CN113907709B - 一种基于耳部eeg的便携式睡眠监测系统 - Google Patents
一种基于耳部eeg的便携式睡眠监测系统 Download PDFInfo
- Publication number
- CN113907709B CN113907709B CN202111144401.0A CN202111144401A CN113907709B CN 113907709 B CN113907709 B CN 113907709B CN 202111144401 A CN202111144401 A CN 202111144401A CN 113907709 B CN113907709 B CN 113907709B
- Authority
- CN
- China
- Prior art keywords
- ear
- eeg
- module
- detection
- sleep
- 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
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
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/256—Wearable electrodes, e.g. having straps or bands
-
- 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]
- A61B5/372—Analysis of electroencephalograms
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (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耳部EEG的便携式睡眠监测系统,包括两个挂耳式电极模块、EEG采集模块、移动端模块和分析模块,其中,两个挂耳式电极模块设置在两个耳朵上,每个挂耳式电极模块分别包括多个采集电极和一个参考电极;EEG采集模块连接挂耳式电极模块,用于采集来自采集电极和参考电极的EEG信号并进行初步信号处理,获得处理后的耳部EEG信号;移动端模块用于接收处理后的耳部EEG信号、实时显示波形并在采集完成后将耳部EEG信号传输至分析模块;分析模块对耳部EEG信号进行睡眠阶段划分、特征波检测,并生成睡眠分析报告。该睡眠监测系统采用挂耳式电极,可以实现自主穿戴、便携、贴合度高,且具有较高的灵敏度和准确性。
Description
技术领域
本发明属于睡眠监测技术领域,具体涉及一种基于耳部EEG的便携式睡眠监测系统。
背景技术
睡眠监测在睡眠障碍及多种精神障碍和脑老化相关认知障碍的诊断和治疗中具有重要意义,而连续多天的睡眠脑电监测在健康人和疾病人群中越来越重要。耳部EEG(electroencephalo-graph,脑电图)是一种基于耳部的脑电采集技术,近来研究表明,其可作为标准EEG的一种替代,实现睡眠阶段划分和睡眠特征波形检测等功能。它克服了头部EEG的头皮电极数目多,电极定位、安置耗时耗力的缺点,具有依从性、舒适性高等优点,使其更适用于一整夜和多夜睡眠的监测,具有广泛应用的可能。
传统的睡眠监测是通过头部EEG的形式实现的,通过采集睡眠状态下的脑电信号,分析睡眠结构、进程和监测异常脑电波,用于睡眠相关疾病的诊断。但由于传统的头部EEG采集方式难以自行佩戴,很难家用,限制了其在睡眠状态下纵向多次采集的实用性。相比于头部EEG,耳部EEG在佩戴时间、性能和长期使用等方面都有较多优势。耳部EEG的佩戴时间在几分钟内,它的性能经过调试后可与传统的头皮EEG相当。目前已有研究证明,耳部EEG监测到的睡眠脑电信号与头部EEG相比,有相似的精确度和信噪比,并且受肌电影响较小。并且耳部EEG同样能够实现睡眠结构的分析,与头部EEG监测到的脑电波形保持高度相似,例如各种睡眠脑电特征波形:纺锤波、慢波、K复合波等,特别是在N3期睡眠中的0.5-2Hz的慢波活动具有较高的相似度。因此耳部EEG可以用于开发监测大脑特定状态活动的应用,例如癫痫检测和睡眠脑电监测等。另一方面,由于传统头部EEG舒适度不佳,经常对睡眠产生负面影响(失眠和睡眠变浅),而耳部EEG的测量不会影响睡眠质量,因此,可以更加准确的获得用户客观的睡眠状态。
然而,耳部EEG用于睡眠状态下脑活动的精准检测必须经过全面和系统的调试,尤其是采集电极和参考电极位置的确定,否则难以取代头部EEG所获取的数据信息精度。此外,目前针对耳部EEG研究还相对较少,缺乏基于耳部EEG的睡眠阶段划分和特征波提取有效分析方法和参数,使耳部EEG的发展受到阻碍。
发明内容
针对上述问题,本发明提供了一种基于耳部EEG的便携式睡眠监测系统。本发明要解决的技术问题通过以下技术方案实现:
本发明提供了一种基于耳部EEG的便携式睡眠监测系统,包括两个挂耳式电极模块、EEG采集模块、移动端模块和分析模块,其中,
