CN105942974A - 一种基于低频脑电的睡眠分析方法及系统 - Google Patents
一种基于低频脑电的睡眠分析方法及系统 Download PDFInfo
- Publication number
- CN105942974A CN105942974A CN201610231751.3A CN201610231751A CN105942974A CN 105942974 A CN105942974 A CN 105942974A CN 201610231751 A CN201610231751 A CN 201610231751A CN 105942974 A CN105942974 A CN 105942974A
- Authority
- CN
- China
- Prior art keywords
- frequency
- electroencephalogram
- sleep
- low
- signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 126
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 230000005484 gravity Effects 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 210000004556 brain Anatomy 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims 2
- 238000012549 training Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000004424 eye movement Effects 0.000 description 4
- 230000003860 sleep quality Effects 0.000 description 4
- 230000008667 sleep stage Effects 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000037007 arousal Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000001508 eye Anatomy 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 206010039897 Sedation Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008452 non REM sleep Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 230000036280 sedation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/30—Input circuits therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于低频脑电的睡眠分析方法及系统,其中方法包括如下步骤:采集并或获取脑电信号,脑电信号的采样频率为125Hz;将脑电信号进行预处理获取低频脑电信号,预处理包括异常信号去除、标准化、基线漂移信号滤除和低通滤波,低通滤波的频率为6Hz;对所述低频脑电信号进行眨眼信号去除;将去除眨眼信号后预处理后的低频脑电信号划分为N段,将每段低频脑电信号进行傅里叶变换,计算预设频段范围内的平均相对功率与平均重心频率;根据平均相对功率与平均重心频率之比计算用户的睡眠深度指数。本发明计算出aHz~bHz的相对功率,避免了被试者之间的个体差异性,更能表征睡眠深度的特征信息,有利于睡眠状态分类。
Description
技术领域
本发明属于信号处理技术领域,具体而言,涉及一种基于低频脑电的睡眠分析方法及系统。
背景技术
研究发现,睡眠质量和人的感觉器官输入的敏感度、大脑的左右脑偏侧化、大脑的耗能都有着密切的相关性。由于人与人的感觉神经的敏感度不同,就会导致人与人的睡眠质量有很大差别。
睡眠是一种意识的改变。我们睡着的时候是无意识的。睡眠以我们的电生理活动——我们脑波的活动为特征。睡眠是一种意识水平,通常利用EEG测量脑电波的能量来把睡眠与其他意识水平区别开来。目前国际上普遍使用R&K睡眠EEG分期规则,根据睡眠时脑电信号的表现,将睡眠分为:觉醒期、非快速眼动睡眠期(non-rapid eye movement,NREM)和快速眼动睡眠期(rapid eye movement,REM)。其中NREM又可分为1、2、3、4期或1、2、3。睡眠分期研究,对于睡眠状态分析以及睡眠质量的科学评估,具有重要的应用价值。脑电数字化分析已广泛用于大脑皮层的功能监测,应用单一的数字化EEG参数分析大脑在睡眠状态下的镇静程度更为直观方便。脑电信号(EEG)反映脑细胞群自发而有节律的电活动,一般用波幅、频率和相位等特征来描述。当进入睡眠状态时,EEG的基本特征随着睡眠程度加深或变浅呈顺序性变化,呈现一定的函数关系,因而可用来反映睡眠深度。
