CN114601479A - 一种基于eeg脑电功率谱及功率谱斜率的睡眠情况分析方法 - Google Patents
一种基于eeg脑电功率谱及功率谱斜率的睡眠情况分析方法 Download PDFInfo
- Publication number
- CN114601479A CN114601479A CN202111313941.7A CN202111313941A CN114601479A CN 114601479 A CN114601479 A CN 114601479A CN 202111313941 A CN202111313941 A CN 202111313941A CN 114601479 A CN114601479 A CN 114601479A
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- slope
- eeg
- sleep
- electroencephalogram
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 101
- 230000007958 sleep Effects 0.000 title claims abstract description 61
- 238000004458 analytical method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013138 pruning Methods 0.000 claims description 3
- 230000002618 waking effect Effects 0.000 claims description 3
- 230000003860 sleep quality Effects 0.000 claims 3
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000013139 quantization Methods 0.000 abstract 1
- 230000008667 sleep stage Effects 0.000 description 18
- 206010062519 Poor quality sleep Diseases 0.000 description 7
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 206010049816 Muscle tightness Diseases 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000007102 metabolic function Effects 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000037152 sensory function Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000004599 slow eye movement Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- 210000001835 viscera Anatomy 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
- A61B5/24—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
- A61B5/369—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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (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
本发明提出一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,包括以下步骤:对原始脑电EEG信号进行预处理,得到预处理的脑电EEG信号;以一定时间间隔对预处理的脑电EEG信号进行分段,对每段预处理的脑电EEG信号进行傅里叶变换,再计算每段预处理的脑电EEG信号的功率谱P(k)及功率谱斜率k,得到功率谱序列pl和功率谱斜率序列kl;根据功率谱序列pl和功率谱斜率序列kl绘制脑电EEG信号的时频图,并根据功率谱P(k)及功率谱斜率k区分每段脑电EEG信号对应的睡眠期。本发明根据单导联EEG脑电信号计算功率谱及功率谱斜率,绘制功率时频谱图进行展示,最后根据公式量化对睡眠情况进行判断。
Description
技术领域
本发明涉及睡眠分析技术领域,尤其是一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法。
背景技术
脑电波是评价睡眠的核心讯号,后来又增加了眼电、肌电、呼吸、心电、血氧等等多种生理信号的采集,形成了目前医院里使用的多导睡眠监测仪(PSG)。多导睡眠仪虽有它的优点,但同时它也有很多的缺点,比如,被试者需要在身上连接各种导线,并要在医院的睡眠实验室睡一个晚上。这样的环境和条件往往无法反映被试者平时真实的睡眠;另一大问题是必须依赖有经验的技术人员花几个小时去人工识别出脑电图中的特征波形,对睡眠进行分期。睡眠分期是以每30s长度的信号为单位对睡眠状态进行分类,可以分为W期或清醒期、R期或REM期、N1期或NREM 1期、N2期或NREM 2期、N3期或NREM 3期。
非眼球快速运动睡眠(NREM):其特点是从夜间入睡开始,随着睡眠加深而进展的。在这个阶段中,人的呼吸变浅、变慢而均匀,心率变慢、血压下降,全身肌肉松弛(仍然能够保持一定姿势),无明显的眼球运动。在这个阶段中,还可以分4期,第1期为入睡期,第2期为浅睡期,第3期为中度睡眠期,第4期为深度睡眠期。这个时期,正常人平均20分钟有一次大的姿势调节,有的人甚至每5分钟有一次姿势调节活动。