所述两个挂耳式电极模块分别设置在两个耳朵上,每个挂耳式电极模块分别包括多个采集电极和一个参考电极,所述多个采集电极分别设置在耳朵周围,所述参考电极设置在耳廓处,参考方式为对侧参考;
所述EEG采集模块连接所述挂耳式电极模块,用于采集来自所述采集电极和所述参考电极的EEG信号并进行初步信号处理,获得处理后的耳部EEG信号;
所述移动端模块用于接收所述处理后的耳部EEG、实时显示波形并在采集完成后将所述耳部EEG信号传输至所述分析模块;
所述分析模块用于根据所述耳部EEG信号进行睡眠阶段划分、特征波检测,并生成睡眠分析报告。
在本发明的一个实施例中,每个挂耳式电极模块均包括三个采集电极,所述三个采集电极分别设置在耳朵前侧、耳朵上方的发根处、以及乳突的下方。
在本发明的一个实施例中,所述EEG采集模块基于ADS1299芯片进行EGG信号采集。
在本发明的一个实施例中,所述EEG采集模块通过蓝牙或2.4G通信模块将所述处理后的耳部EEG信号传输至所述移动端模块。
在本发明的一个实施例中,所述EEG采集模块中还包括阻抗检测单元,用于在数据采集之前检测所述EEG采集模块的阻抗,以确认电极是否佩戴良好。
在本发明的一个实施例中,所述分析系统模块包括睡眠阶段划分单元、特征波检测单元和报告生成单元,其中,
所述睡眠阶段划分单元用于根据所述耳部EEG信号,利用经训练的SVM分类器对睡眠阶段进行划分;
所述特征波检测单元包括慢波检测子单元、纺锤波检测子单元和K-复合波检测子单元,分别用于对所述耳部EEG信号中的慢波、纺锤波和K-复合波进行检测;
所述报告生成单元用于根据睡眠阶段的划分结果以及慢波、纺锤波和K-复合波的检测结果生成睡眠分析报告。
在本发明的一个实施例中,所述慢波检测子单元具体用于:
将所述脑电信号滤波到0.3-4Hz;获取从负到正过零点至下一个从负到正过零点且持续时间在0.25s-0.5s内的信号;检测符合持续时间的两个零点之间的负峰和正峰,判定当前持续时间内的信号是否为慢波。
在本发明的一个实施例中,所述纺锤波检测子单元具体用于:
将所述耳部EEG信号使用1-30Hz的FIR滤波器进行带通滤波处理,并依次计算带通滤波处理后信号的σ频段的相对功率、滑动相关系数和滑动均方根,并根据计算结果获得所述脑电信号中的纺锤波。
在本发明的一个实施例中,所述纺锤波检测子单元还用于将间距低于500ms的两个纺锤波合为一个纺锤波;去除持续时间<0.5s或>2s的纺锤波。
在本发明的一个实施例中,所述K-复合波检测子单元具体用于:
将所述耳部EEG信号进行降噪处理,获得降噪后的耳部EEG信号;对降噪后的耳部EEG信号利用db4小波包基进行八层分解,再根据K-复合波所属频带选择对应的节点并对选择的节点进行小波变换,得到重构的耳部EEG信号;对重构的耳部EEG信号进行形态学分析,获得K-复合波信号。
与现有技术相比,本发明的有益效果在于:
1、本发明基于耳部EEG的便携式睡眠监测系统可以实现真正意义上的可自主穿戴、便携、用户友好,且使用的耳部电极贴合度高,不易脱落,信噪比更高。
2、由于耳部的脑电信号比头部脑电信号小,因此耳部的采集点和参考点的选取尤为重要,本发明的睡眠监测系统采用对侧耳廓参考的方式,每个耳朵有三个采集点,采集到的信号质量与头部EEG具有相似的精确度。
3、本发明基于耳部EEG的便携式睡眠监测系统针对耳部EEG进行睡眠阶段划分,并对纺锤波、慢波、K复合波分别进行识别,具有较好的灵敏度和特异性,以及较高的准确率。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于耳部EEG的便携式睡眠监测系统的模块图;
图2是本发明实施例提供的一种耳部电极位置示意图;
图3a和图3b是本发明实施例提供的一种移动端模块的可视化界面示意图;
图4是本发明实施例提供的一种分析模块的结构示意图;
图5是本发明实施例提供的一种慢波的检测结果示意图;
图6是本发明实施例提供的一种σ频段的相对功率检测过程示意图;
图7是本发明实施例提供的一种滑动相关系数检测过程示意图;
图8是本发明实施例提供的一种滑动均方根检测过程示意图;
图9是本发明实施例提供的一种纺锤波的检测结果示意图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及具体实施方式,对依据本发明提出的一种基于耳部EEG的便携式睡眠监测系统进行详细说明。
有关本发明的前述及其他技术内容、特点及功效,在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明,可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解,然而所附附图仅是提供参考与说明之用,并非用来对本发明的技术方案加以限制。
应当说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
