TWI536964B - 基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置 - Google Patents

基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置 Download PDF

Info

Publication number
TWI536964B
TWI536964B TW104116788A TW104116788A TWI536964B TW I536964 B TWI536964 B TW I536964B TW 104116788 A TW104116788 A TW 104116788A TW 104116788 A TW104116788 A TW 104116788A TW I536964 B TWI536964 B TW I536964B
Authority
TW
Taiwan
Prior art keywords
eye movement
telecommunications
sleep
ratio
threshold
Prior art date
Application number
TW104116788A
Other languages
English (en)
Other versions
TW201641075A (zh
Inventor
梁勝富
郭至恩
李昱竑
Original Assignee
國立成功大學
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 國立成功大學 filed Critical 國立成功大學
Priority to TW104116788A priority Critical patent/TWI536964B/zh
Application granted granted Critical
Publication of TWI536964B publication Critical patent/TWI536964B/zh
Publication of TW201641075A publication Critical patent/TW201641075A/zh

Links

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲 程式之電腦可讀取紀錄媒體及電子裝置
本發明係關於一種睡眠分期方法；特別是關於一種基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置。
睡眠(sleep)與新陳代謝(metabolic)及記憶鞏固(memory consolidation)有關，長期睡眠品質不佳可能會演變成〝睡眠障礙〞(dyssomnia)等身心問題，嚴重者可進一步藉助醫療診斷睡眠問題。
習知睡眠診療過程中，通常需使用多通道睡眠生理紀錄儀(PSG)來記錄睡眠時的腦波圖(EEG)、肌電圖(EMG)及眼電圖(EOG)等生理狀態(如第1圖所示，由左、右眼角、下巴、頭頂的電極Z可分別取得一左眼動電訊L、一右眼動電訊R、一肌動電訊E、一腦波電訊C)，供醫療人員綜合判讀睡眠過程中的不同時段，如：清醒期(WAKE stage)、快速動眼期(REM stage)、睡眠第一期(S1 stage)、睡眠第二期(S2 stage)及慢波睡眠期(SWS stage)等，以便了解睡眠問題並給予建議。
