CN112971720B - 检测入睡点的方法 - Google Patents

Abstract

本申请提出一种检测入睡点的方法，其包括：通过受试者的心电信号获得MP矩阵；通过MP矩阵获得状态转移点；通过该受试者的与所述心电信号同步的三轴加速度信号获得睡眠期；通过所述睡眠期，在所述状态转移点中确定入睡点。

Description

检测入睡点的方法

技术领域

本申请涉及睡眠检测技术，尤其涉及一种检测入睡点的方法。

背景技术

睡眠时间占据人类生命三分之一，睡眠质量差会导致白天时间身体和精神上的疲倦，睡眠疾病会导致抑郁、糖尿病、高血压和其他众多心血管疾病。入睡点作为睡眠质量评判的起始时间点，对准确判断睡眠质量具有非常重要的作用。

目前睡眠监测的“金标准”是多导睡眠仪(PSG)，基于监测的脑电，心电，肌电，眼动、呼吸和血氧信号等能够准确检测出受试者的入睡点，为准确判断睡眠质量提供了基本保障。但PSG需要受试者在睡眠实验室佩戴脑电电极，使受试者感到不适，一定程度上影响受试者入睡，并且使用PSG设备价格昂贵、效率低、场地受限制、需要专业的医生进行评判等，使得PSG的使用受到很大限制。

申请号为201510371905.4的专利提出了一种入睡点检测的解决方案，监测受试者在15分钟内的翻转次数和心率，然后设定翻转次数阈值和心率阈值，通过比较，将15分钟内的翻转次数和心率与阈值作对比，得到相应的入睡点。此方法过于简单，极易引起误判。每个被测人的翻身习惯不同，个体差异较大，翻转次数阈值的设置极不具有普遍性，缺乏科学依据。

发明内容

鉴于上述问题，本申请旨在提出一种检测入睡点的方法。

本申请的检测入睡点的方法，其包括：

通过受试者的心电信号获得MP矩阵；通过MP矩阵获得状态转移点；

通过该受试者的与所述心电信号同步的三轴加速度信号获得睡眠期；

通过所述睡眠期，在所述状态转移点中确定入睡点。

优选地，通过受试者的心电信号形成心率值序列；根据该心率值序列得到MP矩阵；

利用MP矩阵在心电信号的波形之间画弧线进行标记，并统计每个位置上方穿过的所述弧线数，即为ICA；

获取该MP矩阵每列元素的最大值，记为MP值。

优选地，以1s时长为第一窗口，对心电信号进行滑窗，得到所述心率值序列。

优选地，以20s时长的第二窗口，对所述心率值序列进行滑窗取值，得到多个心率值数组A1,A2,…Ak…An，其中Ak为第k次滑窗所得到的心率值数组，1≤k≤n，n为大于1的自然数。

优选地，

所述MP矩阵为

xij表示心率值数组Ai与Aj的欧氏距离，其中1≤i≤n，1≤j≤n。

优选地，获取MP矩阵中除对角线元素外每列元素的最小值，在该值对应的心电信号波形图与对角线元素对应的心电信号波形图之间画弧线进行标记，并统计每个位置上方的ICA，记录ICA最小的点为状态转移点。

优选地，记录MP值最大的点为状态转移点。

优选地，对所述三轴加速度信号计算每秒加速度标准差，加速度标准差>0.08标记为一次体动；通过逐秒滑动时长20min的第三窗口计算每个第三窗口的体动次数，将体动次数<30且区间长度大于40min的时间段判断为睡眠期。

优选地，如果不存在睡眠期，则不存在入睡点；

如果存在一个或多个睡眠期，判断ICA最小值的时刻与MP最大值的时刻相差是否超过一个睡眠期；如果ICA最小值的时刻和MP最大值的时刻至少一个处于睡眠期内，且最小值的时刻和MP最大值的时刻相差超过一个睡眠期，将ICA最小值的时刻作为入睡点；如果ICA最小值的时刻和MP最大值的时刻在同一个睡眠期或者至少有一个在睡眠期内，且最小值的时刻和MP最大值的时刻相差小于一个睡眠期，将MP最大值的时刻作为入睡点；如果ICA最小值的时刻和MP最大值的时刻均不在睡眠期内，将MP最大值的时刻作为入睡点。