请参见图1,图1是本发明实施例提供的一种基于耳部EEG的便携式睡眠监测系统的模块图。该便携式睡眠监测系统包括两个挂耳式电极模块1、EEG采集模块2、移动端模块3和分析模块4,其中,两个挂耳式电极模块1分别设置在两个耳朵上,每个挂耳式电极模块1分别包括多个采集电极和一个参考电极,所述多个采集电极分别设置在耳朵周围,所述参考电极设置在耳廓处,参考方式为对侧参考;EEG采集模块2连接挂耳式电极模块1,用于采集来自采集电极和参考电极的EEG信号并进行初步信号处理,获得处理后的耳部EEG信号;移动端模块3用于接收处理后的耳部EEG信号、实时显示波形并在采集完成后将耳部EEG信号传输至分析模块4;分析模块4对耳部EEG信号进行睡眠阶段划分、特征波检测,并生成睡眠分析报告,并反馈至移动端模块3,供用户查看。
在本实施例中,每个挂耳式电极模块1均包括三个采集电极,三个采集电极分别设置在耳朵前侧、耳朵上方的发根处、以及乳突的下方。请参见图2,图2是本发明实施例提供的一种耳部电极位置示意图,其中,xA、xB、xC代表采集位置,xA处位于耳朵前侧,xB处位于耳朵上方的发根处,xC处位于乳突的下方,xR点代表位于耳廓的参考电极位置。需要说明的是,本实施例的参考方式为对侧耳廓参考,即左耳三个采集电极的参考电极位于右耳,右耳三个采集电极的参考电极位于左耳。
进一步地,EEG采集模块2基于ADS1299芯片,以250Hz的频率进行EEG信号采集。该EEG采集模块2中还包括阻抗检测单元,用于在数据采集之前检测EEG采集模块的阻抗,以确认电极是否佩戴良好,确保能有效采集到信号。具体地,在开始采集数据之前,移动端模块3控制所述阻抗检测单元输出31.2Hz,0.6μA的正弦波,通过得到的正弦波峰峰值计算阻抗,得到的阻值小于5kΩ则认为接触良好,移动端模块3上相应的通道按钮会显示绿色以作提示。移动端模块3可以是安装在移动终端例如手机上的APP,可以在APP上进行命名和定时操作,并控制EEG采集模块2开始采集。
具体地,EEG采集模块2连接挂耳式电极模块1,用于采集来自采集电极和参考电极的EGG信号并进行初步信号处理,获得处理后的耳部EEG信号。如上所述,左耳和右耳上各设置有一个挂耳式电极模块1,因此共获得左耳的三个采集信号和一个参考信号,以及右耳的三个采集信号和一个参考信号。这里所说的初步信号处理包括信号放大、降噪、随后将左耳获得的三个采集信号与右耳获得的参考信号求差,右耳获得的三个采集信号与左耳获得的参考信号求差,最终获得六个通道的耳部EEG信号。
进一步地,EEG采集模块2通过蓝牙或2.4G通信模块将处理后的耳部EEG信号实时传输至移动端模块3。移动端模块3中设置有存储单元,可以用来存储获得的耳部EEG信号。在本实施例中,耳部EEG信号的存储位置为默认的移动端内部存储路径。此外,在信号采集时,从APP的可视化界面可观察到实时的耳部EEG信号波形,可观察用户的实时状态。请参见图3a和图3b,图3a和图3b是本发明实施例提供的一种移动端模块的可视化界面示意图,其中,在图3a中,1-1区域为实时波形显示界面,1-2区域为各电极阻抗测试显示区域,1-3区域为基本信息设置/计时区域,在图3b中,2-1区域为用户信息栏,2-1区域为睡眠分析报告显示界面。
信号采集完成之后,移动端模块3将耳部EEG信号传输至分析模块4,由分析模块4完成睡眠阶段划分和特征波检测,完成分析后生成睡眠分析报告。请参见图4,本实施例的分析模块4包括睡眠阶段划分单元41、特征波检测单元42和报告生成单元43。
睡眠阶段划分单元41用于根据耳部EEG信号,利用经训练的SVM分类器对睡眠阶段进行划分。具体地,首先,使用3300阶FIR(Finite Impulse Response,有限长单位冲激响应)滤波器对所述耳部EEG信号进行0.2-40Hz的带通滤波,去除直流偏移量,随后将带通滤波后的信号分为30秒的多个连续的片段,再根据信号振幅设置阈值,优选地为200μV阈值。如果一个时段内的信号振幅超过了该阈值,则去除该时段信号。本实施例提取包括时域特征、频域特征以及非线性特征等共38种特征作为睡眠阶段划分的依据,按照AASM(美国睡眠医学会)标准,使用SVM分类器将睡眠分为4个阶段(包括非快速眼动睡眠期(NREM)的N1期、N2期、N3期以及快速眼动睡眠期(REM)),加上清醒,共5个阶段。其中,SVM分类器使用径向基函数(RBF)核。
需要说明的是,在对当前耳部EEG信号进行睡眠阶段划分之前,首先利用预先采集和已标记睡眠阶段的数据集对该SVM分类器进行训练和测试,其中,使用90%的数据作为训练集对该分类器进行训练,使用剩余10%数据作为测试集对训练完成的分类器进行测试,以验证分类器的有效性。基于上述经训练的SVM分类器,耳部EEG的睡眠阶段划分结果中,REM期的灵敏度为0.65,而除N1期外,其他阶段的灵敏度为0.84及以上,由此可见,本实施例的睡眠阶段划分单元41具有很好的睡眠阶段划分精确度。
进一步地,特征波检测单元42包括慢波检测子单元、纺锤波检测子单元和K-复合波检测子单元,分别用于对耳部EEG信号中的慢波、纺锤波和K-复合波进行检测。