以眼電圖為例，請參閱第2a~2g圖所示之睡眠狀態眼電圖，其中，C、C’可表示腦波圖訊號，E則表示肌電圖訊號，L、R分別表示左、右眼電圖訊號，其中L、R訊號相位相反；由第2a圖可判讀出睡眠狀態中 的快速動眼期(REM，<6Hz)及α波(alpha，8~13Hz)；由第2b圖可判讀出快速動眼期(REM)及對應的腦波圖中非源自腦中的訊號(artifacts)；由第2c圖可判讀出眨眼(blinks)；由第2d圖可判讀出慢速動眼期(SEM，0.2~0.6Hz)中的睡眠第一期；由第2e圖可判讀出慢速動眼期中的睡眠第二期出現的紡錘波(spindle)及K複合波(K)；由第2f圖可判讀出慢波睡眠期(SWS，低頻高幅慢波，0~4Hz)，其中眼電圖與腦波圖同步；由第2g圖可判讀出快速動眼期(REM)。
惟，上述人工判讀方式十分耗時且容易誤判；又，上述紀錄過程中，容易因為受測地點及方式等因素，而對受測者的睡眠品質造成干擾(disturbance)，使得判讀結果有時無法準確反映出使用者真正的睡眠狀況，因而存在發展〝低干擾的睡眠分期方法〞之需求。
其中，由於心率(heart rate，心臟跳動的頻率)訊號具備〝對使用者干擾低〞、〝可觀察完整睡眠週期〞及〝收錄方便〞等特性，故逐漸發展出利用心率訊號判讀睡眠分期的方法，其實施例可參酌「陳俊佑，基於心率變異度之自動睡眠判讀方法，國立成功大學醫學資訊研究所，2012」論文。惟每個人的心率特徵不盡相同，如：心肺功能好的運動員心率通常比一般人心率低，而會影響睡眠分期的判讀準確度(約70%)，故仍有研發其他自動睡眠判讀技術之必要。
有鑑於此，有必要改善上述先前技術的缺點，以符合實際需求，提升其實用性。
本發明係提供一種基於眼動電訊之睡眠分期方法，可提高判讀準確度。
本發明另提供一種內儲程式之電腦程式產品，可供電腦載入程式並執行，以提高睡眠分期的判讀準確度。
本發明再提供一種內儲程式之電腦可讀取紀錄媒體，可供電腦載入程式並執行，以提高睡眠分期的判讀準確度。
本發明又提供一種電子裝置，可載入電腦程式並執行，以提高睡眠分期的判讀準確度。
本發明揭示一種基於眼動電訊之睡眠分期方法，由一處理器執行，其步驟包含：一準備步驟，讀取一待測資料，該待測資料包含使用者於睡眠過程中產生的眼動電訊隨時間的變化；一擷取步驟，依據該眼動電訊於一時段中的變化擷取數個眼動特徵，該數個眼動特徵包含一眼動比率、一眨眼數、一低頻功率比率、一高頻功率比率、一α波比率、一紡錘波比率、一δ波比率及一電訊均幅；及一決策步驟，依據該數個眼動特徵判定該時段的睡眠狀態屬於一清醒期、一快速動眼期、一睡眠第一期、一睡眠第二期或一慢波睡眠期。
所述決策步驟可利用一決策樹判讀該睡眠狀態，該決策樹可包含下列階段：一第一階段，判斷該眼動比率是否大於一第一門檻值，若判斷為是，可進行一第二階段，若判斷為否，可進行一第三階段；該第二階段，判斷該δ波比率大於一第二門檻值且該高頻功率比率小於一第三門檻值是否成立，若判斷為是，可認定該睡眠狀態屬於該慢波睡眠期，若判斷為否，可認定該睡眠狀態屬於該睡眠第二期；該第三階段，判斷該眼動比率是否大於一第四門檻值，若判斷為是，可進行一第四階段，若判斷為否，可進行一第五階段，其中該第四門檻值小於該第一門檻值；該第四階段，判斷該紡錘波比率大於一第五門檻值且該低頻功率比率小於一第六門檻值是否成立，若判斷為是，可進行一第六階段，若判斷為否，可認定該睡眠狀態屬於該快速動眼期；該第五階段，判斷該α波比率大於一第七門檻值且該眨眼數大於一第八門檻值是否成立，若判斷為是，可認定該睡眠狀態屬於該清醒期，若判斷為否，可進行一第七階段；該第六階段，可判 斷該電訊均幅是否大於一第九門檻值，若判斷為是，可認定該睡眠狀態屬於該睡眠第一期，若判斷為否，可認定該睡眠狀態屬於該睡眠第二期；及該第七階段，可判斷該α波比是否大於一第十門檻值，若判斷為是，可認定該睡眠狀態屬於該睡眠第二期，若判斷為否，可認定該睡眠狀態屬於該快速動眼期，其中該第十門檻值小於該第七門檻值。