本申请的检测入睡点的方法，通过MP矩阵获得状态转移点，结合三轴加速度信号得到的睡眠期，自状态转移点确定入睡点。

附图说明

图1为本申请的检测入睡点的方法的状态转移点的初步确定流程；

图2为本申请的检测入睡点的方法的弧线标记的示意说明图；

图3为心电信号位置上的弧线统计数曲线图；

图4为入睡点确认流程图；

图5为睡眠状态下同步监测的心电和三轴加速度信号；

图6为受试者1的入睡点分析结果；

图7为受试者2的入睡点分析结果；

图8为受试者3的入睡点分析结果。

具体实施方式

下面，结合附图对本申请进行详细说明。

ICA和MP值

由于人体在相同状态时，心率会在某一值(该值有个体性差异)的一定范围内波动。如有的人在静止时心率会在80次/min左右波动，有的人在静止时，心率会在60次/min左右波动；但对于同一个人而言，不同状态下，心率会在不同值的一定范围内波动，如有点人静止时，心率会在80次/min左右波动，而在跑步状态下，心率会在120次/min左右波动，睡眠时，心率在60次/min左右波动。

当人体所处状态不变时，其心率值不会有较大变化(围绕某一值小范围波动)，通过滑窗求取的欧式距离(两个滑窗对应的时刻的欧式距离)也较小，即计算得出的MP值较小，说明两个时刻的状态是最接近的，并且，由于心率值是逐渐变化的，不是突然增长或下降很多，所以，这两个时刻之间的状态是相同或相近的，即通过在MP矩阵最小列元素和对角线之间画弧线的时间段的状态是相同或相近的。而在状态转移点，如觉醒-睡眠的时刻(入睡点)，该时刻的状态与其他时刻的状态差异较大，所以，该时刻位置上方的弧线数(ICA)也最少。由于状态变化包括较多，如觉醒-入睡、入睡-觉醒、站立-行走等，所以，需要通过睡眠期做进一步的判断。

另外，当人体所处状态不变时，其心率值不会有较大变化(波动较小)，通过滑窗求取的欧式距离值也较小，即MP值较小；当人体所处状态改变时，心率值会有较大变化，(如从睡眠-觉醒，心率值变动从60左右变动到80左右)，通过滑窗求取的欧式距离较大，即MP值较大，因此，可以通过MP最大值判断状态转移点。

入睡点确认流程

1、状态转移点确认

状态转移点初步确认流程如图1所示。

1)以20s时间窗对心率数据(1HZ)进行逐秒滑窗，得到一系列包含20个心率值的数组，[A1,A2,A3,A4…An]，其中A1、A2…An中均包含20个心率值，如A1＝[a1,a2,a3…a20]；

2)计算心率信号的MP值：对获取的数组两两求欧式距离，得到MP矩阵；

A1分别与A1、A2、A3…An求欧式距离，得到MP矩阵的第1列元素，[x11,x12,x13,…x1n]；

A2分别与A1、A2、A3…An求欧式距离，得到MP矩阵的第2列元素，[x12,x22,x23…x2n]；

依次类推：

An分别与A1、A2、A3…An求欧式距离，得到MP矩阵的第n列元素，[xn1,xn2,xn3…xnn]。

MP矩阵为：

得到n×n的MP矩阵，由于每个数组相对于自身求欧式距离，其值均为0，所以MP矩阵为对角线元素为0的对称矩阵。

3)对于MP值的index向量，用弧线连接每个index对：获取MP矩阵每列元素的最小值，最小值对应的心电信号与对角线元素对应的心电信号之间画弧线，如图2所示。例如：MP矩阵第1列中X15为该列的最小值，说明第一个心电信号滑窗与第五个心电信号滑窗对应的人体的状态最相近，则在第一个心电信号滑窗与第五个心电信号滑窗之间画弧线。

图2中，波形图为心电信号；下面的数字为位置对应，如1892和1270，表示第1892个滑窗获取的心电信号与第1270个滑窗获取的心电信号最接近，即欧式距离值最小，则在1892和1270对应的心电信号之间画弧线。

4)统计每个位置上方有多少条弧线穿过：计算每个位置上穿过的弧线的数量，记为ICA；

5)标记弧线数量最少的位置，定义为状态转移点。通过公式(1)对获取的弧线数进行标准化，使其值均处于0-1之间，如图3所示，虚线标记处为状态转移点。

δ：标准化后的数值；

x_i:i位置上通过的弧线数；

：弧线数的均值；

σ：弧线数的标准方差。

睡眠期确认

依据三轴加速度信号通过滑窗方法计算加速度标准差，并根据加速度标准差计算体动次数，通过体动次数确定可能的睡眠期。

1)依据三轴加速度信号计算每秒加速度标准差，为每轴加速度每秒内的标准差的和，如公式(2)所示。

d_std＝sum(std(x_1sec)+std(y_1sec)+std(z_1sec)) (2)

