CN108553084B - 一种睡眠分期事件的识别方法、装置及设备 - Google Patents
一种睡眠分期事件的识别方法、装置及设备 Download PDFInfo
- Publication number
- CN108553084B CN108553084B CN201810194403.2A CN201810194403A CN108553084B CN 108553084 B CN108553084 B CN 108553084B CN 201810194403 A CN201810194403 A CN 201810194403A CN 108553084 B CN108553084 B CN 108553084B
- Authority
- CN
- China
- Prior art keywords
- sleep
- rule
- preset
- waveform
- time domain
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims description 31
- 230000037007 arousal Effects 0.000 claims description 26
- 230000000630 rising effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004424 eye movement Effects 0.000 claims description 9
- 230000004461 rapid eye movement Effects 0.000 claims description 9
- 210000004556 brain Anatomy 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 13
- 230000008667 sleep stage Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 208000019116 sleep disease Diseases 0.000 description 3
- 208000020685 sleep-wake disease Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
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
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Ophthalmology & Optometry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请公开了一种睡眠分期事件的识别方法，应用于睡眠脑电眼电混合信号的判读，包括每隔预设时间间隔划分睡眠脑电眼电混合信号，获得预设数量个混合信号片段；利用各个混合信号片段获取各个混合信号片段对应的时域波形；利用规则库中的预设规则处理各个时域波形，获得处理结果；若处理结果满足预设规则对应的筛选要求，则将处理结果对应的混合信号片段标记为预设规则对应的睡眠分期事件类别。该识别方法有效避免了纯频段参数对不同个体用户带来的巨大差异，进一步提高了对睡眠脑电眼电混合信号进行判读的准确性。本申请还公开了一种睡眠分期事件的识别装置、设备及计算机可读存储介质，均具有上述有益效果。
Description
技术领域
本申请涉及睡眠分期判读领域，特别涉及一种睡眠分期事件的识别方法，还涉及一种睡眠分期事件的识别装置、设备及计算机可读存储介质。
背景技术
睡眠障碍现象现已经成为危害公共健康的重要问题，建立标准的系统化方法定义睡眠及相关事件性质，对于睡眠医学的基础具有十分重要的意义。现有的睡眠分期判读方法可用于睡眠障碍现象的分析。该方法通过对睡眠脑电眼电混合信号片段epoch进行采集并处理，获得相应的处理结果，并根据该处理结果实现上述睡眠障碍现象的分析。
为保证睡眠分期判读结果的准确性，会通过睡眠分期事件对该结果进行修正，由此，需要对睡眠分期事件进行识别。现有的睡眠分期事件的识别方法是通过对epoch的能量进行对应的处理和判断，根据其处理结果确定睡眠分期事件的类别。然而，由于睡眠分期事件多属于纯频段参数，如α波、β波等，其对于不同的个体用户会有较大的差异，因而对于不同用户的判决结果会出现很大的偏差，即算法泛化率较低，进一步降低了睡眠脑电眼电混合信号判读结果的准确性。
因此，如何提供一种解决上述问题的技术方案是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种睡眠分期事件的识别方法，该识别方法有效避免了纯频段参数对不同个体用户带来的巨大差异，进一步提高了对睡眠脑电眼电混合信号进行判读的准确性；本申请的另一目的是提供一种睡眠分期事件的识别装置、设备及计算机可读存储介质，均具有上述有益效果。