现有的反应睡眠深度是通过对脑电波信号进行处理计算其睡眠指数来反映睡眠深度,例如公开号为201110118756.2申请。该申请通过对睡眠脑电信号采用传统的时频域分析方法和新引入的非线性动力学分析方法提取到一批能表征睡眠深度的特征参数,再通过套索回归方法选择特征参数的最佳子集,通过统计学验证方法,确定模型系数。最终建立睡眠指数自动监测模型,可以根据相应的睡眠阶段分级标准实现睡眠阶段的自动分级。然而这种方法采利用存储如下缺点:1)多导睡眠监护仪获取睡眠脑电数据困难和用户舒适度低等问题,不利于产品工程化;2)同时提取频域,时域,非线性动力学参数,以及非线性混沌参数,特征之间存在很大的相关性和冗余性,如果不做特征降维和特征去噪必然会影响睡眠阶段自动分级的准确度,也增加数据处理的时间和空间复杂度,不利于实时运算;3)提取的alpha,beta等频谱特征存在明显的个体差异性,其特征通用性远不如低频脑电-Delta频段的通用性,从而不利于睡眠状态通用分类方法;4)睡眠状态监测前,需要在训练数据基础上利用统计学方法确定模型系数,再进行测试数据的睡眠状态监测。监测精度过度依赖于训练数据,如果训练数据与测试数据差异过大,需要重新通过统计方法确定模型系数,效率较低,并且训练数据过少也会影响最后的睡眠状态监测的准确度。
发明内容
为解决现有利用脑电分析睡眠的技术中,脑电采集装置复杂不利于产品工程化,且脑电提取的频谱通用性差不利于睡眠状态分类的技术缺陷,本发明通过单通道脑电采集装置提高脑电采集的简便性,利用低频脑电信号-Delta频段避免不同用户之间睡眠差异性,相对于高频脑电信号具备更好的通用性,更能表征睡眠深度的特征信息,提高睡眠分析的准确性。
本发明提供了一种基于低频脑电的睡眠分析方法,包括如下步骤:
采集并或获取脑电信号,所述脑电信号的采样频率为125Hz;
将所述脑电信号进行预处理,所述预处理包括异常信号去除、标准化、基线漂移信号滤除、低通滤波,所述低通滤波的频率为6Hz,获得低频脑电信号;
对所述低频脑电信号进行眨眼信号去除,所述眨眼信号去除包括计算差分信号,通过特定算法检测出每个眨眼信号的起始点和结束点,通过所述预处理后的所述脑电信号减去眨眼信号得到一帧去除眨眼的低频脑电信号;
将去除眨眼信号的所述低频脑电信号划分为N段,将每段脑电信号进行傅里叶变换,计算傅里叶变换后的每段所述低频脑电信号在预设频段范围内的平均相对功率与平均重心频率;
利用在线移动平均对所述平均相对功率和所述平均重心频率进行平滑去噪,去除局部噪声对睡眠深度特征的影响;
根据所述平均相对功率与所述平均重心频率之比计算所述低频脑电信号的睡眠深度指数,查询预设的睡眠分级表获取所述睡眠深度指数对应的睡眠等级及睡眠状态信息。
进一步,所述预设频段包括a Hz~b Hz、a Hz~c Hz,0.1<=a<=1,1<b<4,4<=c<=6。
进一步,所述脑电信号是利用单通道脑电采集装置采集的。
本发明还提供了一种基于低频脑电的睡眠分析系统,包括脑电采集装置、分析装置,其中,
所述脑电采集装置,用于采集并或获取脑电信号,所述脑电信号的采样频率为125Hz;
所述分析装置,用于获取所述脑电采集装置采集的脑电信号,将所述脑电信号进行分析处理,判断所述脑电信号的用户的睡眠等级及睡眠状态信息。
进一步,所述分析装置包括
预处理模块,用于将所述脑电信号进行预处理,所述预处理包括异常信号去除、标准化、基线漂移信号滤除和低通滤波,所述低通滤波的频率为6Hz,获得低频脑电信号;
眨眼去除模块,用于对所述低频脑电信号进行眨眼信号去除,所述眨眼信号去除包括计算差分信号,通过特定算法检测出每个眨眼信号的起始点和结束点,通过所述低频脑电信号减去眨眼信号得到一帧去除眨眼的低频脑电信号;
特征提取模块,用于将所述眨眼信号去除后的所述低频脑电信号划分为N段,将每段低频脑电信号进行傅里叶变换,计算傅里叶变换后的每段所述低频脑电信号在预设频段范围内的平均相对功率与平均重心频率;
特征去噪模块,利用在线移动平均对所述平均相对功率和所述平均重心频率进行平滑去噪,去除局部噪声对睡眠深度特征的影响;
睡眠分析模块,用于根据所述平均相对功率与所述平均重心频率之比计算用户的睡眠深度指数,查询预设的睡眠分级表获取所述睡眠深度指数对应的睡眠等级及睡眠状态信息。
进一步,所述脑电采集装置包括信号采集电路、模数转换电路和通信电路,所述模数转换电路分别与所述信号采集电路、通信电路连接。