具体地,所述慢波检测子单元对慢波的检测步骤如下:
使用过渡带为0.2Hz的FIR滤波器将所述耳部EEG信号滤波到0.3-4Hz;获取从负到正过零点至下一个从负到正过零点且持续时间在0.25s-0.5s内的信号;检测符合该持续时间的两个零点之间的负峰和正峰,对于每个负峰,找到与之最近的正峰,计算每个负峰与最近的正峰的峰峰值Vpp以及负相位Vn和正相位Vp的持续时间、频率;根据所述Vpp以及Vn和Vp的持续时间判定当前持续时间区间的信号是否为慢波。
具体地,对于当前持续时间区间的信号检测其是否满足:
①Vpp在75—400μV之间
②0.3s<Vn持续时间<1.5s
③0.1s<Vp持续时间<1s
若满足上述条件,则可以认为该信号属于慢波,若不满足,则可认为该信号不属于慢波。
随后,在完成所有时间段的检测之后,计算出每个慢波的具体属性,然后使用现有的异常值拒绝算法剔除掉异常慢波。请参见图5,图5是本发明实施例提供的一种慢波的检测结果示意图。
请参见表1,表1是慢波的检测数据表,其中,Start为慢波的开始时刻;NegPeak为负峰值的位置;MidCrossing为从负波到正波波动时,中间过0的位置;Pospeak为正峰值的位置;End为慢波的结束时刻;Duration为持续时间;ValNegPeak为负峰值的振幅大小;ValPosPeak为正峰值的振幅大小;PTP为峰峰值;Slope为倾斜程度;Frequency为慢波瞬时频率的中位数;1-16表示检测出的慢波的序号。
表1慢波的检测数据表
Start | NegPeak | MidCrossing | PosPeak | End | Duration | ValNegPeak | ValPosPeak | PTP | Slope | Frequency | |
0 | 1.20 | 1.62 | 1.81 | 2.03 | 2.41 | 1.21 | -84.356 | 80.244 | 164.600 | 866.316 | 0.826 |
1 | 2.41 | 2.64 | 2.87 | 3.56 | 3.79 | 1.38 | -43.128 | 110.881 | 154.009 | 669.603 | 0.725 |
2 | 5.32 | 5.51 | 5.81 | 6.15 | 6.61 | 1.29 | -69.838 | 34.503 | 104.342 | 347.806 | 0.775 |
3 | 8.15 | 8.41 | 8.63 | 8.81 | 8.97 | 0.82 | -48.525 | 34.325 | 82.849 | 376.588 | 1.220 |
4 | 9.78 | 10.08 | 10.27 | 10.51 | 11.04 | 1.26 | -69.073 | 92.889 | 161.962 | 852.432 | 0.794 |
5 | 11.04 | 11.30 | 11.57 | 11.74 | 11.93 | 0.89 | -98.443 | 38.336 | 136.779 | 506.588 | 1.124 |
6 | 14.41 | 14.65 | 14.99 | 15.27 | 15.45 | 1.04 | -55.451 | 101.429 | 156.879 | 461.410 | 0.962 |
7 | 15.45 | 15.65 | 16.08 | 16.29 | 16.92 | 1.47 | -101.812 | 46.087 | 147.900 | 343.953 | 0.680 |
8 | 16.92 | 17.09 | 17.60 | 17.84 | 18.25 | 1.33 | -40.932 | 59.747 | 100.680 | 197.411 | 0.752 |
9 | 18.25 | 18.54 | 18.93 | 19.77 | 19.86 | 1.61 | -133.613 | 13.124 | 146.737 | 376.248 | 0.621 |
10 | 19.86 | 20.17 | 20.69 | 20.98 | 21.55 | 1.69 | -100.742 | 33.372 | 134.114 | 257.912 | 0.592 |
11 | 21.55 | 21.73 | 21.87 | 22.07 | 22.39 | 0.84 | -47.156 | 71.602 | 118.757 | 848.266 | 1.190 |
12 | 22.39 | 22.76 | 22.95 | 23.12 | 23.30 | 0.91 | -95.602 | 77.983 | 173.584 | 913.601 | 1.099 |
13 | 23.30 | 23.53 | 23.79 | 24.01 | 24.69 | 1.39 | -77.988 | 52.568 | 130.555 | 502.135 | 0.719 |