为解决上述技术问题，本申请提供一种睡眠分期事件的识别方法，应用于睡眠脑电眼电混合信号的判读，该识别方法包括：
每隔预设时间间隔划分所述睡眠脑电眼电混合信号，获得预设数量个混合信号片段；
利用各个所述混合信号片段获取各个所述混合信号片段对应的时域波形；
利用规则库中的预设规则处理各个所述时域波形，获得处理结果；
若所述处理结果满足所述预设规则对应的筛选要求，则将所述处理结果对应的混合信号片段标记为所述预设规则对应的睡眠分期事件类别。
优选的，所述预设规则包括：睡眠梭型波识别规则、微觉醒事件识别规则、K-complex波识别规则和快速动眼事件识别规则。
优选的，所述利用规则库中的预设规则处理各个所述时域波形，获得处理结果包括：
当所述预设规则为所述睡眠梭型波识别规则时，对各个所述时域波形进行滤波处理获得第一波形；
根据所述第一波形的上升沿和下降沿在所述第一波形中筛选出预设时间长度的第二波形；
计算所述第二波形的上升沿斜率或下降沿斜率；
将所述上升沿斜率超出第一阈值或所述下降沿斜率低于第二阈值的第二波形剔除，获得所述睡眠梭型波。
优选的，所述利用规则库中的预设规则处理各个所述时域波形，获得处理结果包括：
当所述预设规则为所述微觉醒事件识别规则时，获取各个所述时域波形对应的离散数据点；
记录各个所述离散数据点的幅度；
统计所述幅度在预设范围内的离散数据点的第一数目；
若所述第一数目在第一预设范围内，则将所述时域波形对应的混合信号片段标记为微觉醒事件。
优选的，所述利用规则库中的预设规则处理各个所述时域波形，获得处理结果包括：
当所述预设规则为所述K-complex波识别规则时，对各个所述时域波形进行匹配滤波处理获得匹配结果；
将所述匹配结果超出第三阈值的时域波形标记为K-complex波；
统计所述K-complex波的第二数目；
判断所述第二数目是否在第二预设范围内，若否，则删除所有所述K-complex波的标记。
优选的，所述利用规则库中的预设规则处理各个所述时域波形，获得处理结果包括：
当所述预设规则为所述快速动眼事件识别规则时，在各个所述时域波形中抽取眼电波形；
对各个所述眼电波形进行滤波处理获得滤波结果；
统计超出第四阈值的滤波结果的第三数目；
若所述第三数目在第三预设范围内，则将所述时域波形对应的混合信号片段标记为快速动眼事件。
为解决上述技术问题，本申请还提供一种睡眠分期事件的识别装置，应用于睡眠脑电眼电混合信号的判读，该识别装置包括：
划分模块，用于每隔预设时间间隔划分所述睡眠脑电眼电混合信号，获得预设数量个混合信号片段；
获取模块，用于利用各个所述混合信号片段获取各个所述混合信号片段对应的时域波形；
处理模块，用于利用规则库中的预设规则处理各个所述时域波形，获得处理结果；
标记模块，用于若所述处理结果满足所述预设规则对应的筛选要求，则将所述处理结果对应的混合信号片段标记为所述预设规则对应的睡眠分期事件类别。
为解决上述技术问题，本申请还提供一种睡眠分期事件的识别设备，应用于睡眠脑电眼电混合信号的判读，该识别设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任意一项所述睡眠分期事件的识别方法的步骤。
为解决上述问题，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述睡眠分期事件的识别方法的步骤。
本申请所提供的一种睡眠分期事件的识别方法，包括每隔预设时间间隔划分所述睡眠脑电眼电混合信号，获得预设数量个混合信号片段；利用各个所述混合信号片段获取各个所述混合信号片段对应的时域波形；利用规则库中的预设规则处理各个所述时域波形，获得处理结果；若所述处理结果满足所述预设规则对应的筛选要求，则将所述处理结果对应的混合信号片段标记为所述预设规则对应的睡眠分期事件类别。
可见，本申请所提供的技术方案可以调用不同的预设规则分别对各个混合信号片段进行不同的处理，最后识别获得对应的睡眠分期事件类别，即不同的睡眠分期事件对应于不同的识别规则，避免了按照相同规则进行处理对睡眠分期事件的识别结果带来的巨大差异，有效提高了算法泛化率，进一步提升了睡眠脑电眼电混合信号判读结果的准确性；此外，该识别方法更加适用于特征不明显的分期判读过程。
本申请还提供了一种睡眠分期事件的识别装置、设备及计算机可读存储介质，均具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请所提供的一种睡眠分期事件的识别方法的流程示意图；
图2为本申请所提供的一种睡眠梭型波的识别方法的流程示意图；
图3为本申请所提供的一种微觉醒事件的识别方法的流程示意图；
图4为本申请所提供的一种K-complex波的识别方法的流程示意图；
图5为本申请所提供的一种快速动眼事件的识别方法的流程示意图；
图6为本申请所提供的一种睡眠分期事件的识别装置的示意图；
