CN113208627A - 基于脑电eeg信号的梦境判别方法及系统 - Google Patents

Abstract

本发明公开了一种基于脑电EEG信号的梦境判别方法及系统。其中方法包括以下步骤：脑电EEG采集设备采集用户睡眠状态下的EEG信号，并在预处理后传输至算法分析子系统；算法分析子系统提取EEG信号的特征，将其送入基于深度学习的算法模型，对梦境进行识别，以得到梦境的场景和用户在梦境中的情绪特征；梦境报告子系统根据梦境的场景和用户在梦境中的情绪特征，自动绘制生成报告并向用户输出。该方法实现了对用户梦境的自动化检测与识别，并可向用户进行报告反馈，提升了对梦境识别的正确性和效率。

Description

基于脑电EEG信号的梦境判别方法及系统

技术领域

本发明涉及EEG信号识别技术领域，特别是涉及一种基于脑电EEG信号的梦境判别方法及系统。

背景技术

当前研究人员一直在研究大脑的电活动。EEG信号在帮助癫痫等病症诊断的同时，还提供了有意识和无意识状态等有用信息，可实现例如帮助医生了解昏迷患者的大脑活动等有益效果。在睡眠领域中，EEG信号的测量可以确定用户是清醒的、是处于深度睡眠状态，还是处于麻醉状态。然而，当进入快速眼动睡眠和做梦时，脑电图数据会变得嘈杂，类似于清醒的大脑活动，研究人员很难简单、直接地通过EEG信号数据来确定用户的睡眠状态。

而新的研究发现表明，在人类大脑的静电中，存在着一种简单的特征，如果测量这个简单的电信号，研究人员就可以精确地确定一个人正在经历什么样的意识状态——做梦、完全清醒、麻醉或深度睡眠。这种新型的脑电图将可以帮助医生更好地了解昏迷患者的不同意识程度。通过脑部特定区域的EEG信号活动，还可以判断用户的梦境状态。

现有的梦境专利技术有：

1.眼动电波图测量技术、肌电描记术和红外探测器相结合。其缺点是只能间接地测量人体在睡眠时的体征状态改变，获取的信息不全面会导致无法准确判断人在梦境的场景和情绪。

2.多导睡眠监测系统PSG。缺点在于它只能判别REM，然后通过REM来推断梦境的发生。且由于PSG只是设备，不是设备与算法集成的完整系统，无法准确判别梦境情感和场景。

3.睡眠后问卷或日记记录。其缺点在于对于梦境的记录完全依靠被测者主观的记忆，其准确性和可靠性较低。且由于梦的长度长短不一，每次睡眠的梦境数量不定，无法准确定位梦境发生的时间和确定梦的详细内容。

目前对梦境的判别方式中，无论是哪一种，均无法做到对梦境场景和情绪的准确、直接判断，而是采取推断的方式进行的判断。另外，已有梦境监测方案仅能直接判别梦境是否发生，而不能直接提取梦境中的主观信息，如人的情感、所处的场景等。

发明内容

本发明的目的是提供一种基于那你单EEG信号的梦境判别方法及系统，以实现对用户的梦境的检测、判别，并可向用户进行报告反馈。

为解决上述技术问题，本发明提供一种基于脑电EEG信号的梦境判别方法，该方法包括：

EEG采集设备采集用户睡眠状态下的脑电EEG信号，并在预处理后传输至算法分析子系统；

算法分析子系统提取脑电EEG信号的特征，将其送入基于深度学习的算法模型，对梦境进行识别，以得到梦境的场景和用户在梦境中的情绪特征；

梦境报告子系统根据梦境的场景和用户在梦境中的情绪特征，自动绘制生成报告并向用户输出。

本发明还提供一种基于脑电EEG信号的梦境判别系统，该系统用于实现上述方法，该系统包括：

脑电EEG采集设备，用于采集用户睡眠状态下的脑电EEG信号，并在预处理后传输至算法分析子系统；

算法分析子系统，用于提取脑电EEG信号的特征，将其送入算法模型，对梦境进行识别，以得到梦境场景和用户在梦境中的情绪特征；

梦境报告子系统，用于根据梦境场景和用户在梦境中的情绪特征，自动绘制生成报告并向用户输出。

本发明所提供的一种基于脑电EEG信号的梦境判别方法及系统，通过对用户的睡眠EEG信号进行特征提取及分析，利用基于深度学习的算法模型自动化判别出梦境的场景和用户在梦境中的情绪特征，并可向用户进行报告反馈，提升了对梦境场景和情绪判别的准确性及效率。

附图说明

为了更清楚地说明本发明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发明的实施例，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为本发明所提供的一种基于脑电EEG信号的梦境判别方法流程图；

图2为本发明所提供的梦境场景一个实施例的示意图；

图3为本发明所提供的结果报告生成原理图；

图4为本发明所提供的一种基于脑电EEG信号的梦境判别系统的框图结构示意图。

具体实施方式

本发明的核心是提供一种基于脑电EEG信号的梦境判别方法及系统，以实现检测用户的梦境，识别梦境内容，并对用户梦境进行引导调整。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。