进一步,所述预设频段包括a Hz~b Hz、a Hz~c Hz,0.1<=a<=1,1<b<4,4<=c<=6。经典取值a为0.5,b为3.5,c为6。
综上,本发明通过佩戴舒适、操作简单方便、舒适度高的单通道脑电采集装置采集脑电信号,脑电信号中的低频脑电信号避免了不同个体之间差异性,提高了睡眠分析的准确性,便于后续采用相关生理信号的监测来改善睡眠质量和睡眠监护。
附图说明
图1为本发明所述的基于低频脑电的睡眠分析方法的流程示意图;
图2为本发明所述的基于低频脑电的睡眠分析系统的结构示意图;
图3为本发明所述的分析装置的结构示意图。
具体实施方式
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
当前的睡眠分析技术中,过度依赖于训练数据,且脑电检测装置结构复杂用户舒适度低,且分析的睡眠特征个体差异性较大,为了解决上述问题本发明提供了一种基于低频脑电的睡眠分析方法。
如图1所示,所述方法包括如下步骤:
S101、采集并或获取脑电信号,所述脑电信号的采样频率为125Hz。
脑电图的波形很不规则,其频率变化范围每秒约在1~30次之间,通常将此频率变化分为4个波段:①α波:频率8~13Hz,波幅10~100μV。大脑各区均有,但以枕部最明显。α节律是成人和较大儿童清醒闭目时主要的正常脑电活动,小儿的α波及节律随年龄增长而逐渐明显。②β波:频率14~30Hz,波幅约5~30/μV以额、颞和中央区较明显。在精神活动,情绪兴奋时增多。约有6%的正常人即使在精神安定和闭目时所记录的脑电图仍以β节律为主,称之为β型脑电图。③θ波:频率4~7Hz,波幅20~40μV。④δ波:频率0.5~3Hz,波幅10~20μV。常在额部出现。采样频率与脑电频率之间有一定的关系,当采样频率高于脑电频率最高频率的两倍时,就能把脑电频率还原为原来的频率。过高的采样频率会增加数据存储空间和算法计算复杂度。根据芯片的晶振分频特点,本发明取采样频率为125Hz。
S102、将所述脑电信号进行预处理获取低频脑电信号,所述预处理包括异常信号去除、标准化、基线漂移信号滤除和低通滤波,所述低通滤波的频率为6Hz。
具体实施时,可选的首先直接去除原始脑电信号中幅度异常的信号(具体实施时可选的如幅值大于400uV的信号,可直接去除),再并对剩余信号进行标准化后,再利用窗长为250的移动中值滤波方法,滤除标准化信号中的基线漂移信号,最后进行6Hz的低通滤波。低通滤波采用6Hz,方便获取所述脑电信号的差分信号进行眨眼检测和去除。
基线漂移信号一般是脑电采集装置以及环境因素的影响产生的,传统的脑电信号处理中并未对基线漂移信号进行处理,直接影响到了生成的睡眠深度指数,进而影响到睡眠的分级。
具体实施时,本发明可选的利用如下的标准化方法进行处理:
其中n=0,1,2,...N-1,N为脑电信号长度,δ为脑电信号的标准差,为脑电信号的均值,x(n)为标准化前的脑电信号,y(n)为标准化后的脑电信号。
本发明采用的移动中值滤波公式如下:
脑电信号x(n)(n=0,1,2,...,N-1),取长度为L=2M+1(M为正整数)的滤波窗口,设在第n时刻输入信号序列在窗口中的采样点为x(n-M),...,x(n),...,x(n+M),此时的输出为:y(n)=med{x(n-M),...,x(n),...,x(n+M)},其中med表示对窗口内所有数按小到大排序后取中值的运算。
S103、对所述低频脑电信号进行眨眼信号去除。
具体实施时,本发明可选的利用计算差分信号进行眨眼信号去除,通过特定算法检测出每个眨眼信号的起始点和结束点,通过所述预处理后的所述低频脑电信号减去眨眼信号得到一帧去除眨眼的低频脑电信号。需要说明的是,眨眼伪迹是脑电信号采集过程中的常见噪声,严重影响其有用信息(即睡眠特征)的提取,因此本发明利用特定算法的目的在于有效的识别并去除眨眼信号,所述特定检测算法是指,对所述低频脑电信号的差分信号,取两个阈值分别对应眼睑开始闭合和重新开始睁开的速度,以这两个阈值定位出每个眨眼信号的起始点和结束点,该算法对本领域技术人员是公知,本发明在此不再一一详述。
S104、将去除眨眼信号后的所述低频脑电信号划分为N段,将每段低频脑电信号按照预设频段进行频谱特征提取,计算每段所述低频脑电信号在预设频段范围内的平均相对功率与平均重心频率。
所述预设频段包括a Hz~b Hz、a Hz~c Hz,0.1<=a<=1,1<b<4,4<=c<=6。所述脑电信号是利用单通道脑电采集装置采集的。