图7为本申请所提供的一种睡眠分期事件的识别设备的示意图。
具体实施方式
本申请的核心是提供一种睡眠分期事件的识别方法，该识别方法有效避免了纯频段参数对不同个体用户带来的巨大差异，进一步提高了对睡眠脑电眼电混合信号进行判读的准确性；本申请的另一核心是提供一种睡眠分期事件的识别装置、设备及计算机可读存储介质，均具有上述有益效果。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
请参考图1，图1为本申请所提供的一种睡眠分期事件的识别方法的流程示意图，该识别方法可应用于睡眠脑电眼电混合信号的判读，包括：
S100：每隔预设时间间隔划分睡眠脑电眼电混合信号，获得预设数量个混合信号片段；
具体的，对于获取的整夜的睡眠脑电眼电混合信号，可按照预定的时间间隔将其划分为预设数量个混合信号片段，可将其标记为epouch，epouch即为预设时间内的睡眠脑电眼电混合信号，该片段是睡眠分期的时间单位，一般情况下，上述预定时间为30秒。其中，睡眠脑电眼电混合信号即为采样率为100Hz到250Hz的FP1FP2导联脑电和眼电信号以及肌肉电信号。
S200：利用各个混合信号片段获取各个混合信号片段对应的时域波形；
S300：利用规则库中的预设规则处理各个时域波形，获得处理结果；
S400：若处理结果满足预设规则对应的筛选要求，则将处理结果对应的混合信号片段标记为预设规则对应的睡眠分期事件类别。
具体的，根据已划分好的各个epouch，获取其对应的时域波形，并调用规则库中的预设规则对各个时域波形进行处理，获得对应的处理结果，其中，上述规则库可以是预先设定的，其预设规则可包括微觉醒事件识别规则、睡眠梭型波识别规则等，用于对时域波形的处理；如若上述处理结果满足调用的预设规则对应的筛选要求，即可将该epouch标记为该预设规则对应的睡眠分期事件类别。
例如，在规则库中调用微觉醒事件识别规则对某一epouch对应的时域波形进行处理，如若处理结果满足上述微觉醒事件识别规则对应的睡眠分期事件，即微觉醒事件，即可将该epouch标记为微觉醒事件。当然，睡眠分期事件可分为多种，并不唯一，同时对应的睡眠分期事件识别规则也不唯一，在对睡眠脑电眼电混合信号进行判读时，可根据识别出的睡眠分期事件对睡眠判读分期结果进行修正，以获得更为准确的判读结果。
本申请所提供的睡眠分期事件的识别方法，可按照不同的预设规则对各个混合信号片段进行不同的处理，以获得对应的睡眠分期事件，避免了相同规则对其识别结果带来的巨大差异，有效提高了算法泛化率，进一步提升了睡眠脑电眼电混合信号判读结果的准确性。
在上述实施例的基础上：
作为一种优选实施例，上述预设规则包括：睡眠梭型波识别规则、微觉醒事件识别规则、K-complex波识别规则和快速动眼事件识别规则。
具体的，可以通过上述四类睡眠分期事件的识别规则，即规则库中的预设规则，对某个epouch进行识别，获得对应的睡眠分期事件类别。同时，还可以对各类睡眠分期事件发生的频次进行记录，以修正该epouch的睡眠期判读结果，进一步提高其判读结果的准确性。
优选的，请参考图2，图2为本申请所提供的一种睡眠梭型波的识别方法的流程示意图，该识别过程可以包括：
S310：当预设规则为睡眠梭型波识别规则时，对各个时域波形进行滤波处理获得第一波形；
S311：根据第一波形的上升沿和下降沿在第一波形中筛选出预设时间长度的第二波形；
S312：计算第二波形的上升沿斜率或下降沿斜率；
S313：将上升沿斜率超出第一阈值或下降沿斜率低于第二阈值的第二波形剔除，获得睡眠梭型波。
具体的，在调用睡眠梭型波识别规则对某epouch对应的时域波形进行处理时，可根据具体情况选择适当频率的滤波器对各个epouch的时域波形进行滤波处理，如带通滤波器等，通常睡眠梭型波的频率为11Hz～16Hz，故可选择11Hz～16Hz的带通滤波器进行上述带通滤波处理，以获得对应的滤波波形，即上述第一波形；然后在该第一波形中根据其上升沿和下降沿筛选出预定时间长度的波形，即上述第二波形，其中，本申请中的预定时间长度设置为0.7s～5s，当然也可以根据具体情况进行设定；进一步，计算第二波形的上升沿斜率和下降沿斜率，并将其斜率过于陡峭的第二波形形剔除，具体的，可为上述上升沿斜率和下降沿斜率分别设定对应的阈值，将上升沿斜率超出第一阈值或下降沿斜率低于第二阈值的第二波形剔除，剔除后剩余的波形即为睡眠梭型波。
其中，对于上述上升沿斜率和下降沿斜率的计算可通过差分法获得；同时，本申请将上述第一阈值设定为60°，第二阈值设定为120°，即剔除上升沿斜率超出60°或下降沿低于120°的第二波形。当然，上述计算方法及设定数值可根据具体情况进行设置，本申请不做具体限定。
优选的，请参考图3，图3为本申请所提供的一种微觉醒事件的识别方法的流程示意图，该识别过程可以包括：
S320：当预设规则为微觉醒事件识别规则时，获取各个时域波形对应的离散数据点；
S321：记录各个离散数据点的幅度；
S322：统计幅度在预设范围内的离散数据点的第一数目；