眼球快速运动睡眠(REM):进入睡眠约90分钟后,人体进入快动眼动睡眠期,其特征是眼球快速转动。在这个阶段,人体的感觉功能进一步减退,肌肉也更加松弛,肌腱反射消失。这时的血压较慢动眼睡眠时升高,呼吸稍快且不规则,体温、心率也有所升高。这个阶段,体内各种代谢功能都显著增加,以保证大脑组织蛋白的合成和消耗物质的补充,使神经系统正常发育,并为第二天的活动积蓄能量。当睡眠者在这个阶段被唤醒,74%-95%的人诉说在做梦并能记起梦境内容。而在慢动眼睡眠期间,只有很少的人诉说在做梦。研究认为,NREM睡眠主要是大脑皮层的休息,而在REM睡眠中主要是全身性的休息。
NREM睡眠1期:这个阶段又叫做浅睡期,相当于困倦的迷迷糊糊的时候。1期比较短,往往持续3~7分钟,常在由觉醒向其他睡眠阶段移行或睡眠中体动多时出现。脑电图中,α波波幅普遍降低,波形不整,连续性差,后期频率可稍慢,出现低幅度θ波和β波,但以θ波为主,此时,人堆周围环境的注意力已经丧失,处于意识不清醒状态。在1期的后半段到2期的初期,可出现顶尖波。N1期肌电水平较觉醒时低,可有缓慢眼球运动。
NREM睡眠2期:在低幅脑电波的基础上,出现周期为100-300毫秒,波幅为100-300μV“纺锤波”。此时,全身肌张力降低,几乎无眼球运动。
NREM睡眠3期:这期出现中或者高幅δ波。肌张力进一步受抑制。此时,睡眠程度加深,不容易被唤醒。N3是睡得最深沉最香甜的阶段,修复功能最强劲,主要是针对躯体和内脏功能。这一阶段脑电特征为0.5~2Hz,波幅>75μV的慢波占比20%以上。
传统的多导睡眠仪必须依赖有经验的技术人员花几个小时去人工识别出脑电图中的特征波形,对睡眠进行分期。需要花费大量的时间和精力,而且对于没有经验的人来说准确的判断睡眠情况会更加困难。
发明内容
本发明解决了传统的多导睡眠仪需要依靠人工识别出脑电图中的特征波形,花费大量的时间和精力的问题,提出一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,根据单导联EEG脑电信号计算功率谱及功率谱斜率,绘制功率时频谱图进行展示,最后根据公式量化对睡眠情况进行判断,将睡眠大致分为3类清醒期对应W期,浅睡期对应N1期或R期,深睡期对应N2期和N3期。
为实现上述目的,提出以下技术方案:
一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,包括以下步骤:
S1,对原始脑电EEG信号进行预处理,得到预处理的脑电EEG信号;
S2,以一定时间间隔对预处理的脑电EEG信号进行分段,对每段预处理的脑电EEG信号进行傅里叶变换,再计算每段预处理的脑电EEG信号的功率谱P(k)及功率谱斜率k,得到功率谱序列pl和功率谱斜率序列kl;
S3,根据功率谱序列pl和功率谱斜率序列kl绘制脑电EEG信号的时频图,并根据功率谱P(k)及功率谱斜率k区分每段脑电EEG信号对应的睡眠期。
本发明利用功率谱和功率谱斜率k区分睡眠期,替代人工识别,缩短睡眠分析时间,提高睡眠分析效率,有利于辅助非专业人士判断睡眠情况。
作为优选,根据功率谱及功率谱斜率区分每段脑电EEG信号对应的睡眠期的具体过程如下:
D:若p1大于阈值μ1=0.15则该段脑电EEG信号对应为深睡期,若p2大于阈值μ2=0.35或k大于阈值υ=-0.02则该段脑电EEG信号对应为清醒期,其余情况的脑电EEG信号对应为浅睡期。
作为优选,所述S1具体包括以下步骤:
对原始脑电EEG信号依次进行50hz陷波处理、降采样处理和0.3hz高通滤波处理。
作为优选,所述功率谱P(k)及功率谱斜率k的计算过程如下:
对每段预处理的脑电EEG信号进行傅里叶变换:
选定频率为5hz和25hz的两个点位计算功率谱斜率k:
作为优选,所述S2还包括对功率谱斜率序列kl进行0.003hz低通滤波处理。
作为优选,所述S2还包括对功率谱序列pl进行剪枝处理。
本发明的有益效果是:本发明利用功率谱和功率谱斜率k区分睡眠期,替代人工识别,缩短睡眠分析时间,提高睡眠分析效率,有利于辅助非专业人士判断睡眠情况。
附图说明
图1是实施例的流程图;
图2是实施例的整夜时频图及睡眠分期情况示意图。
具体实施方式
实施例:
本实施例提出一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,参考图1,包括以下步骤:
步骤1.1:对原始脑电EEG信号进行50hz陷波处理,去除工频干扰。
步骤1.2:将采样率为500hz的原始脑电EEG信号降采样率降为100hz。采样率为500hz的EEG信号包含频率范围为0-250hz,而脑电信号中睡眠分期的部分主要集中在0-50hz,为了提高计算效率,将信号降采样至100hz。
步骤1.3:对原始脑电EEG信号进行0.3hz高通滤波,去除基线漂移。N3期脑电的主要特征是0.5-2h的慢波,波幅>75μV,脑电功率谱的低频区域会有较高能量,通过高通滤波去除基线干扰,可以使得频谱图中低频区域的能量变化更加明显。
步骤2.1:计算每30s信号的功率谱及功率谱斜率,得到功率谱序列pl和功率谱斜率序列kl。
先计算脑电EEG信号的傅里叶变换:
步骤2.2:对功率谱斜率序列kl进行0.003hz低通滤波处理,以每30s为单位计算功率谱斜率,因此斜率序列kl的采样率为1/30hz,对kl进行低通滤波可以平滑斜率序列,去除部分异常值。
步骤2.3:对功率谱序列pl进行剪枝处理,去除部分异常值。
步骤3:通过公式计算将每30s信号分为清醒期,浅睡期,深睡期,由于不同睡眠期脑电波的频率有很大差别,如清醒期高频信号能量占比较大,深睡期低频信号能量占比较大,而浅睡期介于两者之间,且功率谱斜率k值在清醒和睡眠时有较大差别,清醒时功率谱各频段能量较为均衡,因此能量功率谱下降较慢,斜率k更接近0,而睡眠时功率谱高频能量较低,因此能量功率谱下降较快,斜率k距0较远,所以通过功率谱不同频段能量占比和斜率值对睡眠情况进行判断。具体步骤如下:
步骤3.3:若p1大于阈值μ1=0.15则被分为深睡期,若p2大于阈值μ2=0.35或k大于阈值υ=-0.02则被分为清醒期,其余情况的脑电EEG信号对应为浅睡期。
步骤4:根据功率谱序列pl和功率谱斜率序列kl绘制整夜EEG脑电的时频图,如图2(a)所示,可以根据不同频率的能量及功率谱斜率大致判断睡眠情况,无需经过复杂的PSG判图。
步骤4.1:睡眠分期结果为W期,对应的功率谱能量分布相对均匀,频率40hz以上仍有部分能量,对应人清醒时脑电高频信号较多,此时功率谱斜率绝对值相对较小,这几点为W期功率谱上的显著特征。
步骤4.2:睡眠分期结果为N2,N3期,对应功率谱在低频区域有很高的能量,主要集中在5hz以下,N3期的能量比N2期更高,在功率谱上颜色更深。对应了人深睡时脑电以低频慢波为主。且能量集中在15hz以下,20hz以上几乎没有能量,功率谱斜率的绝对值相对较大。
步骤4.3:睡眠分期结果为N1,R期,功率谱上能量分布在0-20hz之间,分布较为均匀,功率谱斜率介于前两种情况之间。
图2中:(a)为时频和斜率的结合图,(b)为专业人员的睡眠分期结果图,(c)为以步骤3的方法进行的睡眠分期结果图,可以看出专业睡眠分期结果和本发明分析的结果较为相近,因此本发明的睡眠分期具有一定准确性。
Claims (7)
1.一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,其特征是,包括以下步骤:
S1,对原始脑电EEG信号进行预处理,得到预处理的脑电EEG信号;
S2,以一定时间间隔对预处理的脑电EEG信号进行分段,对每段预处理的脑电EEG信号进行傅里叶变换,再计算每段预处理的脑电EEG信号的功率谱P(k)及功率谱斜率k,得到功率谱序列pl和功率谱斜率序列kl;
S3,根据功率谱序列pl和功率谱斜率序列kl绘制脑电EEG信号的时频图,并根据功率谱P(k)及功率谱斜率k区分每段脑电EEG信号对应的睡眠期。
3.根据权利要求1或2所述的一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,其特征是,所述S1具体包括以下步骤:
对原始脑电EEG信号依次进行50hz陷波处理、降采样处理和0.3hz高通滤波处理。
5.根据权利要求1所述的一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,其特征是,所述一定时间间隔为30s。
6.根据权利要求5所述的一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,其特征是,所述S2还包括对功率谱斜率序列kl进行0.003hz低通滤波处理。
7.根据权利要求1所述的一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法,其特征是,所述S2还包括对功率谱序列pl进行剪枝处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313941.7A CN114601479A (zh) | 2021-11-08 | 2021-11-08 | 一种基于eeg脑电功率谱及功率谱斜率的睡眠情况分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313941.7A CN114601479A (zh) | 2021-11-08 | 2021-11-08 | 一种基于eeg脑电功率谱及功率谱斜率的睡眠情况分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114601479A true CN114601479A (zh) | 2022-06-10 |
Family
ID=81857680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111313941.7A Pending CN114601479A (zh) | 2021-11-08 | 2021-11-08 | 一种基于eeg脑电功率谱及功率谱斜率的睡眠情况分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114601479A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103635134A (zh) * | 2011-05-11 | 2014-03-12 | 皇家飞利浦有限公司 | 睡眠阶段注释设备 |
WO2017073694A1 (ja) * | 2015-10-28 | 2017-05-04 | 国立大学法人筑波大学 | 対象動物の睡眠状態を判定するためのコンピュータプログラムおよび睡眠状態判定装置 |
CN109247936A (zh) * | 2018-10-31 | 2019-01-22 | 山东大学 | 一种全夜睡眠监测的异常脑电行为监测系统及方法 |
CN113208620A (zh) * | 2021-04-06 | 2021-08-06 | 北京脑陆科技有限公司 | 一种基于睡眠分期的阿尔兹海默症筛查方法、系统 |
-
2021
- 2021-11-08 CN CN202111313941.7A patent/CN114601479A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103635134A (zh) * | 2011-05-11 | 2014-03-12 | 皇家飞利浦有限公司 | 睡眠阶段注释设备 |
WO2017073694A1 (ja) * | 2015-10-28 | 2017-05-04 | 国立大学法人筑波大学 | 対象動物の睡眠状態を判定するためのコンピュータプログラムおよび睡眠状態判定装置 |