所述第一門檻值的範圍可介於0.55至0.65，所述第二門檻值的範圍可介於0.19至0.25，所述第三門檻值的範圍可介於0.01至0.05，所述第四門檻值的範圍可介於0.3至0.5，所述第五門檻值的範圍可介於0.2至0.4，所述第六門檻值的範圍可介於0.12至0.19，所述第七門檻值的範圍可介於0.3至0.5，所述第八門檻值的範圍可介於4至6，所述第九門檻值的範圍可介於0.25至0.35，所述第十門檻值的範圍可介於0.12至0.19。
所述眼動電訊可包含一左眼動電訊及一右眼動電訊，可計算該左眼動電訊及該右眼動電訊於同一時段中的相關係數作為該眼動比率。
所述該相關係數計算前，該左眼動電訊及該右眼動電訊可先經過四階0至6赫茲帶通濾波。
所述左眼動電訊及右眼動電訊可擇一作為一取樣訊號，可依據該取樣訊號計算一開闔速度，可累計該開闔速度於同一時段中超過一門檻值的次數作為該眨眼數。
所述開闔速度的計算方式如下式所示： 其中，V為該開闔速度，為該取樣訊號對時間t的一階導函數，T為一取樣週期；EOG(k．T)為第k個週期的取樣訊號；EOG((k+1)．T)為第k+1個週期的取樣訊號。
所述取樣訊號可轉換為一頻域訊號，可計算該頻域訊號於同一時段中的0至4赫茲佔0至30赫茲的比率作為該低頻功率比率；亦可計算該頻域訊號於同一時段中的13至22赫茲佔0至30赫茲的比率作為該高頻功率比率；亦可計算該取樣訊號於同一時段中的α波特徵所佔比率作為該α波比率；亦可計算該取樣訊號於同一時段中的紡錘波特徵所佔比率作為該紡錘波比率；亦可計算該取樣訊號於同一時段中的δ波特徵所佔比率作為該δ波比率。
所述基於眼動電訊之睡眠分期方法，可依據同一時段之左眼動電訊及右眼動電訊的振幅絕對值計算一平均值作為該電訊均幅。
所述擷取步驟與決策步驟之間可進行一正規步驟，該正規步驟以該眼動比率、該眨眼數、該低頻功率比率、該高頻功率比率、該α波比率、該紡錘波比率、該δ波比率及該電訊均幅依序作為一正規目標，排序該正規目標中的數值，該數值可均分為十種等級，計算最高等級中的數值之平均值作為一高標值，計算最低等級中的數值之平均值作為一低標值，該低標值與該高標值可分別設為0與1，使該正規目標中的所有數值介於0至1。
本發明另揭示一種內儲程式之電腦程式產品，當電腦載入該電腦程式並執行後，可完成以上所述之方法。
本發明另揭示一種內儲程式之電腦可讀取記錄媒體，當電腦載入該程式並執行後，可完成以上所述之方法。
本發明另揭示一種電子裝置，係能載入電腦可讀取紀錄媒體內儲之電腦程式，用以執行以上所述之方法。
上揭基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置，可由上述決策樹依據該數個眼動特徵判定該時段的睡眠狀態屬於該清醒期、快速動眼期、睡眠第 一期、睡眠第二期或慢波睡眠期，可以達成「便於取得準確的自動睡眠分期結果」功效，可進一步應用於醫學臨床或居家健康照護等領域。
〔習知〕
C‧‧‧腦波電訊
E‧‧‧肌動電訊
L‧‧‧左眼動電訊
R‧‧‧右眼動電訊
Z‧‧‧電極
〔本發明〕
A‧‧‧電訊均幅
B‧‧‧眨眼數
M‧‧‧眼動比率
P1‧‧‧清醒期
P2‧‧‧快速動眼期
P3‧‧‧睡眠第一期
P4‧‧‧睡眠第二期
P5‧‧‧慢波睡眠期
Rα‧‧‧α波比率
Rδ‧‧‧δ波比率
RS‧‧‧紡錘波比率
RP0-4‧‧‧低頻功率比率
RP13-22‧‧‧高頻功率比率
S1‧‧‧準備步驟
S2‧‧‧擷取步驟
S3‧‧‧決策步驟
S4‧‧‧正規步驟
S31‧‧‧第一階段
S32‧‧‧第二階段
S33‧‧‧第三階段
S34‧‧‧第四階段
S35‧‧‧第五階段
S36‧‧‧第六階段
S37‧‧‧第七階段
T1‧‧‧第一門檻值
T1‧‧‧第二門檻值
T3‧‧‧第三門檻值
T4‧‧‧第四門檻值
T5‧‧‧第五門檻值
T6‧‧‧第六門檻值
T7‧‧‧第七門檻值
T8‧‧‧第八門檻值
T9‧‧‧第九門檻值
T10‧‧‧第十門檻值
第1圖係習知多通道睡眠生理紀錄儀用於紀錄腦波圖、肌電圖及眼電圖時的電極及訊號示意圖。