S323：若第一数目在第一预设范围内，则将时域波形对应的混合信号片段标记为微觉醒事件。
具体的，在调用微觉醒事件识别规则对某epouch对应的时域波形进行处理时，首先可根据获得的各个时域波形获取对应的离散数据点，如在时域波形中进行描点获取等；然后记录各个离散数据点的幅度；进一步，对幅度在预设范围内的离散数据点的第一数目进行统计，其中，可具体统计上述时域波形内大于150uV、小于500uV的离散数据点的数目，即上述第一数目，若该第一数目在第一预设范围内，则说明该epouch发生了微觉醒事件，对其进行对应的标记即可。其中，对于上述预设范围以及第一预设范围，本申请不做具体限定，根据具体情况进行设置即可。
优选的，请参考图4，图4为本申请所提供的一种K-complex波的识别方法的流程示意图，该识别过程可以包括：
S330：当预设规则为K-complex波识别规则时，对各个时域波形进行匹配滤波处理获得匹配结果；
S331：将匹配结果超出第三阈值的时域波形标记为K-complex波；
S332：统计K-complex波的第二数目；
S333：判断第二数目是否在第二预设范围内，若否，则删除所有K-complex波的标记。
具体的，在调用K-complex波识别规则对某epouch对应的时域波形进行处理时，可以预先选取一段典型的K-complex波，并以此为依据对上述各个epouch对应的时域波形进行匹配滤波处理获得对应的匹配结果，然后可以将匹配结果超出第三阈值的时域波形标记为K-complex波；进一步，统计获得的K-complex波的数目，即上述第二数目，若该第二数目不在第二预设范围内，则将之前标记的K-complex波全部删除，如若第二数目在第二预设范围内，无需再做任何处理，获得上述K-complex波即可。其中，对于上述第二预设范围，本申请设定为5个以内，即当第二数目未超出5个时，将该epouch标记为K-complex波。当然，对于上述第三阈值和第二预设范围，本申请不做具体限定，根据具体情况进行设置即可。
优选的，请参考图5，图5为本申请所提供的一种快速动眼事件的识别方法的流程示意图，该识别过程可以包括：
S340：当预设规则为快速动眼事件识别规则时，在各个时域波形中抽取眼电波形；
S341：对各个眼电波形进行滤波处理获得滤波结果；
S342：统计超出第四阈值的滤波结果的第三数目；
S343：若第三数目在第三预设范围内，则将时域波形对应的混合信号片段标记为快速动眼事件。
具体的，在调用快速动眼事件识别规则对某epouch对应的时域波形进行处理时，可以在已获得的时域波形中抽取眼电波形EOG，并对其进行滤波处理，本申请中采用0.3Hz～2Hz的滤波器进行上述滤波处理，当然，其频率范围并不唯一，可视情况而定；进一步，统计超出第四阈值的滤波结果的数目，即上述第三数目，若该第三数目未超出第三预设范围，则说明该epouch发生了快速动眼事件，对其进行对应的标记即可。其中，对于上述第四阈值以及在第三预设范围，本申请不做具体限定，可根据具体情况进行设置。
本申请通过不同的预设规则对睡眠分期事件的种类进行识别，每类睡眠分期事件对应于不同的参数阈值，有效避免了纯频段参数对不同个体用户带来的差异性，进一步提升了睡眠脑电眼电混合信号判读结果的准确性。
为解决上述问题，请参考图6，图6为本申请所提供的一种睡眠分期事件的识别装置的示意图，该识别装置可应用于睡眠脑电眼电混合信号的判读，包括：
划分模块1，用于每隔预设时间间隔划分睡眠脑电眼电混合信号，获得预设数量个混合信号片段；
获取模块2，用于利用各个混合信号片段获取各个混合信号片段对应的时域波形；
处理模块3，用于利用规则库中的预设规则处理各个时域波形，获得处理结果；
标记模块4，用于若处理结果满足预设规则对应的筛选要求，则将处理结果对应的混合信号片段标记为预设规则对应的睡眠分期事件类别。
作为一种优选实施例，上述处理模块3可以包括：
睡眠梭型波识别子模块，用于利用睡眠梭型波识别规则处理各个时域波形，获得睡眠梭型波；
微觉醒事件识别子模块，用于利用微觉醒事件识别规则处理各个时域波形，获得微觉醒事件；
K-complex波识别子模块，用于利用K-complex波识别规则处理各个时域波形，获得K-complex波；
快速动眼事件识别子模块，用于利用快速动眼事件识别规则处理各个时域波形，获得快速动眼事件。
作为一种优选实施例，上述睡眠梭型波识别子模块具体用于：当预设规则为睡眠梭型波识别规则时，对各个时域波形进行滤波处理获得第一波形；根据第一波形的上升沿和下降沿在第一波形中筛选出预设时间长度的第二波形；计算第二波形的上升沿斜率或下降沿斜率；将上升沿斜率超出第一阈值或下降沿斜率低于第二阈值的第二波形剔除，获得睡眠梭型波。
作为一种优选实施例，上述微觉醒事件识别子模块具体用于：当预设规则为微觉醒事件识别规则时，获取各个时域波形对应的离散数据点；记录各个离散数据点的幅度；统计幅度在预设范围内的离散数据点的第一数目；若第一数目在第一预设范围内，则将时域波形对应的混合信号片段标记为微觉醒事件。