将所述低频脑电信号划分为N段后,每段的段长为base(具体实施时可选的500<=base<=1000),两段之间重叠base/2,即步长为base/2,经典取值base=750;分别对每小段信号进行FFT变换,对变换后的频谱信号计算a Hz~b Hz的相对功率(即a Hz~b Hz绝对功率与a Hz~c Hz绝对功率的比值)和频段a Hz~b Hz的重心频率,最后对所有小段的特征计算平均值,得到一帧脑电数据的睡眠状态特征(a Hz~b Hz的相对功率和重心频率)。其中a、b、c满足:0.1<=a<=1,1<b<4,4<=c<=6,进一步,a为0.5,b为3.5,c为6。本发明充分利用脑电信号中的低频脑电信号(包括眼动和Delta波),而delta频段与睡眠分期密切相关。本发明通过单通道脑电采集装置采集的脑电信号计算a Hz~b Hz的相对功率和重心频率,佩戴舒适,操作简单方便,极大的提高了用户使用舒适度,并且a Hz~b Hz正好处在Delta频段(包括眼动和Delta波),此频段的脑电信号相对高频脑电信号具备更好的通用性,可避免不同个体之间差异性,更能表征睡眠深度的特征信息,有利于睡眠状态分类。
S105、利用在线移动平均对所述平均相对功率和所述平均重心频率进行平滑去噪,去除局部噪声对睡眠深度特征的影响;
S106、根据所述平均相对功率与所述平均重心频率之比计算所述低频脑电信号的睡眠深度指数,查询预设的睡眠分级表获取所述睡眠深度指数对应的睡眠等级及睡眠状态信息,所述预设的睡眠分级表包括睡眠深度指数与睡眠等级及睡眠状态信息的关联关系。
具体实施时,所述睡眠深度指数可映射为1至100之间,同时将睡眠状态划为5个状态(觉醒,REM,NREM1,NREM2,NREM3)。1~10表示觉醒,10~30表示REM,30~50表示NREM1,50~80表示NREM2,80~100表示NREM3,由此计算出每帧脑电数据对应的睡眠状态。需要说明的是,所述睡眠深度指数状态的划分可根据具体实际进行划分,本发明中划分了5个状态,具体实施时还可选的划分为不同于5的其他数字的几个状态,本发明在此不进行一一详述。
本发明通过对检测到的脑电信号进行处理直接计算其睡眠深度指数,不需对训练数据进行模式训练,减少模型训练时间,分类结果不依赖于训练数据。本发明充分利用脑电信号中的低频脑电信号(包括眼动和Delta波),计算出a Hz~b Hz的相对功率,避免了被试者之间的个体差异性,并且a Hz~b Hz正好处在Delta频段(包括眼动和Delta波),此频段的脑电信号相对高频脑电信号具备更好的通用性,可避免不同个体之间差异性,更能表征睡眠深度的特征信息,有利于睡眠状态分类。
如图2所述,本发明还提供了一种基于低频脑电的睡眠分析系统。所述系统包括脑电采集装置100、分析装置200。
其中,
所述脑电采集装置100,用于采集并或获取脑电信号,所述脑电信号的采样频率为125Hz;
所述分析装置200,用于获取所述脑电采集装置采集的脑电信号,将所述脑电信号进行分析处理,判断所述脑电信号的用户的睡眠等级及睡眠状态信息。
具体实施时,本发明所述的脑电采集装置可选的为眼罩等方便佩戴的装置。
进一步,如图3所示,所述分析装置包括
预处理模块201,用于将所述脑电信号进行预处理获取低频脑电信号,所述预处理包括异常信号去除、标准化、基线漂移信号滤除和低通滤波,所述低通滤波的频率为6Hz;
眨眼去除模块202,用于对所述低频脑电信号进行眨眼信号去除。
所述眨眼信号去除,用于计算差分信号,通过特定算法检测出每个眨眼信号的起始点和结束点,通过所述低频脑电信号减去眨眼信号得到一帧去除眨眼的低频脑电信号。
特征提取模块203,用于将去除眨眼信号后所述低频脑电信号划分为N段,将每段脑电信号进行傅里叶变换,计算傅里叶变换后的每段所述脑电信号在预设频段范围内的平均相对功率与平均重心频率;
特征去噪模块204,利用移动平均对所述平均相对功率和所述平均重心频率进行平滑去噪,去除局部噪声对睡眠深度特征的影响;
睡眠分析模块205,用于根据所述平均相对频率与所述平均重心频率之比计算所述低频脑电信号的用户睡眠深度指数,查询预设的睡眠分级表获取所述睡眠深度指数对应的睡眠等级及睡眠状态信息,所述预设的睡眠分级表包括睡眠深度指数与睡眠等级及睡眠状态信息的关联关系。
所述预设频段包括a Hz~b Hz、a Hz~c Hz,0.1<=a<=1,1<b<4,4<=c<=6。
进一步,a为0.5,b为3.5,c为6。
传统的脑电采集装置结构复杂不利于产品结构化,例如多导联采集。本发明所述脑电采集装置包括信号采集电路、模数转换电路和通信电路,所述模数转换电路分别与所述信号采集电路、通信电路连接。其中,信号采集电路可选的包括信号测试电极、参考电极和接地电极。具体实施时,可选的将信号采集电路、模数转换电路和通信电路三个结构简单的电路内置于眼罩、发带等结构内,从而方便用户佩戴;同时,不同于传统笨重的脑电采集仪器,本发明所述的脑电采集装置通过内置信号采集电路、模数转换电路和通信电路的发带或者眼罩等提高了采集脑电信号过程中的用户体验的舒适性。具体实施时,所述通信电路包括发送天线。具体实施时,所述脑电采集装置还可选的包括分别与所述信号采集电路、模数转换电路连接的放大电路。所述放大电路将所述信号采集电路采集的脑电信号放大后,再利用所述模数转换电路将信号放大后的所述脑电信号进行模数转换。
