基于非穿戴式设备数据的睡眠分期模型训练方法及应用

本发明公开了一种基于非穿戴式设备数据的睡眠分期模型训练方法及应用。包括：1）获取基于非穿戴式设备和多导睡眠监测同步采集的整夜睡眠数据，构建非穿戴式设备的原始整夜睡眠数据集以及多导睡眠监测对照的数据集；2）构建结合专家意见和非穿戴式设备数据的睡眠分期所需的重构睡眠数据集；3）利用卷积神经网络（CNN，包括多尺度卷积）提取局部特征，并结合双向门控循环单元（BiGRU）建立时序模型；4）使用重构数据集、数据增强及优化参数、标签平滑和KL散度损失函数进行训练；5）利用留一验证（LOO‑CV）对已训练的模型进行评估。该方法既能达到与传统多导睡眠监测仪相媲美的准确度，又能大幅提升监测的便利性和舒适性。