作为一种优选实施例，上述K-complex波识别子模块具体用于：当预设规则为K-complex波识别规则时，对各个时域波形进行匹配滤波处理获得匹配结果；将匹配结果超出第三阈值的时域波形标记为K-complex波；统计K-complex波的第二数目；判断第二数目是否在第二预设范围内，若否，则删除所有K-complex波的标记。
作为一种优选实施例，上述快速动眼事件识别子模块具体用于：当预设规则为快速动眼事件识别规则时，在各个时域波形中抽取眼电波形；对各个眼电波形进行滤波处理获得滤波结果；统计超出第四阈值的滤波结果的第三数目；若第三数目在第三预设范围内，则将时域波形对应的混合信号片段标记为快速动眼事件。
对于本申请提供的装置的介绍请参照上述方法实施例，本申请在此不做赘述。
为解决上述问题，请参考图7，图7为本申请所提供的一种睡眠分期事件的识别设备的示意图，该识别设备可应用于睡眠脑电眼电混合信号的判读，包括：
存储器10，用于存储计算机程序；
处理器20，用于执行计算机程序时实现如下步骤：
每隔预设时间间隔划分睡眠脑电眼电混合信号，获得预设数量个混合信号片段；利用各个混合信号片段获取各个混合信号片段对应的时域波形；利用规则库中的预设规则处理各个时域波形，获得处理结果；若处理结果满足预设规则对应的筛选要求，则将处理结果对应的混合信号片段标记为预设规则对应的睡眠分期事件类别。
对于本申请提供的设备的介绍请参照上述方法实施例，本申请在此不做赘述。
为解决上述问题，本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如下步骤：
每隔预设时间间隔划分睡眠脑电眼电混合信号，获得预设数量个混合信号片段；利用各个混合信号片段获取各个混合信号片段对应的时域波形；利用规则库中的预设规则处理各个时域波形，获得处理结果；若处理结果满足预设规则对应的筛选要求，则将处理结果对应的混合信号片段标记为预设规则对应的睡眠分期事件类别。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请提供的计算机可读存储介质的介绍请参照上述方法实施例，本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的睡眠分期事件的识别方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围要素。
Claims (4)
1.一种睡眠分期事件的识别方法，应用于睡眠脑电眼电混合信号的判读，其特征在于，包括：
每隔预设时间间隔划分所述睡眠脑电眼电混合信号，获得预设数量个混合信号片段；
利用各个所述混合信号片段获取各个所述混合信号片段对应的时域波形；
利用规则库中的预设规则处理各个所述时域波形，获得处理结果；
若所述处理结果满足所述预设规则对应的筛选要求，则将所述处理结果对应的混合信号片段标记为所述预设规则对应的睡眠分期事件类别；
其中，所述预设规则包括：睡眠梭型波识别规则、微觉醒事件识别规则、K-complex波识别规则和快速动眼事件识别规则；
当所述预设规则为所述睡眠梭型波识别规则时，对各个所述时域波形进行滤波处理获得第一波形；根据所述第一波形的上升沿和下降沿在所述第一波形中筛选出预设时间长度的第二波形；计算所述第二波形的上升沿斜率或下降沿斜率；将所述上升沿斜率超出第一阈值或所述下降沿斜率低于第二阈值的第二波形剔除，获得所述睡眠梭型波；
当所述预设规则为所述微觉醒事件识别规则时，获取各个所述时域波形对应的离散数据点；记录各个所述离散数据点的幅度；统计所述幅度在预设范围内的离散数据点的第一数目；若所述第一数目在第一预设范围内，则将所述时域波形对应的混合信号片段标记为微觉醒事件；
当所述预设规则为所述K-complex波识别规则时，对各个所述时域波形进行匹配滤波处理获得匹配结果；将所述匹配结果超出第三阈值的时域波形标记为K-complex波；统计所述K-complex波的第二数目；判断所述第二数目是否在第二预设范围内，若否，则删除所有所述K-complex波的标记；
当所述预设规则为所述快速动眼事件识别规则时，在各个所述时域波形中抽取眼电波形；对各个所述眼电波形进行滤波处理获得滤波结果；统计超出第四阈值的滤波结果的第三数目；若所述第三数目在第三预设范围内，则将所述时域波形对应的混合信号片段标记为快速动眼事件。
2.一种睡眠分期事件的识别装置，应用于睡眠脑电眼电混合信号的判读，其特征在于，包括：
划分模块，用于每隔预设时间间隔划分所述睡眠脑电眼电混合信号，获得预设数量个混合信号片段；
获取模块，用于利用各个所述混合信号片段获取各个所述混合信号片段对应的时域波形；
处理模块，用于利用规则库中的预设规则处理各个所述时域波形，获得处理结果；
标记模块，用于若所述处理结果满足所述预设规则对应的筛选要求，则将所述处理结果对应的混合信号片段标记为所述预设规则对应的睡眠分期事件类别；