请参考图1，图1中的脑电信号采集步骤在本实施例中，采用的脑电EEG采集设备优选为便捷式脑机接口BCI设备(以下简称BCI设备)，其特征为便携、具有干电极且高精度，电极对称分布于前额叶或者额叶，电极点位左右对称分布，电极具有较高的采样率，能够满足对脑电信号的精确刻画，去噪、滤波、放大、编码和传输。该设备主要由生物传感器、前端电路设备等组成。

1.便携式BCI设备经过佩戴、定位，阻抗调试，能够采集得到前额叶、额叶以及顶叶平稳自发头皮脑电，脑电EEG采集设备需求为前额叶或额叶皮层电信号。较优的，在本方案中，采用以下具体配置：

(1)阻抗大小调节为小于30千欧，采用导电橡胶电极；

(2)设置使其能够采集得到前额叶、额叶和顶叶头皮脑电信号频率范围为0.4hz到45hz，伏值为0.5uV到100uV；

(3)采样率为1500hz；

(4)电极分布为前额叶、额叶、顶叶和耳垂点位；

(5)点位参照国际10-20系统。

2.采集时间优选为整晚睡眠时间，用户静止平躺，保持头部和身体尽量不晃动，处于闭眼状态；全程保持环境温度和噪声在正常适宜水平。

3.脑电EEG信号采集后对信号进行预处理后传输至算法分析子系统，其中，预处理包括对脑电EEG信号进行放大、去噪、滤波、编码处理。

本实施例中，电信号放大使用模拟电路对共计11通道(包含1接地，2参考通道)的脑电数据进行放大，具体放大倍数为1000倍(采用2级放大电路，第一级放大20倍，第二级放大50倍)

脑电EEG信号去噪中，首先通过运行部署在前端的阈值筛除、共模抑制、参考减除算法对信号进行简单处理。包括去除相对伏值在100uV以上的信号；采用共模抑制算法提升信噪比；将A1，A2参考电势取平均，与共模抑制后z8个测量通道数据相减。

脑电EEG信号的滤波中，采用滤波算法对原始数据进行滤波，过滤其中的高频、低频伪迹，以及工频干扰、眼电等噪音，得到纯净的脑电EEG信号。对脑电EEG信号去噪、滤波处理的载体不限于云端计算、前端计算。较优的，本实施例采用前端智能芯片进行计算。

脑电信号编码中，将处理后的8通道信号数据使用A/D转换器转换为数字信号。将处理后的数字信号数据压缩后，传输到终端设备。传输的方式可以是任何一种连接方式，不限于蓝牙、数据流量和WiFi，较优地，本发明采用蓝牙方式传输数据。

4.算法分析子系统提取脑电EEG信号的特征值，将其送入算法模型，对梦境进行识别，其原理如图3所示。步骤包括了利用基于深度学习的算法模型，对数据进行解码、特征提取、质量判别和粗分析、梦境时间场景和情绪判别。具体步骤包括：

(1)对数据进行解码、特征提取。首先，将压缩的高频数字信号(即脑电EEG信号)数据还原为8信号通道波形数据；其次，提取其中的主要特征，包括整晚闭眼状态的频率分布、闭眼频域特征波形、积极情绪特征波形、恐惧情绪特征波形，悲伤情绪特征波形等。上述闭眼时域特征波形，积极情绪特征波形，恐惧情绪特征波形，悲伤情绪特征波形等，可以通过大量实验数据分析得到。

(2)应用基于深度学习的算法模型，判别梦境场景和用户在梦境中的情绪特征。优选地，本实施例可以采用卷积神经网络算法模型，将提取的睡眠分期特征作为输入，判别得出生成结果模型。其中：对可能出现的场景进行分类标注，本实施例分为二十类，见图3；对人的一般情绪进行分类标注，本实施例分为8种类别，分别为快乐、惊奇、思念、愤怒、悲伤、警惕、憎恶和恐惧。上述标注方法可以采用基因测序评估。算法判别得出生成结果，即评估得到梦境发生的场景、被测者感受的情绪情感转变、梦境内容等。

(3)应用基于深度学习的算法模型将上述生成结果结合睡眠分期的基本特征作为输入，输入采用梦境情感和场景分析方法进行标注，得到的梦境发生时间、时长、次数，并得到情感与场景的概念预测。

5.梦境报告子系统根据判别的梦境状况，自动绘制生成报告并向用户输出。所述梦境报告子系统提取数据分析系统输出的梦境情感和场景模型相关数据、特征信息，自动生成报告。本实施例中，采用图文报告的形式以应用程序界面等其他终端设备的方式呈现报告。具体步骤包括：

