成熟的雙殘差神經網絡模型及標簽分類器，判斷是否出現呼吸暫停。本發明使用雙殘差神經網絡進行特征提取后，使用域分類器與梯度反轉層對殘差神經網絡進行優化，使得殘差神經網絡提取的特征難以被域分類器判別其來源，即對于不同域的數據，殘差神經網絡能夠提取出一致的特征，提高了模型的泛化能力。

本發明授權一種睡眠呼吸暫停自動檢測方法和裝置在權利要求書中公布了：1.一種睡眠呼吸暫停自動檢測方法，其特征在于，所述方法包括如下步驟： 步驟S1，采集睡眠時的人體心電圖ECG信號，并根據心電周期PQRST五個波中的R波，提取相鄰R波之間的時間間隔作為RR間隔數據，生成心跳間期時間序列； 步驟S2，使用包含兩個不同結構的殘差網絡RN的雙殘差神經網絡模型對所述心跳間期時間序列進行特征提取，其中一個殘差網絡用于捕捉時域信息，另一個用于捕捉頻域信息，將心跳間期時間序列轉變為兩個相同維度的心率間期特征； 步驟S3，將兩個心率間期特征進行特征融合，得到融合后的心率特征； 步驟S4對融合后的心率特征去除無標簽的泛化域數據后，輸入到標簽分類器，根據標簽分類器的輸出結果更新雙殘差神經網絡模型和所述標簽分類器的參數； 步驟S5，將融合后的心率特征經過梯度反轉層后輸入到域分類器，根據域分類器的輸出結果更新雙殘差神經網絡模型和域分類器的參數，得到成熟的雙殘差神經網絡模型； 步驟S6，將所述心跳間期時間序列輸入到訓練好的成熟的雙殘差神經網絡模型，然后將輸出的特征輸入到標簽分類器中，再根據結果及設定閾值判斷是否出現呼吸暫停； 上述步驟S5中，將融合后的心率特征經過梯度反轉層后輸入到域分類器，判斷是否無法區分訓練域和泛化域的特征，進而優化雙殘差神經網絡模型的泛化能力；所述梯度反轉層通過優化減少訓練分布DSX與測試分布DTX之間的H散度dHDSX，DTX，優化雙殘差神經網絡模型的泛化能力； H散度的計算方法為： 其中，ηx為樣本x的優化分類預測標簽，Pr[ηx＝1]為x的預測標簽為1的概率，sup為上確數； 優化雙殘差神經網絡模型的泛化能力等價于優化以下目標損失函數： 其中，Gd·為領域分類器，用于區分數據xi來源于訓練域還是測試域，Gf·為表示函數，使用神經網絡分類輸出前的隱層輸出實現，di為樣本來源域的真實標簽，如果數據來源于訓練分布則為0，來源于測試分布則為1； 使用神經網絡實現領域分類器Gd·和表示函數Gf·時，使用隨機梯度下降法對于參數進行更新；在傳播過程中，公式7計算的誤差用于更新領域分類器Gd·的參數θd、表示函數Gf·的參數θf和最終標簽輸出分類器Gf·的參數θy，更新公式為 其中，μ為學習率，為更新后的表示函數Gf·的參數，為更新前的表示函數Gf·的參數θf，表示第i個mini-batch的損失函數值，以此類推；為權重因子。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京交通大學，其通訊地址為：100044 北京市海淀區上園村3號北京交通大學計算機科與信息技術學院；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。