其中，所述预设规则包括：睡眠梭型波识别规则、微觉醒事件识别规则、K-complex波识别规则和快速动眼事件识别规则；则所述处理模块具体用于：
当所述预设规则为所述睡眠梭型波识别规则时，对各个所述时域波形进行滤波处理获得第一波形；根据所述第一波形的上升沿和下降沿在所述第一波形中筛选出预设时间长度的第二波形；计算所述第二波形的上升沿斜率或下降沿斜率；将所述上升沿斜率超出第一阈值或所述下降沿斜率低于第二阈值的第二波形剔除，获得所述睡眠梭型波；
当所述预设规则为所述微觉醒事件识别规则时，获取各个所述时域波形对应的离散数据点；记录各个所述离散数据点的幅度；统计所述幅度在预设范围内的离散数据点的第一数目；若所述第一数目在第一预设范围内，则将所述时域波形对应的混合信号片段标记为微觉醒事件；
当所述预设规则为所述K-complex波识别规则时，对各个所述时域波形进行匹配滤波处理获得匹配结果；将所述匹配结果超出第三阈值的时域波形标记为K-complex波；统计所述K-complex波的第二数目；判断所述第二数目是否在第二预设范围内，若否，则删除所有所述K-complex波的标记；
当所述预设规则为所述快速动眼事件识别规则时，在各个所述时域波形中抽取眼电波形；对各个所述眼电波形进行滤波处理获得滤波结果；统计超出第四阈值的滤波结果的第三数目；若所述第三数目在第三预设范围内，则将所述时域波形对应的混合信号片段标记为快速动眼事件。
3.一种睡眠分期事件的识别设备，应用于睡眠脑电眼电混合信号的判读，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1所述的睡眠分期事件的识别方法的步骤。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1所述的睡眠分期事件的识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810194403.2A CN108553084B (zh) | 2018-03-09 | 2018-03-09 | 一种睡眠分期事件的识别方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810194403.2A CN108553084B (zh) | 2018-03-09 | 2018-03-09 | 一种睡眠分期事件的识别方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108553084A CN108553084A (zh) | 2018-09-21 |
| CN108553084B true CN108553084B (zh) | 2021-05-25 |
Family
ID=63531627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810194403.2A Active CN108553084B (zh) | 2018-03-09 | 2018-03-09 | 一种睡眠分期事件的识别方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108553084B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109758145B (zh) * | 2018-12-15 | 2021-05-11 | 北京交通大学 | 基于脑电信号因果关系的自动睡眠分期方法 |
| CN110179459B (zh) * | 2019-06-17 | 2022-07-26 | 清华大学深圳研究生院 | 一种睡眠微觉醒的识别方法、设备及系统 |
| CN112168139B (zh) * | 2019-07-05 | 2022-09-30 | 腾讯科技（深圳）有限公司 | 一种健康监控方法、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1859736A1 (en) * | 2006-05-22 | 2007-11-28 | General Electric Company | Determination of sleep depth |
| EP2286723A1 (en) * | 2002-09-19 | 2011-02-23 | Ramot at Tel Aviv University Ltd. | Method and apparatus for determining sleep apnea |
| CN105496363A (zh) * | 2015-12-15 | 2016-04-20 | 浙江神灯生物科技有限公司 | 基于检测睡眠脑电信号对睡眠阶段进行分类的方法 |
| CN106333674A (zh) * | 2016-09-21 | 2017-01-18 | 广州视源电子科技股份有限公司 | 睡眠状态分析中睡眠周期检测方法和系统 |