进一步,具体实施时,本发明所述的脑电采集装置还可选的包括分别与所述信号采集电极、所述数模转换电路和所述通信电路连接的保护电路。
以上所述仅为本发明的优选实施案例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于低频脑电的睡眠分析方法及系统,其特征在于,包括如下步骤:
采集并或获取脑电信号,所述脑电信号的采样频率为125Hz;
将所述脑电信号进行预处理获取低频脑电信号,所述预处理包括异常信号去除、标准化、基线漂移信号滤除和低通滤波,所述低通滤波的频率为6Hz;
对所述低频脑电信号进行眨眼信号去除;
将去除眨眼信号后的所述低频脑电信号划分为N段,将每段脑电信号进行傅里叶变换,计算傅里叶变换后的每段所述脑电信号在预设频段范围内的平均相对功率与平均重心频率;
利用移动平均法对所述平均相对功率和所述平均重心频率进行平滑去噪;
根据平滑去噪后的所述平均相对功率与所述平均重心频率之比计算用户的睡眠深度指数,查询预设的睡眠分级表获取所述睡眠深度指数对应的睡眠等级及睡眠状态信息,所述预设的睡眠分级表包括睡眠深度指数与睡眠等级及睡眠状态信息的关联关系。
2.根据权利要求1所述的基于低频脑电的睡眠分析方法,其特征在于,所述预设频段包括a Hz~b Hz、a Hz~c Hz,0.1<=a<=1,1<b<4,4<=c<=6。
3.根据权利要求2所述的基于低频脑电的睡眠分析方法,其特征在于,a为0.5,b为3.5,c为6。
4.根据权利要求1所述的基于低频脑电的睡眠分析方法,其特征在于,所述脑电信号是利用单通道脑电采集装置采集的。
5.根据权利要求4所述的基于低频脑电的睡眠分析方法,其特征在于,所述脑电采集装置包括信号采集电路、模数转换电路和通信电路,所述模数转换电路分别与所述信号采集电路、通信电路连接。
6.一种基于低频脑电的睡眠分析系统,其特征在于,包括脑电采集装置、分析装置,其中,
所述脑电采集装置,用于采集并或获取脑电信号,所述脑电信号的采样频率为125Hz;
所述分析装置,用于获取所述脑电采集装置采集的脑电信号,将所述脑电信号进行分析处理,判断所述脑电信号的用户睡眠等级及睡眠状态信息。
7.根据权利要求6所述的基于低频脑电的睡眠分析系统,其特征在于,所述分析装置包括
预处理模块,用于将所述脑电信号进行预处理获取低频脑电信号,所述预处理包括异常信号去除、标准化、基线漂移信号滤除和低通滤波,所述低通滤波的频率为6Hz;
眨眼去除模块,用于对所述低频脑电信号进行眨眼信号去除;
特征提取模块,用于将去除眨眼信号后的所述低频脑电信号划分为N段,将每段低频脑电信号进行傅里叶变换,计算傅里叶变换后的每段所述低频脑电信号在预设频段范围内的平均相对功率与平均重心频率;
特征去噪模块,利用移动平均法对所述平均相对功率和所述平均重心频率进行平滑去噪;
睡眠分析模块,用于根据平滑去噪后的所述平均相对功率与所述平均重心频率之比计算用户的睡眠深度指数,查询预设的睡眠分级表获取所述睡眠深度指数对应的睡眠等级及睡眠状态信息,所述预设的睡眠分级表包括睡眠深度指数与睡眠等级及睡眠状态信息的关联关系。
8.根据权利要求6所述的基于低频脑电的睡眠分析系统,其特征在于,所述脑电采集装置包括信号采集电路、模数转换电路和通信电路,所述模数转换电路分别与所述信号采集电路、通信电路连接。
9.根据权利要求6所述的基于低频脑电的睡眠分析系统,其特征在于,所述预设频段包括a Hz~b Hz、a Hz~c Hz,0.1<=a<=1,1<b<4,4<=c<=6。
10.根据权利要求9所述的基于低频脑电的睡眠分析方法,其特征在于,a为0.5,b为3.5,c为6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610231751.3A CN105942974A (zh) | 2016-04-14 | 2016-04-14 | 一种基于低频脑电的睡眠分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610231751.3A CN105942974A (zh) | 2016-04-14 | 2016-04-14 | 一种基于低频脑电的睡眠分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105942974A true CN105942974A (zh) | 2016-09-21 |
Family
ID=56917985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610231751.3A Pending CN105942974A (zh) | 2016-04-14 | 2016-04-14 | 一种基于低频脑电的睡眠分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105942974A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106618560A (zh) * | 2016-12-23 | 2017-05-10 | 北京怡和嘉业医疗科技股份有限公司 | 脑电波信号的处理方法和装置 |
