本發(fā)明涉及輔助睡眠技術(shù)領(lǐng)域，特別是涉及一種睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法和系統(tǒng)。

背景技術(shù)：

在睡眠中，人體進(jìn)行了自我放松及恢復(fù)的過(guò)程，因此良好的睡眠是保持身體健康的一項(xiàng)基本條件；但是由于工作壓力大、生活作息不規(guī)律等原因，導(dǎo)致了部分人群的睡眠質(zhì)量欠佳，表現(xiàn)為失眠、半夜驚醒等。

目前市面上已經(jīng)有一些設(shè)備來(lái)幫助人們?nèi)胨?，提高睡眠質(zhì)量。例如在某一特定睡眠狀態(tài)下通過(guò)聲音、光信號(hào)等人工干預(yù)，避免在熟睡狀態(tài)下叫醒用戶等。對(duì)于輔助睡眠的設(shè)備而言，為了真正達(dá)到提高用戶睡眠質(zhì)量的目的，正確的識(shí)別用戶的睡眠狀態(tài)是非常重要的。

而要識(shí)別用戶的睡眠狀態(tài)，目前主要是利用多導(dǎo)睡眠圖(Polysomnography,PSG)，又稱睡眠腦電圖，多導(dǎo)睡眠圖利用多種生命體征對(duì)睡眠進(jìn)行分析，在這些體征信號(hào)中，腦電處于核心地位；利用腦電波4種節(jié)律：δ波(1-3Hz)，θ波(4-7Hz)，α波(8-12Hz)，β波(14-30Hz)的頻率特性作為特征信息，采用預(yù)先訓(xùn)練的睡眠狀態(tài)監(jiān)測(cè)模型對(duì)睡眠狀態(tài)進(jìn)行識(shí)別，由于腦電信號(hào)容易受到干擾，因此，這種方式的準(zhǔn)確度難以得到保證。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)上述問(wèn)題，提供一種睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法和系統(tǒng)，有效地提高睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別準(zhǔn)確度。

一種睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法，包括：

采集用戶在睡眠過(guò)程中產(chǎn)生的腦電信號(hào)；

基于頻域信號(hào)處理技術(shù)從所述腦電信號(hào)中提取多個(gè)頻率段的腦電波；

分別計(jì)算各個(gè)頻率段的腦電波的能量在腦電信號(hào)總能量中的比例系數(shù)，以及計(jì)算各個(gè)頻率段的腦電波在當(dāng)前幀腦電信號(hào)內(nèi)所占的時(shí)間比；

根據(jù)所述比例系數(shù)和時(shí)間比確定睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)類型對(duì)應(yīng)的特征信息。

一種睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取系統(tǒng)，包括：

采集模塊，用于采集用戶在睡眠過(guò)程中產(chǎn)生的腦電信號(hào)；

提取模塊，用于基于頻域信號(hào)處理技術(shù)從所述腦電信號(hào)中提取多個(gè)頻率段的腦電波；

計(jì)算模塊，用于分別計(jì)算各個(gè)頻率段的腦電波的能量在腦電信號(hào)總能量中的比例系數(shù)，以及計(jì)算各個(gè)頻率段的腦電波在當(dāng)前幀腦電信號(hào)內(nèi)所占的時(shí)間比；

設(shè)置模塊，用于根據(jù)所述比例系數(shù)和時(shí)間比確定睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)類型對(duì)應(yīng)的特征信息。

上述睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法和系統(tǒng)，利用采集的腦電信號(hào)，提取多個(gè)頻率段的腦電波，分別計(jì)算各個(gè)頻率段的腦電波的能量在腦電信號(hào)總能量中的比例系數(shù)及其在當(dāng)前幀腦電信號(hào)內(nèi)所占的時(shí)間比，并將該比例系數(shù)和時(shí)間比確定睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)類型對(duì)應(yīng)的特征信息?；谠摲桨柑崛〉奶卣餍畔ⅲ軌蛴行岣咚郀顟B(tài)監(jiān)測(cè)模型識(shí)別睡眠狀態(tài)的準(zhǔn)確度，而且也一定程度上提高了識(shí)別效率。

附圖說(shuō)明

圖1為一個(gè)實(shí)施例的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法的流程圖；

圖2為濾波處理前后的腦電信號(hào)示意圖；

圖3為一個(gè)實(shí)施例的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖闡述本發(fā)明的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法和系統(tǒng)的實(shí)施例。

參考圖1所示，圖1為本發(fā)明的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法的流程圖，包括：

S101，采集用戶在睡眠過(guò)程中產(chǎn)生的腦電信號(hào)；

在本步驟中，如在對(duì)用戶進(jìn)行輔助睡眠時(shí)，通過(guò)用戶佩戴相關(guān)傳感設(shè)備，檢測(cè)用戶的腦電信號(hào)，可以以30s為一幀進(jìn)行采集。