| 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 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104257379A (zh) * | 2014-09-23 | 2015-01-07 | 京东方科技集团股份有限公司 | 一种脑电处理装置及方法和睡眠监测佩戴设备 |
| CN105105714B (zh) * | 2015-08-26 | 2019-02-19 | 吴建平 | 一种睡眠分期方法及系统 |
| JP6845404B2 (ja) * | 2016-03-18 | 2021-03-17 | 国立大学法人電気通信大学 | 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム |
| CN107049312B (zh) * | 2016-03-21 | 2021-03-09 | 周磊 | 智能眼镜 |
| CN107361745B (zh) * | 2017-08-08 | 2021-01-01 | 浙江纽若思医疗科技有限公司 | 一种有监督式睡眠脑电眼电混合信号分期判读方法 |
-
2018
- 2018-03-09 CN CN201810194403.2A patent/CN108553084B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2286723A1 (en) * | 2002-09-19 | 2011-02-23 | Ramot at Tel Aviv University Ltd. | Method and apparatus for determining sleep apnea |
| EP1859736A1 (en) * | 2006-05-22 | 2007-11-28 | General Electric Company | Determination of sleep depth |
| CN105496363A (zh) * | 2015-12-15 | 2016-04-20 | 浙江神灯生物科技有限公司 | 基于检测睡眠脑电信号对睡眠阶段进行分类的方法 |
| CN106333674A (zh) * | 2016-09-21 | 2017-01-18 | 广州视源电子科技股份有限公司 | 睡眠状态分析中睡眠周期检测方法和系统 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| Combined frequency and time domain sleep feature calculation;Virkkala J;《Annual International Conference of the IEEE Engineering in Medicine and Biology Society》;20110131;全文 * |
| 基于多生理参数的睡眠分期研究及其应用;李向新;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20140815;全文 * |
| 计算机处理睡眠数据中2导脑电和1导眼电的非周期波形分析;王国锋, 彭小虎;《中国组织工程研究与临床康复》;20111202;第15卷(第26期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108553084A (zh) | 2018-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110811609B (zh) | 基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置 | |
| CN108553084B (zh) | 一种睡眠分期事件的识别方法、装置及设备 | |
| US4603703A (en) | Method for real-time detection and identification of neuroelectric signals | |
| CN110338786B (zh) | 一种癫痫样放电的识别与分类方法、系统、装置和介质 | |
| US20150313509A1 (en) | Systems, methods, and media for finding and matching tremor signals | |
| Yadav et al. | Model-based seizure detection for intracranial EEG recordings | |
| CN106618560B (zh) | 脑电波信号的处理方法和装置 | |