CN107468260A (zh) * | 2017-10-12 | 2017-12-15 | 公安部南昌警犬基地 | 一种判断动物心理状态的脑电分析装置及分析方法 |
CN107582051A (zh) * | 2017-10-12 | 2018-01-16 | 公安部南昌警犬基地 | 一种动物情绪脑电分析设备 |
CN108089451A (zh) * | 2017-01-11 | 2018-05-29 | 浙江师范大学 | 一种基于实时脑电位信号处理的智能睡眠环境控制系统 |
CN109464130A (zh) * | 2019-01-09 | 2019-03-15 | 浙江强脑科技有限公司 | 睡眠辅助方法、系统及可读存储介质 |
CN109770889A (zh) * | 2017-11-15 | 2019-05-21 | 深圳市理邦精密仪器股份有限公司 | 心电数据选段方法和装置 |
CN110236532A (zh) * | 2019-04-30 | 2019-09-17 | 深圳和而泰家居在线网络科技有限公司 | 生物电信号处理方法、装置、计算机设备和存储介质 |
CN110433384A (zh) * | 2019-07-24 | 2019-11-12 | 喜临门家具股份有限公司 | 一种睡眠音乐系统 |
CN111493822A (zh) * | 2020-03-23 | 2020-08-07 | 济南国科医工科技发展有限公司 | 一种基于睡眠脑电的快速眼动期睡眠行为障碍分类方法 |
CN111528839A (zh) * | 2020-05-29 | 2020-08-14 | 北京京东方健康科技有限公司 | 睡眠检测方法和装置、助眠设备和方法 |
CN114931386A (zh) * | 2022-06-09 | 2022-08-23 | 北京大学人民医院 | 一种睡眠质量确定方法及系统 |
CN115989998A (zh) * | 2022-11-22 | 2023-04-21 | 常州瑞神安医疗器械有限公司 | 一种检测帕金森病患者睡眠阶段的方法 |
CN116687356A (zh) * | 2023-08-04 | 2023-09-05 | 安徽星辰智跃科技有限责任公司 | 基于时频分析的睡眠可持续性检测调节方法、系统和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998022019A1 (de) * | 1996-11-21 | 1998-05-28 | Axon Gmbh Schmalkalden | Anordnung und verfahren zur ermittlung von schlafprofilen |
US7848795B2 (en) * | 2006-05-22 | 2010-12-07 | General Electric Company | Determination of sleep depth |
CN101925377A (zh) * | 2008-01-25 | 2010-12-22 | 麦德托尼克公司 | 睡眠阶段的检测 |
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN102488516A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种非线性脑电信号分析方法以及装置 |
CN104470425A (zh) * | 2012-05-30 | 2015-03-25 | 伊西斯创新有限公司 | 感知失去检测 |
CN104720799A (zh) * | 2015-04-03 | 2015-06-24 | 上海帝仪科技有限公司 | 基于低频脑电信号的疲劳检测方法及系统 |
CN104720746A (zh) * | 2013-12-20 | 2015-06-24 | 中国移动通信集团公司 | 一种睡眠阶段确定方法和系统 |
CN104809434A (zh) * | 2015-04-22 | 2015-07-29 | 哈尔滨工业大学 | 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法 |
-
2016
- 2016-04-14 CN CN201610231751.3A patent/CN105942974A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998022019A1 (de) * | 1996-11-21 | 1998-05-28 | Axon Gmbh Schmalkalden | Anordnung und verfahren zur ermittlung von schlafprofilen |
US7848795B2 (en) * | 2006-05-22 | 2010-12-07 | General Electric Company | Determination of sleep depth |
CN101925377A (zh) * | 2008-01-25 | 2010-12-22 | 麦德托尼克公司 | 睡眠阶段的检测 |
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN102488516A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种非线性脑电信号分析方法以及装置 |
CN104470425A (zh) * | 2012-05-30 | 2015-03-25 | 伊西斯创新有限公司 | 感知失去检测 |
CN104720746A (zh) * | 2013-12-20 | 2015-06-24 | 中国移动通信集团公司 | 一种睡眠阶段确定方法和系统 |
CN104720799A (zh) * | 2015-04-03 | 2015-06-24 | 上海帝仪科技有限公司 | 基于低频脑电信号的疲劳检测方法及系统 |
CN104809434A (zh) * | 2015-04-22 | 2015-07-29 | 哈尔滨工业大学 | 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106618560A (zh) * | 2016-12-23 | 2017-05-10 | 北京怡和嘉业医疗科技股份有限公司 | 脑电波信号的处理方法和装置 |
CN108089451A (zh) * | 2017-01-11 | 2018-05-29 | 浙江师范大学 | 一种基于实时脑电位信号处理的智能睡眠环境控制系统 |
CN107468260A (zh) * | 2017-10-12 | 2017-12-15 | 公安部南昌警犬基地 | 一种判断动物心理状态的脑电分析装置及分析方法 |
CN107582051A (zh) * | 2017-10-12 | 2018-01-16 | 公安部南昌警犬基地 | 一种动物情绪脑电分析设备 |
CN109770889B (zh) * | 2017-11-15 | 2022-03-11 | 深圳市理邦精密仪器股份有限公司 | 心电数据选段方法和装置 |
CN109770889A (zh) * | 2017-11-15 | 2019-05-21 | 深圳市理邦精密仪器股份有限公司 | 心电数据选段方法和装置 |
CN109464130A (zh) * | 2019-01-09 | 2019-03-15 | 浙江强脑科技有限公司 | 睡眠辅助方法、系统及可读存储介质 |
CN110236532A (zh) * | 2019-04-30 | 2019-09-17 | 深圳和而泰家居在线网络科技有限公司 | 生物电信号处理方法、装置、计算机设备和存储介质 |
CN110433384A (zh) * | 2019-07-24 | 2019-11-12 | 喜临门家具股份有限公司 | 一种睡眠音乐系统 |
CN111493822A (zh) * | 2020-03-23 | 2020-08-07 | 济南国科医工科技发展有限公司 | 一种基于睡眠脑电的快速眼动期睡眠行为障碍分类方法 |
CN111493822B (zh) * | 2020-03-23 | 2023-01-31 | 济南国科医工科技发展有限公司 | 一种基于睡眠脑电的快速眼动期睡眠行为障碍分类方法 |
CN111528839A (zh) * | 2020-05-29 | 2020-08-14 | 北京京东方健康科技有限公司 | 睡眠检测方法和装置、助眠设备和方法 |
CN111528839B (zh) * | 2020-05-29 | 2023-06-23 | 北京京东方健康科技有限公司 | 睡眠检测方法和装置、助眠设备和方法 |
CN114931386A (zh) * | 2022-06-09 | 2022-08-23 | 北京大学人民医院 | 一种睡眠质量确定方法及系统 |
CN115989998A (zh) * | 2022-11-22 | 2023-04-21 | 常州瑞神安医疗器械有限公司 | 一种检测帕金森病患者睡眠阶段的方法 |
CN115989998B (zh) * | 2022-11-22 | 2023-11-14 | 常州瑞神安医疗器械有限公司 | 一种检测帕金森病患者睡眠阶段的方法 |