在一個(gè)實(shí)施例中，考慮到腦電圖的信號(hào)非常微弱(微伏級(jí))，容易被來(lái)自其他部位的生物電信號(hào)干擾。例如眼電信號(hào)疊加在腦電信號(hào)上導(dǎo)致的基線漂移的現(xiàn)象，因此，還可以包括去除每幀(如30s為一幀)腦電信號(hào)中的眼電偽跡的步驟：

(1)對(duì)采集的腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，將其分解成若干個(gè)本征模函數(shù)，并計(jì)算各個(gè)本征模函數(shù)與同一時(shí)刻的眼電信號(hào)之間的相關(guān)系數(shù)；經(jīng)驗(yàn)?zāi)B(tài)分解可以包括如下公式：

式中，EEG_original表示原始腦電信號(hào)，imf_i表示第i個(gè)本征模函數(shù)，Re表示殘差函數(shù)；其中，眼電信號(hào)通過(guò)用戶佩戴相關(guān)傳感設(shè)備，檢測(cè)用戶的眼電信號(hào)，可以以30s為一幀進(jìn)行采集。

(2)將相關(guān)系數(shù)大于預(yù)設(shè)閾值的本征模函數(shù)和相關(guān)系數(shù)最大的本征模函數(shù)刪除，并利用未刪除的本征模函數(shù)重建腦電信號(hào)；重建腦電信號(hào)可以包括如下公式：

式中，EEG_pure表示重建的腦電信號(hào)，corrcoef表示相關(guān)系數(shù)，imf表示第i個(gè)本征模函數(shù)，EOG表示眼電信號(hào)，corrcoef_max表示最大的相關(guān)系數(shù)，thre表示預(yù)設(shè)的相關(guān)系數(shù)閾值。

上述實(shí)施例的技術(shù)方案，只去除高幅度眼電帶來(lái)的類似于基線漂移的偽跡，保留了原始信號(hào)的大部分細(xì)節(jié)信息。因此有利于后續(xù)的基于時(shí)域的腦電信號(hào)濾波處理。

S102，基于頻域信號(hào)處理技術(shù)從所述腦電信號(hào)中提取多個(gè)頻率段的腦電波；

在本步驟中，在頻域?qū)δX電信號(hào)進(jìn)行處理，從腦電信號(hào)中提取出多個(gè)頻率段的腦電波。

在一個(gè)實(shí)施例中，提取信號(hào)特征數(shù)據(jù)前，還可以對(duì)所采集的腦電信號(hào)進(jìn)行濾波處理，濾除高頻噪聲和工頻干擾。例如，腦電信號(hào)的有用信息多集中在0-100Hz的范圍內(nèi)，在采集過(guò)程中會(huì)摻入頻率在該范圍外的噪聲，因此，可以通過(guò)濾波手段將其濾除?？梢酝瑤V波器濾除高頻噪聲，并設(shè)計(jì)一個(gè)陷波器(50/60Hz)來(lái)濾除工頻干擾。

參考圖2所示，圖2為濾波處理前后的腦電信號(hào)示意圖，上圖為原始信號(hào)，下圖為經(jīng)過(guò)濾波處理之后的信號(hào)，可以發(fā)現(xiàn)大部分的高頻噪聲已被濾除。

對(duì)于上述腦電信號(hào)，由于強(qiáng)度很弱，在信號(hào)采集時(shí)，極易被外界信號(hào)所干擾。

根據(jù)頻率的不同，多導(dǎo)睡眠圖的腦電信號(hào)可以分為4種節(jié)律腦電波：δ波(1-3Hz)，θ波(4-7Hz)，α波(8-12Hz)，β波(14-30Hz)；在此，可以提取出δ波頻段，θ波頻段，α波頻段，β波頻段這四種腦電波。

作為一個(gè)實(shí)施例，上述提取多個(gè)頻率段的腦電波的方法，可以包括如下：

對(duì)腦電信號(hào)進(jìn)行小波分解，在小波重構(gòu)中提取所述腦電信號(hào)的δ波頻段，θ波頻段，α波頻段，β波頻段；

為了更好地分解出所述各種頻率波形，小波分解的層數(shù)與腦電信號(hào)的采樣頻率滿足如下關(guān)系：f＝2^N+2，其中，f為腦電信號(hào)的采樣頻率，N為小波分解的層數(shù)；例如，當(dāng)信號(hào)的降采樣率為128Hz時(shí)，可以選擇4層分解，當(dāng)信號(hào)的采樣率為256Hz時(shí)，則可以進(jìn)行5層分解。