14 | 25.78 | 26.00 | 26.18 | 26.34 | 26.50 | 0.72 | -65.108 | 50.651 | 115.759 | 643.105 | 1.389 |
15 | 27.47 | 27.65 | 27.81 | 27.95 | 28.12 | 0.65 | -84.880 | 55.411 | 140.291 | 876.819 | 1.538 |
16 | 29.37 | 29.58 | 29.75 | 29.87 | 29.98 | 0.61 | -53.608 | 25.826 | 79.434 | 467.258 | 1.639 |
进一步地,所述纺锤波检测子单元能够将所述耳部EEG信号使用1-30Hz的FIR滤波器进行带通滤波处理,并依次计算带通滤波处理后信号的σ频段的相对功率、滑动相关系数和滑动均方根,并根据计算结果获得所述耳部EEG信号中的纺锤波。
具体地,纺锤波检测子单元对纺锤波的检测步骤具体如下:
首先,输入原始耳部EEG信号后,使用1-30Hz的FIR滤波器进行带通滤波处理,获得带通滤波处理后的信号,记为EEGbf。接着对睡眠纺锤波采用三重检测:
第一重检测:σ频段的相对功率
σ相对功率是指检测信号相对于带通滤波频段(1-30Hz)而言,在σ频率范围(11-16Hz)内的功率。首先对连续两秒的耳部EEG信号使用窗长为200ms的滑动时间窗来进行短时傅里叶变换(STFT,short-time Fourier transform),得到σ频段的功率总和,再计算频段的功率总和与EEGbf的频段功率总和之间的比值,得到相对功率。当相对功率≥0.2时,开始进行第二重检测,如图6所示,图中虚线代表相对功率为0.2,将此设定为阈值,当相对功率大于0.2时(即超过虚线的部分)视为符合第一重检测,开始第二重检测。
第二重检测:滑动相关系数r
在符合第一重检测的基础上计算滑动相关系数r,由于FIR滤波器更容易控制,总是稳定的,有明确的通频带,因此本实施例使用FIR滤波器将原始耳部EEG信号滤波到σ频段范围内,得到EEGσ信号,随后使用一个宽度300ms,步长100ms的滑动窗口计算EEGbf与EEGσ之间的皮尔逊相关系数,并记为滑动相关系数r,当r≥0.65时开始第三重检测,r的计算公式为:
第三重检测:滑动均方根
在通过前两重检测的前提下,使用宽300ms、步长100ms的滑窗计算EEGσ信号的滑动均方根RMS,RMS的计算公式为:
其中,N表示采样点个数,i表示采样点。
当RMS≥RMSthres时认为通过检测,RMSthres的计算公式为:
RMSthres=RMSmean+1.5×RMSstd
其中,RMSmean为RMS的均值,RMSstd为RMS的均方差。需要说明的是,滑动均方根RMS为每个滑窗内EEGσ信号的滑动均方根,RMSmean表示所有滑窗EEGσ信号的滑动均方根的均值,RMSstd表示所有滑窗EEGσ信号的滑动均方根的均方差,如图8所示,当RMS大于阈值(如虚线所示)时,认为通过第三重检测。
满足上述三重检测,即可认为当前信号为纺锤波。此外,本实施例还应用了两个额外的步骤优化检测:(1)将两个纺锤波间距低于500ms的合为一个纺锤波;(2)去除持续时间太短(<0.5s)或太长(>2s)的纺锤波。请参见图9,图9是本发明实施例提供的一种纺锤波的检测结果示意图。
表2纺锤波的检测数据表
Start | Peak | End | Duration | Amplitude | RMS | AbsPower | ReIPower | Frequency | Oscillations | Symmetry | |
0 | 3.24 | 3.815 | 4.060 | 0.820 | 82.372425 | 19.130129 | 2.685120 | 0.480513 | 12.851043 | 11.0 | 0.696970 |
1 | 13.06 | 13.410 | 13.845 | 0.785 | 102.758017 | 23.991812 | 2.832498 | 0.226470 | 12.245327 | 10.0 | 0.443038 |
请参见表2,表2是纺锤波的检测数据表,其中,Start为纺锤波出现的时刻,Peak为纺锤波峰值出现的时刻,End为纺锤波结束的时刻,Duration为纺锤波持续的时间,Amplitude为峰峰值,RMS为滑动均方根,AbsPower为绝对功率,RelPower为相对功率,Frequency为纺锤波瞬时频率的中位数,Oscillations为振荡次数(等于纺锤波正峰值的数量),Symmetry为纺锤波峰值的位置(标准化到0-1区间,0为开始处,1为结束处,0.5为纺锤波正中间)。
进一步地,K-复合波检测子单元用于对所述耳部EEG信号中的K-复合波进行检测。K-复合波(0.5-2Hz)的形态被定义为一系列不同的波,它是清晰可辨的负尖波,其后紧接一个正尖波,持续时间在0.5-1.5s之间。