CN116687356A (zh) * | 2023-08-04 | 2023-09-05 | 安徽星辰智跃科技有限责任公司 | 基于时频分析的睡眠可持续性检测调节方法、系统和装置 |
CN116687356B (zh) * | 2023-08-04 | 2024-05-07 | 安徽星辰智跃科技有限责任公司 | 基于时频分析的睡眠可持续性检测调节方法、系统和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105942974A (zh) | 一种基于低频脑电的睡眠分析方法及系统 | |
Memar et al. | A novel multi-class EEG-based sleep stage classification system | |
Duman et al. | Efficient sleep spindle detection algorithm with decision tree | |
CN114781465B (zh) | 一种基于rPPG的非接触式疲劳检测系统及方法 | |
CN110135285B (zh) | 一种使用单导设备的脑电静息态身份认证方法及装置 | |
Mirzaei et al. | EEG analysis based on wavelet-spectral entropy for epileptic seizures detection | |
CN106236083B (zh) | 睡眠状态分析中去除眼电伪迹的设备 | |
CN106388818A (zh) | 睡眠状态监测模型的特征信息提取方法和系统 | |
CN111839506B (zh) | 脑力负荷检测方法及装置 | |
Wang et al. | Eeg-based real-time drowsiness detection using hilbert-huang transform | |
US20140378859A1 (en) | Method of Multichannel Galvanic Skin Response Detection for Improving Measurement Accuracy and Noise/Artifact Rejection | |
CN111012345A (zh) | 眼部疲劳度检测系统及方法 | |
CN106485208A (zh) | 单通道脑电信号中眼电干扰的自动去除方法 | |
CN106175754A (zh) | 睡眠状态分析中清醒状态检测装置 | |
Dursun et al. | A new approach to eliminating EOG artifacts from the sleep EEG signals for the automatic sleep stage classification | |
Rahman et al. | Mental stress recognition using K-nearest neighbor (KNN) classifier on EEG signals | |
CN113907709B (zh) | 一种基于耳部eeg的便携式睡眠监测系统 | |
Yadav et al. | Variational mode decomposition-based seizure classification using Bayesian regularized shallow neural network | |
CN106333676B (zh) | 清醒状态下的脑电信号数据类型的标注装置 | |
CN115067910A (zh) | 一种心率变异性压力检测方法、装置、存储介质以及系统 | |
Demirel et al. | Single-channel EEG based arousal level estimation using multitaper spectrum estimation at low-power wearable devices | |
CN106618486B (zh) | 智能辅助睡眠中的睡眠状态识别方法和系统 | |
CN113208633A (zh) | 一种基于eeg脑波的情绪识别方法、系统 | |
Mirzaei et al. | Spectral entropy for epileptic seizures detection | |
Han et al. | Cepstral Analysis-Based Artifact Detection, Recognition, and Removal for Prefrontal EEG |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160921 |