基于马尔可夫链动态损失的睡眠分期方法

本公开涉及基于马尔可夫链动态损失的睡眠分期方法，涉及数据处理领域。所述方法包括：对脑电信号进行预处理获取训练样本，构建并训练睡眠分期模型，利用训练好的模型进行睡眠分期，训练包括：计算基础分类损失；当训练样本睡眠阶段转移至不同阶段时，通过马尔可夫转移概率矩阵获得真实生理转移概率，若概率小于阈值，则根据模型是否正确预测了当前训练样本的睡眠阶段，计算训练样本的损失权重因子；根据损失权重因子与基础分类损失，计算序列感知损失的平均值；计算所述平均值对睡眠分期模型参数的梯度，并对睡眠分期模型的模型参数进行更新。本公开提升了睡眠分期模型对整体睡眠结构的理解和预测的生理学可解释性，进而提高了睡眠分期的准确性。