| CN116616794B (zh) | 一种基于脑电信号的水下作业人员疲劳调节方法及系统 | |
| Behara et al. | Detection of epileptic seizure patterns in EEG through fragmented feature extraction | |
| JP2023018131A (ja) | 電気生理学的誘発電位における変化を検出する医用システム及び方法 | |
| CN103405225A (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
| WO2008058343A1 (en) | A method for detecting eeg seizures in a newborn or a young child | |
| US20220167908A1 (en) | System and method for automatic evoked potential measurement | |
| CN107550484B (zh) | 一种心磁信号质量评价方法及系统 | |
| CN111643076A (zh) | 一种基于多通道脑电信号的bect棘波智能检测方法 | |
| JP2017042562A (ja) | 楽曲聴取経験有無推定方法、楽曲聴取経験有無推定装置、及び楽曲聴取経験有無推定プログラム | |
| CN111887811B (zh) | 基于脑电信号特征的大脑异常放电检测方法及系统 | |
| Alotaiby et al. | Channel selection and seizure detection using a statistical approach | |
| CN112057068A (zh) | 一种癫痫病理数据分类方法、装置及存储介质 | |
| US5823190A (en) | Automatization of electro-oculographic examination | |
| Delsanto et al. | Automatic ocular artifact rejection based on independent component analysis and eyeblink detection | |
| CN113425312B (zh) | 脑电数据处理方法及装置 | |
| CN113768520A (zh) | 一种脑电检测模型的训练方法及装置 | |
| CN112728604A (zh) | 油烟机声品质的评价方法、装置和油烟机 | |
| Anderson et al. | The detection and analysis of point processes in biological signals |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder |
Address after: 311222 301y, No. 22, Xinyan Road, Yuhang Economic and Technological Development Zone, Linping District, Hangzhou, Zhejiang Province Patentee after: ZHEJIANG NEURONS MEDICAL TECHNOLOGY CO.,LTD. Address before: Room 348, building 3, No.1 luting Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Patentee before: ZHEJIANG NEURONS MEDICAL TECHNOLOGY CO.,LTD. |
|
| CP02 | Change in the address of a patent holder | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method, device, and device for identifying sleep staging events Effective date of registration: 20231122 Granted publication date: 20210525 Pledgee: Hangzhou United Rural Commercial Bank Limited by Share Ltd. Zhongshan branch Pledgor: ZHEJIANG NEURONS MEDICAL TECHNOLOGY CO.,LTD. Registration number: Y2023980066867 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |