买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京交通大学申请的专利一种睡眠呼吸暂停自动检测方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115295143B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210716821.X，技术领域涉及：G16H50/20；该发明授权一种睡眠呼吸暂停自动检测方法和装置是由王晶;林友芳;韩升;万怀宇;张宏钧设计研发完成，并于2022-06-23向国家知识产权局提交的专利申请。

本一种睡眠呼吸暂停自动检测方法和装置在说明书摘要公布了：本发明提供了一种睡眠呼吸暂停自动检测方法及装置，属于睡眠监测领域。所述方法采集睡眠时心电图信号，生成心跳间期时间序列；使用包含两个不同结构残差网络的双残差神经网络模型对所述心跳间期时间序列进行特征提取，转变为两个相同维度的心率间期特征，再进行特征融合，分别输入标签分类器及域分类器，根据结果优化双残差神经网络模型参数，再根据成熟的双残差神经网络模型及标签分类器，判断是否出现呼吸暂停。本发明使用双残差神经网络进行特征提取后，使用域分类器与梯度反转层对残差神经网络进行优化，使得残差神经网络提取的特征难以被域分类器判别其来源，即对于不同域的数据，残差神经网络能够提取出一致的特征，提高了模型的泛化能力。

本发明授权一种睡眠呼吸暂停自动检测方法和装置在权利要求书中公布了：1.一种睡眠呼吸暂停自动检测方法，其特征在于，所述方法包括如下步骤： 步骤S1，采集睡眠时的人体心电图ECG信号，并根据心电周期PQRST五个波中的R波，提取相邻R波之间的时间间隔作为RR间隔数据，生成心跳间期时间序列； 步骤S2，使用包含两个不同结构的残差网络RN的双残差神经网络模型对所述心跳间期时间序列进行特征提取，其中一个残差网络用于捕捉时域信息，另一个用于捕捉频域信息，将心跳间期时间序列转变为两个相同维度的心率间期特征； 步骤S3，将两个心率间期特征进行特征融合，得到融合后的心率特征； 步骤S4对融合后的心率特征去除无标签的泛化域数据后，输入到标签分类器，根据标签分类器的输出结果更新双残差神经网络模型和所述标签分类器的参数； 步骤S5，将融合后的心率特征经过梯度反转层后输入到域分类器，根据域分类器的输出结果更新双残差神经网络模型和域分类器的参数，得到成熟的双残差神经网络模型； 步骤S6，将所述心跳间期时间序列输入到训练好的成熟的双残差神经网络模型，然后将输出的特征输入到标签分类器中，再根据结果及设定阈值判断是否出现呼吸暂停； 上述步骤S5中，将融合后的心率特征经过梯度反转层后输入到域分类器，判断是否无法区分训练域和泛化域的特征，进而优化双残差神经网络模型的泛化能力；所述梯度反转层通过优化减少训练分布DSX与测试分布DTX之间的H散度dHDSX，DTX，优化双残差神经网络模型的泛化能力； H散度的计算方法为： 其中，ηx为样本x的优化分类预测标签，Pr[ηx＝1]为x的预测标签为1的概率，sup为上确数； 优化双残差神经网络模型的泛化能力等价于优化以下目标损失函数： 其中，Gd·为领域分类器，用于区分数据xi来源于训练域还是测试域，Gf·为表示函数，使用神经网络分类输出前的隐层输出实现，di为样本来源域的真实标签，如果数据来源于训练分布则为0，来源于测试分布则为1； 使用神经网络实现领域分类器Gd·和表示函数Gf·时，使用随机梯度下降法对于参数进行更新；在传播过程中，公式7计算的误差用于更新领域分类器Gd·的参数θd、表示函数Gf·的参数θf和最终标签输出分类器Gf·的参数θy，更新公式为 其中，μ为学习率，为更新后的表示函数Gf·的参数，为更新前的表示函数Gf·的参数θf，表示第i个mini-batch的损失函数值，以此类推；为权重因子。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京交通大学，其通讯地址为：100044 北京市海淀区上园村3号北京交通大学计算机科与信息技术学院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。