S103，分別計(jì)算各個(gè)頻率段的腦電波的能量在腦電信號(hào)總能量中的比例系數(shù)，以及計(jì)算各個(gè)頻率段的腦電波在當(dāng)前幀腦電信號(hào)內(nèi)所占的時(shí)間比；

在本步驟中，通過(guò)多個(gè)頻率段的腦電波的能量在腦電信號(hào)總能量中的比例系數(shù)以及其在當(dāng)前幀的腦電信號(hào)內(nèi)所占的時(shí)間比，作為識(shí)別任務(wù)的特征信息；由此，以腦電波頻域信息基礎(chǔ)上，進(jìn)一步以能量比例系數(shù)和腦電波占據(jù)腦電信號(hào)幀時(shí)間比作為特征量進(jìn)行識(shí)別的方式，提高了分類器識(shí)別的精確度。

作為一個(gè)實(shí)施例，上述計(jì)算比例系數(shù)和時(shí)間比的方法，可以包括如下：

(1)分別計(jì)算δ波頻段，θ波頻段，α波頻段，β波頻段的能量在腦電信號(hào)總能量中的比例系數(shù)，計(jì)算方法可以包括如下公式：

r_δ＝∑(y_δ)²/p_total

r_θ＝∑(y_θ)²/p_total

r_α＝∑(y_α)²/p_total

r_β＝∑(y_β)²/p_total

其中p_total＝∑(y_δ)²+∑(y_θ)²+∑(y_α)²+∑(y_β)²，y_δ，y_θ，y_α和y_β分別表示重構(gòu)后的δ頻段、θ頻段、α頻段和β頻段的信號(hào)，r_δ，r_θ，r_α和r_β分別代表δ頻段、θ頻段、α頻段和β頻段的信號(hào)的能量在總能量的比例。

具體的，通過(guò)計(jì)算δ波頻段，θ波頻段，α波頻段，β波頻段的能量比例系數(shù)，可以得到4個(gè)特征信息。

(2)計(jì)算在一幀腦電信號(hào)內(nèi)，δ波頻段，θ波頻段，α波頻段，β波頻段能量最大的時(shí)間長(zhǎng)度；4計(jì)算方法包括如下公式：

式中，c_δ，c_θ，c_α和c_β表示δ頻段、θ頻段、α頻段和β頻段的信號(hào)在當(dāng)前幀內(nèi)所占能量比例最大的時(shí)間長(zhǎng)度，分別表示第i秒內(nèi)δ頻段、θ頻段、α頻段和β頻段的信號(hào)的能量在總能量的比例。

例如，在以30s為一幀進(jìn)行對(duì)腦電信號(hào)進(jìn)行采集時(shí)，可以計(jì)算該幀30s內(nèi)，各個(gè)腦電波所占的時(shí)間；通過(guò)計(jì)δ波頻段，θ波頻段，α波頻段，β波頻段的時(shí)間比，可以得到4個(gè)特征信息。

由此，可以得到8個(gè)特征信息，應(yīng)用于睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)。

S104，根據(jù)所述比例系數(shù)和時(shí)間比確定睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)類型對(duì)應(yīng)的特征信息；

在本步驟中，是將前述識(shí)別的比例系數(shù)和時(shí)間比作為特征信息，應(yīng)用于睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)中；如用于訓(xùn)練新的睡眠狀態(tài)監(jiān)測(cè)模型(分類器)或者作為樣本數(shù)據(jù)輸入已有的睡眠狀態(tài)監(jiān)測(cè)模型(分類器)中進(jìn)行睡眠狀態(tài)識(shí)別。

上述睡眠狀態(tài)監(jiān)測(cè)模型，可以采用RBF核的SVM(Support Vector Machin，支持向量機(jī))分類器，也可以采用神經(jīng)網(wǎng)絡(luò)、決策樹(shù)的分類器等。

作為一個(gè)實(shí)施例，基于前述計(jì)算的δ波頻段，θ波頻段，α波頻段，β波頻段對(duì)應(yīng)的比例系數(shù)和時(shí)間比，分別其設(shè)為睡眠狀態(tài)監(jiān)測(cè)模型的清醒狀態(tài)和睡眠狀態(tài)識(shí)別任務(wù)的特征信息，即應(yīng)用于識(shí)別用戶處于清醒還是睡眠狀態(tài)。

作為一個(gè)實(shí)施例，本發(fā)明實(shí)施例提供的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法，應(yīng)用于睡眠狀態(tài)監(jiān)測(cè)模型進(jìn)行睡眠狀態(tài)識(shí)別時(shí)，可以用來(lái)進(jìn)行包括清醒，非眼快動(dòng)睡眠和眼快動(dòng)睡眠等識(shí)別任務(wù)。