具体地,K-复合波检测子单元检测K-复合波的具体步骤如下:
首先进行预处理,对采集到的脑电信号进行去噪,本实施例采用db4小波包基对耳部EEG信号进行六层分解,小波包相对于小波变换分解提取的节律波的频带范围更精细,分解的系数分别使用硬阈值法和软阈值法进行处理,所述阈值为经验阈值,根据本实施例的便携式睡眠监测系统采集的耳部EEG数据集进行选择,接着再采用小波变换进行信号重构,得到降噪后的耳部EEG信号;随后,对降噪后的耳部EEG信号再次利用db4小波包基进行八层分解,根据K-复合波所属的频带选择对应的节点,并对选择的节点进行小波变换,得到重构耳部EEG信号;接着,对重构的耳部EEG信号进行形态学分析,从而判断它是否为K-复合波,首先需要检测在重构的耳部EEG信号中波形从负尖波出现到正尖波出现时间间隔是否在0.5-1.5s之间,其次该波的最小的峰值不得低于100μV,最大不超过400μV,最后检测峰峰值的斜率是否大于200μV/s,如若上述条件皆满足,则判定该段时间内的耳部EEG信号为K-复合波。
需要说明的是,EEG采集模块2通过左耳的三个采集电极和右耳的三个采集电极,共获得六组耳部EEG信号,分析模块4可以对所述六组耳部EEG信号分别进行分析,以获得更全面的监测结果。
报告生成单元43用于根据睡眠阶段的划分结果以及慢波、纺锤波和K-复合波的检测结果生成睡眠分析报告,该睡眠分析报告可以反映被监测者的总睡眠时间、睡眠效率、各睡眠阶段占比、睡眠质量评估等指标。
睡眠分析报告生成之后,分析模块4将该睡眠分析报告反馈至移动端模块3,能够在移动端模块3的可视化界面上显示,以便用户在移动端上进行查看。
综上,本实施例基于耳部EEG的便携式睡眠监测系统可以实现真正意义上的可自主穿戴、便携、用户友好,且使用者的耳部电极贴合度高,不易脱落。由于耳部的脑电信号比头部脑电信号小,因此耳部的采集点和参考点的选取尤为重要,本实施例的睡眠监测系统采用对侧耳廓参考的方式,每个耳朵有三个采集点,采集到的信号质量与头部EEG具有相似的精确度。此外,该便携式睡眠监测系统针对耳部EEG进行睡眠阶段划分,并对纺锤波、慢波、K复合波分别进行识别,具有较高的灵敏度和特异性,以及较高的准确率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (7)
1.一种基于耳部EEG的便携式睡眠监测系统,其特征在于,包括两个挂耳式电极模块(1)、EEG采集模块(2)、移动端模块(3)和分析模块(4),其中,
所述两个挂耳式电极模块(1)分别设置在两个耳朵上,每个挂耳式电极模块(1)分别包括多个采集电极和一个参考电极,所述多个采集电极分别设置在耳朵周围,所述参考电极设置在耳廓处,参考方式为对侧参考;
所述EEG采集模块(2)连接所述挂耳式电极模块(1),用于采集来自所述采集电极和所述参考电极的EEG信号并进行初步信号处理,获得处理后的耳部EEG信号;
所述移动端模块(3)用于接收所述处理后的耳部EEG信号、实时显示波形并在采集完成后将所述耳部EEG信号传输至所述分析模块(4);
所述分析模块(4)用于根据所述耳部EEG信号进行睡眠阶段划分、特征波检测,并生成睡眠分析报告;
每个挂耳式电极模块(1)均包括三个采集电极,所述三个采集电极分别设置在耳朵前侧、耳朵上方的发根处、以及乳突的下方;
所述分析模块(4)包括睡眠阶段划分单元(41)、特征波检测单元(42)和报告生成单元(43),其中,
所述睡眠阶段划分单元(41)用于根据所述耳部EEG信号,利用经训练的SVM分类器对睡眠阶段进行划分;
所述特征波检测单元(42)包括慢波检测子单元、纺锤波检测子单元和K-复合波检测子单元,分别用于对所述耳部EEG信号中的慢波、纺锤波和K-复合波进行检测;
所述报告生成单元(43)用于根据睡眠阶段的划分结果以及慢波、纺锤波和K-复合波的检测结果生成睡眠分析报告;
所述纺锤波检测子单元具体用于:
将所述耳部EEG信号使用FIR滤波器进行带通滤波处理,并依次计算带通滤波处理后信号EEGbf的σ频段的相对功率、滑动相关系数和滑动均方根,并根据计算结果获得脑电信号中的纺锤波;
具体地,所述纺锤波检测子单元对纺锤波采用三重检测:
第一重检测:首先对连续两秒的耳部EEG信号使用滑动时间窗进行短时傅里叶变换,得到σ频段的功率总和,再计算σ频段的功率总和与EEGbf的σ频段功率总和之间的比值,得到相对功率,当相对功率≥0.2时,视为符合第一重检测,开始第二重检测;
第二重检测:使用FIR滤波器将原始耳部EEG信号滤波到σ频段范围内,得到EEGσ信号,随后使用滑动窗口计算EEGbf与EEGσ之间的皮尔逊相关系数,并记为滑动相关系数r,当r≥0.65时,视为符合第二重检测,开始第三重检测;
第三重检测:在通过前两重检测的前提下,使用滑窗计算EEGσ信号的滑动均方根RMS,当RMS大于给定阈值时,认为通过第三重检测。
2.根据权利要求1所述的基于耳部EEG的便携式睡眠监测系统,其特征在于,所述EEG采集模块(2)基于ADS1299芯片进行EEG信号采集。