CN109247936A (zh) * | 2018-10-31 | 2019-01-22 | 山东大学 | 一种全夜睡眠监测的异常脑电行为监测系统及方法 |
CN113208620A (zh) * | 2021-04-06 | 2021-08-06 | 北京脑陆科技有限公司 | 一种基于睡眠分期的阿尔兹海默症筛查方法、系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7623912B2 (en) | Method, apparatus and system for characterizing sleep | |
US7529579B2 (en) | Methods for real-time autonomic nervous system monitoring using total heart rate variability, and notched windowing | |
Shinar et al. | Autonomic changes during wake–sleep transition: A heart rate variability based approach | |
EP1618840B1 (en) | Monitoring subcortical responsiveness of a patient | |
US7407485B2 (en) | Monitoring pain-related responses of a patient | |
Clifford | Signal processing methods for heart rate variability | |
EP1704817B1 (en) | Device for the determination of clinical stress of a subject in pulse oximetry | |
CN110623665A (zh) | 一种智能睡眠时相检测与睡眠质量评估系统及方法 | |
JP5632986B2 (ja) | 睡眠段階判定装置及び睡眠段階判定方法 | |
JP2004049838A (ja) | 睡眠段階判定方法および睡眠段階判定装置 | |
Bresler et al. | Differentiating between light and deep sleep stages using an ambulatory device based on peripheral arterial tonometry | |
WO2016095918A1 (en) | Apparatus for the assessment of the level of pain and nociception during general anesthesia using electroencephalogram, plethysmographic impedance cardiography, heart rate variability and the concentration or biophase of the analgesics | |
Szypulska et al. | Prediction of fatigue and sleep onset using HRV analysis | |
WO2004107978A1 (ja) | 睡眠段階判定方法および判定装置 | |
Asyali et al. | Determining a continuous marker for sleep depth | |
Penzel et al. | Detrended fluctuation analysis and spectral analysis of heart rate variability for sleep stage and sleep apnea identification | |
Sloboda et al. | A simple sleep stage identification technique for incorporation in inexpensive electronic sleep screening devices | |
CN114601479A (zh) | 一种基于eeg脑电功率谱及功率谱斜率的睡眠情况分析方法 | |
CN116269289A (zh) | 一种基于短时心率变异性的运动员心理生理健康评价方法 | |
Magosso et al. | Wavelet analysis of electroencephalographic and electro-oculographic changes during the sleep onset period | |
KR101771835B1 (ko) | 생체신호기반 수면 상호영향 분석방법 | |
Penzel et al. | Heart rate variability during sleep stages in normals and in patients with sleep apnea | |
CN112006659B (zh) | 一种麻醉状态监测方法及装置 | |
Zhao et al. | Sleep stage assessment based on autocorrelation and spectral analysis of heart rate variability | |
Bianchi et al. | Signal processing and feature extraction for sleep evaluation in wearable devices |
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 |