第2a圖係使用者之睡眠狀態眼電圖(一)。
第2b圖係使用者之睡眠狀態眼電圖(二)。
第2c圖係使用者之睡眠狀態眼電圖(三)。
第2d圖係使用者之睡眠狀態眼電圖(四)。
第2e圖係使用者之睡眠狀態眼電圖(五)。
第2f圖係使用者之睡眠狀態眼電圖(六)。
第2g圖係使用者之睡眠狀態眼電圖(七)。
第3圖係本發明之基於眼動電訊之睡眠分期方法實施例的運作流程圖。
第4圖係本發明之決策步驟的決策樹分類示意圖。
第5a圖係專家以人工判讀的睡眠分期判讀結果。
第5b圖係本發明之基於眼動電訊之睡眠分期方法實施例未經平滑化處理的睡眠分期判讀結果。
第5c圖係本發明之基於眼動電訊之睡眠分期方法實施例經過平滑化處理的睡眠分期判讀結果。
為讓本發明之上述及其他目的、特徵及優點能更明顯易懂，下文特舉本發明之較佳實施例，並配合所附圖式，作詳細說明如下：本發明全文所述之「眼動電訊」(eletrooculogram(EOG) signals)，係指日常生活中因眼球運動(eye movement)而產生的電訊號(electric signals)，如：人眼於清醒期(WAKE stage)、快速動眼期(REM stage)、睡眠第一期(S1 stage)、睡眠第二期(S2 stage)及慢波睡眠期(SWS stage)等睡眠過程中，可由電極(electrode)測得眼皮附近產生的不同電訊號，惟不以此為限，係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「眼動比率」(Eye Movement Ratio)，係指由二眼動電訊中計算得出的兩眼活動比率，係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「眨眼數」(Eye Blink Count)，係指由一眼動電訊中判讀出的單眼眨眼次數，係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「低頻功率比率」(Low Frequency Power Ratio)，係指由一眼動電訊中計算得出0~4Hz佔0~30Hz訊號的比率，係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「高頻功率比率」(High Frequency Power Ratio)，係指由一眼動電訊中計算得出13~22Hz佔0~30Hz訊號的比率，係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「α波比率」(Alpha Rhythm Ratio)，係指由一眼動電訊中計算得出α波所佔的比率，係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「紡錘波比率」(Spindle Ratio)，係指由二眼動電訊中計算得出紡錘波所佔的比率，係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「δ波比率」(Delta Rhythm Ratio)，係指由一眼動電訊中計算得出δ波所佔的比率，係本發明所屬技術領域中具有 通常知識者可以理解。
本發明全文所述之「電訊均幅」(Average Amplitude of EOG Signals)，係指由二眼動電訊計算得出於一特定時間內(如：視窗、window)的平均振幅，係本發明所屬技術領域中具有通常知識者可以理解。
請參閱第3圖所示，其係本發明之基於眼動電訊之睡眠分期方法實施例的運作流程圖。其中，該基於眼動電訊之睡眠分期方法實施例可利用一電腦系統(computer system)作為執行架構，在此實施例中，該電腦系統可由一處理器(processor)執行一睡眠分期程式(program)，作為該基於眼動電訊之睡眠分期方法的實施態樣，惟不以此為限；該基於眼動電訊之睡眠分期方法實施例可包含一準備步驟S1、一擷取步驟S2及一決策步驟S3，說明如下。