2)计算体动次数：加速度标准差＞0.08标记为一次体动，通过逐秒滑窗的方法计算每个窗口的体动次数，特征窗口长度为20min。

3)通过体动次数确定睡眠期。

将体动次数小于30，且区间长度大于40分钟的时间段为睡眠期。

入睡点确认

入睡点确认流程如图4所示，该图中在正确位置2400处，曲线值最小。其中MP最大值：提取MP矩阵每一列元素的最大值为相应位置的最大值。

1)没有入睡点：不存在睡眠期，即不存在体动次数<30，区间长度>40分钟的时间段；

2)存在一个/多个睡眠期：

如果存在一个或多个睡眠期，判断ICA最小值的时刻与MP最大值的时刻相差是否超过一个睡眠期；

如果ICA最小值的时刻和MP最大值的时刻至少一个处于睡眠期内，且最小值的时刻和MP最大值的时刻相差超过一个睡眠期，将ICA最小值的时刻作为入睡点；

如果ICA最小值的时刻和MP最大值的时刻在同一个睡眠期或者至少有一个在睡眠期内，且最小值的时刻和MP最大值的时刻相差小于一个睡眠期，将MP最大值的时刻作为入睡点；

如果ICA最小值的时刻和MP最大值的时刻均不在睡眠期内，将MP最大值的时刻作为入睡点。

实例

以睡眠医师根据患者监测的PSG信号判定的入睡点为依据，验证本专利入睡点自动检测算法的准确性。

1)受试者1：女，身高163cm，体重55kg，年龄34岁，根据其监测的心电信号和三轴加速度信号进行入睡点分析，如图6所示。

2)受试者2：女，身高158cm，体重50kg，年龄28岁，根据其监测的心电信号和三轴加速度信号进行入睡点分析，如图7所示。

3)受试者3：男，身高175cm，体重73kg，年龄41岁，根据其监测的心电信号和三轴加速度信号进行入睡点分析，如图8所示。

其中红线：睡眠期的起始时间点；绿线：睡眠期的终止时间点；黑线：睡眠医师判定的入睡点；黄线：入睡点自动检测算法判定的入睡点。

除非另有定义，本申请中使用的所有技术和/或科学术语具有与由本发明所涉及的领域的普通技术人员通常理解的相同含义。本申请中提到的材料、方法和实施例仅为说明性的，而非限制性的。

虽然已结合具体实施方式对本发明进行了描述，在本申请的发明主旨下，本领域的技术人员可以进行适当的替换、修改和变化，这种替换、修改和变化仍属于本申请的保护范围。

Claims (4)

1.一种检测入睡点的方法，其包括：

通过受试者的心电信号获得MP矩阵；通过MP矩阵获得状态转移点；

通过该受试者的与所述心电信号同步的三轴加速度信号获得睡眠期；

通过所述睡眠期，在所述状态转移点中确定入睡点；

通过受试者的心电信号形成心率值序列；根据该心率值序列得到MP矩阵；

利用MP矩阵在心电信号的波形之间画弧线进行标记，并统计每个位置上方穿过的所述弧线数，即为ICA；

获取该MP矩阵每列元素的最大值，记为MP值；

以1s时长为第一窗口，对心电信号进行滑窗，得到所述心率值序列；

以20s时长的第二窗口，对所述心率值序列进行滑窗取值，得到多个心率值数组A1,A2,…Ak…An，其中Ak为第k次滑窗所得到的心率值数组，1≤k≤n，n为大于1的自然数；

所述MP矩阵为

xij表示心率值数组Ai与Aj的欧氏距离，其中1≤i≤n，1≤j≤n；

获取MP矩阵中除对角线元素外每列元素的最小值，在该值对应的心电信号波形图与对角线元素对应的心电信号波形图之间画弧线进行标记，并统计每个位置上方的ICA，记录ICA最小的时刻点为状态转移点。

2.根据权利要求1所述的检测入睡点的方法，其特征在于：

记录MP值最大的时刻点为状态转移点。

3.根据权利要求1所述的检测入睡点的方法，其特征在于：

对所述三轴加速度信号计算每秒加速度标准差，加速度标准差>0.08标记为一次体动；通过逐秒滑动时长20min的第三窗口计算每个第三窗口的体动次数，将体动次数<30且区间长度大于40min的时间段判断为睡眠期。

4.根据权利要求1或3所述的检测入睡点的方法，其特征在于：

如果不存在睡眠期，则不存在入睡点；

如果存在一个或多个睡眠期，判断ICA最小值的时刻与MP最大值的时刻相差是否超过一个睡眠期；如果ICA最小值的时刻和MP最大值的时刻至少一个处于睡眠期内，且最小值的时刻和MP最大值的时刻相差超过一个睡眠期，将ICA最小值的时刻作为入睡点；如果ICA最小值的时刻和MP最大值的时刻在同一个睡眠期或者至少有一个在睡眠期内，且最小值的时刻和MP最大值的时刻相差小于一个睡眠期，将MP最大值的时刻作为入睡点；如果ICA最小值的时刻和MP最大值的时刻均不在睡眠期内，将MP最大值的时刻作为入睡点。

Images