在一個(gè)實(shí)施例中，步驟S102中，在對(duì)所述腦電信號(hào)進(jìn)行小波分解的步驟前，還可以提取腦電信號(hào)的基線，計(jì)算所述基線的變化幅度；其中，所述變化幅度為基線最大值減去最小值；

以及在去掉腦電信號(hào)的基線后，執(zhí)行所述對(duì)腦電信號(hào)進(jìn)行小波分解的步驟，獲得小波系數(shù)。

在步驟S103中，根據(jù)小波系數(shù)計(jì)算小波系數(shù)的特征參數(shù)；其中，所述特征參數(shù)包括小波系數(shù)的均值、方差、峭度系數(shù)和/或斜度系數(shù)。

在步驟S104中，則將所述比例系數(shù)、時(shí)間參數(shù)、變化幅度和特征參數(shù)設(shè)為睡眠狀態(tài)監(jiān)測(cè)模型的清醒狀態(tài)、非眼快動(dòng)睡眠狀態(tài)和眼快動(dòng)睡眠狀態(tài)識(shí)別任務(wù)的特征信息。

進(jìn)一步地，還可以用來(lái)進(jìn)行包括非眼快動(dòng)睡眠的入睡期(S1)，非眼快動(dòng)睡眠期(S2)，中等睡眠期(S3)和眼快動(dòng)睡眠期(S4)4個(gè)狀態(tài)的等識(shí)別任務(wù)。

對(duì)于非眼快動(dòng)睡眠可以分為4個(gè)時(shí)期：S1期(完全清醒至睡眠之間的過(guò)渡階段，腦電波以θ波為主，不出現(xiàn)紡錘波或K綜合波)；S2期(淺睡階段，腦電波為紡錘波與K綜合波，δ波少于20％)；S3期(中等深度睡眠，腦電波δ波占20％～50％)；S4期(深睡，腦電波δ波占50％以上)。

在一個(gè)實(shí)施例中，在上述實(shí)施例的步驟S102基礎(chǔ)上，在去掉腦電信號(hào)的基線后，進(jìn)一步對(duì)腦電信號(hào)進(jìn)行降采樣處理(如原信號(hào)采樣率為512Hz，降采樣后為128Hz)，得到降采樣信號(hào)。

在步驟S103基礎(chǔ)上，計(jì)算所述降采樣信號(hào)的基于非線性動(dòng)力學(xué)的特征量；其中，所述基于非線性動(dòng)力學(xué)的特征量可以包括LZ復(fù)雜度、樣本熵和/或近似熵。

在步驟S104中，則將所述比例系數(shù)、時(shí)間參數(shù)、變化幅度、特征參數(shù)和特征量設(shè)為睡眠狀態(tài)監(jiān)測(cè)模型的清醒狀態(tài)、S1-S4期非眼快動(dòng)睡眠狀態(tài)和眼快動(dòng)睡眠狀態(tài)識(shí)別任務(wù)的特征信息。

作為一個(gè)實(shí)施例中，在利用上述特征信息基礎(chǔ)上，還可以采集用戶的血氧濃度參數(shù)，并根據(jù)所述濃度參數(shù)計(jì)算血氧飽和度參數(shù)，將所述血氧飽和度參數(shù)設(shè)為睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)類型對(duì)應(yīng)的特征信息。

參考圖3所示，圖3為一個(gè)實(shí)施例的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取系統(tǒng)結(jié)構(gòu)示意圖，包括：

采集模塊101，用于采集用戶在睡眠過(guò)程中產(chǎn)生的腦電信號(hào)；

提取模塊102，用于基于頻域信號(hào)處理技術(shù)從所述腦電信號(hào)中提取多個(gè)頻率段的腦電波；

計(jì)算模塊103，用于分別計(jì)算各個(gè)頻率段的腦電波的能量在腦電信號(hào)總能量中的比例系數(shù)，以及計(jì)算各個(gè)頻率段的腦電波在當(dāng)前幀腦電信號(hào)內(nèi)所占的時(shí)間比；

設(shè)置模塊104，用于根據(jù)所述比例系數(shù)和時(shí)間比確定睡眠狀態(tài)監(jiān)測(cè)模型的識(shí)別任務(wù)類型對(duì)應(yīng)的特征信息。

本發(fā)明的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取系統(tǒng)與本發(fā)明的睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法一一對(duì)應(yīng)，在上述睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取方法的實(shí)施例闡述的技術(shù)特征及其有益效果均適用于睡眠狀態(tài)監(jiān)測(cè)模型的特征信息提取系統(tǒng)的實(shí)施例中，特此聲明。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡(jiǎn)潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說(shuō)明書(shū)記載的范圍。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。