3.根据权利要求1所述的基于耳部EEG的便携式睡眠监测系统,其特征在于,所述EEG采集模块(2)通过蓝牙或2.4G通信模块将所述处理后的耳部EEG信号传输至所述移动端模块(3)。
4.根据权利要求1所述的基于耳部EEG的便携式睡眠监测系统,其特征在于,所述EEG采集模块(2)中还包括阻抗检测单元,用于在数据采集之前检测所述EEG采集模块的阻抗,以确认电极是否佩戴良好。
5.根据权利要求1所述的基于耳部EEG的便携式睡眠监测系统,其特征在于,所述纺锤波检测子单元具体用于:
将所述耳部EEG信号使用1-30Hz的FIR滤波器进行带通滤波处理,并依次计算带通滤波处理后信号的σ频段的相对功率、滑动相关系数和滑动均方根,并根据计算结果获得所述脑电信号中的纺锤波。
6.根据权利要求5所述的基于耳部EEG的便携式睡眠监测系统,其特征在于,所述纺锤波检测子单元还用于将间距低于500ms的两个纺锤波合为一个纺锤波;去除持续时间<0.5s或>2s的纺锤波。
7.根据权利要求1至6中任一项所述的基于耳部EEG的便携式睡眠监测系统,其特征在于,所述K-复合波检测子单元具体用于:
将所述耳部EEG信号进行降噪处理,获得降噪后的耳部EEG信号;对降噪后的耳部EEG信号利用db4小波包基进行八层分解,再根据K-复合波所属频带选择对应的节点并对选择的节点进行小波变换,得到重构的耳部EEG信号;对重构的耳部EEG信号进行形态学分析,获得K-复合波信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144401.0A CN113907709B (zh) | 2021-09-28 | 2021-09-28 | 一种基于耳部eeg的便携式睡眠监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144401.0A CN113907709B (zh) | 2021-09-28 | 2021-09-28 | 一种基于耳部eeg的便携式睡眠监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113907709A CN113907709A (zh) | 2022-01-11 |
CN113907709B true CN113907709B (zh) | 2023-05-02 |
Family
ID=79236818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111144401.0A Active CN113907709B (zh) | 2021-09-28 | 2021-09-28 | 一种基于耳部eeg的便携式睡眠监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113907709B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114403900B (zh) * | 2022-02-08 | 2024-04-05 | 周口市中心医院 | 一种脑电图机中脑电数据自动记录和分析系统及方法 |
CN117077013B (zh) * | 2023-10-12 | 2024-03-26 | 之江实验室 | 一种睡眠纺锤波检测方法、电子设备、介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101502418A (zh) * | 2008-02-05 | 2009-08-12 | 周常安 | 耳戴式脑电检测装置 |
CN109512390A (zh) * | 2018-10-26 | 2019-03-26 | 武汉大学 | 基于eeg时域多维度特征及m-wsvm的睡眠分期方法及可穿戴装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130005802A (ko) * | 2011-07-07 | 2013-01-16 | 주식회사 제이유에이치 | 개인 맞춤형 수면 유도 이목 마스크 장치 및 그의 구동방법 |
WO2019051613A1 (en) * | 2017-09-15 | 2019-03-21 | Ecole De Technologie Superieure | BRAIN-COMPUTER INTERFACE BASED ON INTRA- AND CIRCUM-AURICULAR ELECTROCEPHALOGRAPHY (EEG) |
CN109171714A (zh) * | 2018-08-29 | 2019-01-11 | 成都和煦医疗科技有限公司 | 采用耳塞式电极的智能睡眠监测系统 |
CN110353670B (zh) * | 2019-07-04 | 2020-09-29 | 北京航空航天大学 | 一种耳挂式脑电信号采集装置 |