(1)提取梦境情感和场景模型相关数据、特征信息；

(2)生成图文报告，报告内容包括但不限于：

a)梦境在整体睡眠发生的时间轴图示；

b)梦境场景展示，场景所展示的图片选择机制如下：设立图库，在图库中每个场景存有240张图片，其中每一种情感有30张。图库总共有4800张图片；根据深度学习得出的梦境场景以及情感的分类结果，从30张图片中随机抽取一张进行展示。

c)睡眠质量测评指标。

请参考图4，图4为为本发明所提供的一种基于EEG信号的梦境判别系统原理图，该系统用于实现上述方法，该系统包括：

脑电EEG采集设备101，用于采集用户睡眠状态下的EEG信号，并在预处理后传输至算法分析子系统；

算法分析子系统102，用于提取EEG信号的特征，将其送入基于深度学习的算法模型，对梦境进行识别，以得到梦境的场景和用户在梦境中的情绪特征。本系统包括了数据传输和储存模块、数据分析算法模块，实现了将EEG信号数据，进行特征提取、算法判别，识别不同梦境情绪和场景的特征的功能。该系统形态包括但不限于：云端平台系统、终端设备显示系统。该系统主要由软件代码组成；

梦境报告子系统103，用于根据梦境的场景和用户在梦境中的情绪特征，自动绘制生成报告并向用户输出。该系统包括了数据分析模块，文档自动生成模块，实现了将睡眠中的梦境状态的特征收集整，并自动绘制和生成图文报告的功能，令使用者能更加直观易懂了解分析报告。该系统主要由软件系统组成。

可见，该系统通过对用户的睡眠状态下的脑电EEG信号进行特征提取及分析，利用基于深度学习的算法模型自动化判别出梦境的场景和用户在梦境中的情绪特征，并可向用户进行报告反馈，提升了对梦境场景、情绪判别的准确性及效率。

对于本发明提供的基于EEG信号的梦境判别系统的介绍请参照前述的基于EEG信号的梦境判别方法的实施例，本发明实施例在此不再赘述。

本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它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

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发明的范围。

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。

以上对本发明所提供的基于脑电EEG信号的梦境判别方法、系统进行了详细介绍。本文中应用了具体个例对本发明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发明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，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种基于脑电EEG信号的梦境判别方法，其特征在于，包括：

脑电EEG采集设备采集用户睡眠状态下的EEG信号，并在预处理后传输至算法分析子系统；

算法分析子系统提取脑电EEG信号的特征，将其送入基于深度学习的算法模型，对梦境进行识别，以得到梦境的场景和用户在梦境中的情绪特征；

梦境报告子系统根据梦境的场景和用户在梦境中的情绪特征，自动绘制生成报告并进行输出处理。

2.如权利要求1所述的方法，其特征在于，所述脑电EEG采集设备采集的是用户闭眼状态下的脑电EEG信号，采集时间为整个睡眠时间，采集时用户静止平躺，全程保持环境温度和噪声在正常水平。

3.如权利要求1所述的方法，其特征在于，所述预处理包括以下至少一项：

放大、去噪、滤波、编码处理。

4.如权利要求1所述的方法，其特征在于，算法分析子系统具体利用基于深度学习算法的算法模型进行解码、特征提取、质量判别和粗分析、梦境时间场景和情绪判别。

5.如权利要求4所述的方法，其特征在于，特征提取是提取脑电EEG信号中的以下至少一种特征：

整晚闭眼状态的频率分布、闭眼频域特征波形、积极情绪形成特征波形、恐惧情绪形成特征波形、悲伤情绪形成特征波形。

6.如权利要求4所述的方法，其特征在于，梦境时间场景和情绪判别具体是指应用算法模型，将提取的脑电EEG信号特征作为输入，判别得出生成结果，以评估得到梦境发生的场景、被测者感受的情绪情感转变和梦境内容。

7.如权利要求6所述的方法，其特征在于，算法模型的输入需要对人可能出现的场景及人的一般情绪进行分类标注，标注采用基因测序评估算法。

8.如权利要求6所述的方法，其特征在于，应用算法模型将生成结果结合睡眠分期的基本特征作为输入，输入采用梦境情感和场景分析方法进行标注，得到的梦境发生时间、时长、次数。

9.如权利要求1所述的别方法，其特征在于，所述梦境报告子系统提取算法分析子系统输出的判别的梦境状况和特征信息，自动生成图文报告，包括从内置图库中提取对应的场景照片，梦境发生的睡眠期间时间轴，以及睡眠质量评价指标等，向用户展现。

10.一种基于脑电EEG信号的梦境判别系统，其特征在于，用于实现如权利要求1至9中任意一项所述的方法，包括：

脑电EEG采集设备，用于采集用户睡眠状态下的脑电EEG信号，并在预处理后传输至算法分析子系统；

算法分析子系统，用于提取所述脑电EEG信号的特征，将其送入算法模型，对梦境进行识别，以得到梦境场景和用户在梦境中的情绪特征；

梦境报告子系统，用于根据梦境场景和用户在梦境中的情绪特征，自动绘制生成报告并向用户输出。

Images