-
2021
- 2021-09-28 CN CN202111144401.0A patent/CN113907709B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101502418A (zh) * | 2008-02-05 | 2009-08-12 | 周常安 | 耳戴式脑电检测装置 |
CN109512390A (zh) * | 2018-10-26 | 2019-03-26 | 武汉大学 | 基于eeg时域多维度特征及m-wsvm的睡眠分期方法及可穿戴装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113907709A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110338786B (zh) | 一种癫痫样放电的识别与分类方法、系统、装置和介质 | |
CN105796096B (zh) | 一种心率变异性分析方法、系统及终端 | |
CN113907709B (zh) | 一种基于耳部eeg的便携式睡眠监测系统 | |
KR100719068B1 (ko) | 전전두엽에서 측정한 뇌파 데이터의 고속푸리에변환을 통한누적데이터의 패턴분석을 이용한 건강진단 장치 및 그방법 | |
CN108577834B (zh) | 一种用于癫痫间期棘波自动检测的方法 | |
Stochholm et al. | Automatic sleep stage classification using ear-EEG | |
CN105942974A (zh) | 一种基于低频脑电的睡眠分析方法及系统 | |
CN105249961A (zh) | 基于蓝牙脑电耳机的实时驾驶疲劳检测系统及检测方法 | |
WO2016142793A1 (en) | Portable electronic device to process a signal acquired from a living body and method thereof | |
US20140378859A1 (en) | Method of Multichannel Galvanic Skin Response Detection for Improving Measurement Accuracy and Noise/Artifact Rejection | |
CN112741638A (zh) | 一种基于eeg信号的医疗诊断辅助系统 | |
CN106236083A (zh) | 睡眠状态分析中去除眼电伪迹的设备 | |
US20190320979A1 (en) | Method and system for collecting and processing bioelectrical signals | |
Anwar et al. | Use of portable EEG sensors to detect meditation | |
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 | |
CN103816007A (zh) | 一种基于脑电频域特征指标化算法的耳鸣治疗设备及方法 | |
Johal et al. | Artifact removal from EEG: A comparison of techniques | |
CN105796118A (zh) | 一种无创情绪分析方法 | |
Dass et al. | A Comparative Study on FFT, STFT and WT for the Analysis of Auditory Evoked Potentials | |
CN202179545U (zh) | 基于过采样多频多幅联合估计听觉诱发电位的测听装置 | |
US20200315525A1 (en) | Anesthesia stage identification and anesthesia depth calculation method and device | |
Pretorius et al. | Feature extraction from ECG for classification by artificial neural networks | |
Krusienski et al. | Harmonic coupling of steady-state visual evoked potentials | |
CN106377251B (zh) | 基于脑电信号的睡眠状态识别模型训练方法和系统 | |
CN106473704B (zh) | 睡眠状态分析中去除眼电伪迹的方法和系统 |
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 |