請再參閱第3圖所示，該準備步驟S1，係讀取一待測資料，該待測資料包含使用者於睡眠過程中產生的眼動電訊隨時間的變化。在此實施例中，使用者可於入睡前利用量測儀器(如：多通道睡眠生理紀錄儀等)取得睡眠過程中的左、右眼頻道(LOC、ROC)的眼動電訊(如第1圖中量測自左、右眼角的訊號)，該眼動訊號係取樣頻率為1K赫茲(Hz)、解析度為16-bits的連續數位訊號，該眼動訊號可先降取樣(down sampling)至128赫茲；另，可截取0.5至35赫茲頻率範圍的眼動電訊，如：可將該眼動電訊經過帶通濾波器(band-pass filter)處理；又，該眼動訊號可採2秒為間隔(interval)切割為數個非重疊的片段(segment)，用於進行256點快速傅立葉轉換(FFT)；另，可用15個2秒片段頻譜平均作為一30秒的時段(epoch)，以方便進行後續處理過程，惟不以此為限。
請再參閱第3圖所示，該擷取步驟S2，係依據該眼動電訊於一時段中的變化擷取數個眼動特徵，該眼動特徵包含一眼動比率、一眨眼數、一低頻功率比率、一高頻功率比率、一α波比率、一紡錘波比率、 一δ波比率及一電訊均幅。以下舉例說明該等眼動特徵。
舉例而言，請一併參閱表1所示，首先說明該眼動比率M的計算方式，由於左、右眼頻道的眼球活動可呈現相反相位的訊號，故可利用訊號間的相關係數(correlation coefficient)作為重要特徵，以便從休息(rest)期(如：S2、SWS)中分離出主要的眼動期(如：WAKE、REM、S1)，該相關係數的計算方式可假設左、右眼動電訊的取樣值為兩組樣本{x1,x2,…,xn}及{y1,y2,…,yn}，其樣本平均數分別為、，樣本標準差分別為Sx、Sy，且兩組樣本之樣本共變異數(covariance)Sxy可定義如下式(1a)所示：
如此，則相關係數r可定義如下式(1b)所示： 其中，該相關係數r可用以表示兩組樣本之間的相關程度，其值介於-1與 +1之間。
另，可設計2秒視窗用以偵測單一時段(epoch)中的主要眼球活動，該左眼動電訊及該右眼動電訊可經過四階0至6赫茲帶通濾波器，如：低通Butterworth濾波器，用以排除對應的腦電圖(EGG)中非源自腦中的訊號(artifacts)，以便保留可用的眼動特徵；之後，左、右眼動電訊之相關係數可用一門檻值偵測而被計數(counted)，若該相關係數低於該門檻值，則該時點區間(視窗)可視為一眼動片段。
承上，繼續說明該眨眼數B的計算方式，由於眨眼現象是在清醒期中比較能被發現的一般眼動態樣，故可計數單一時段中的眨眼次數作為一特徵，用以偵測夜間突然醒來的情況，並可校正遺漏清醒期(WAKE)的時段，其眨眼偵測演算法進行步驟如下：(I)該右眼動電訊可經過四階0至6赫茲帶通濾波器，如：低通Butterworth濾波器，用以排除對應的腦電圖(EGG)中非源自腦中的訊號(artifacts)雜訊及高頻雜訊，以保留可用的眼動特徵；(II)依據該取樣訊號計算一開闔速度(EOG velocity)，其一階近似式如下式(2)所示： 其中，V為該開闔速度，為該取樣訊號對時間t的一階導函數，T為一取樣週期，EOG(k．T)為第k個週期的取樣訊號；EOG((k+1)．T)為第k+1個週期的取樣訊號；(III)累計該開闔速度於同一時段中超過一門檻值的次數作為該眨眼數，例如：尋找一開眼速度期間後緊接的閉眼速度，其中，該二速度須大於該門檻值(如：0.5秒)，若其峰值大於該門檻值，則可視為一眨眼，以計算該眨眼數B，關於開眼與閉眼之定義係所屬技術領域中具有通常知識者參酌相關文獻(如：「Jammes,B.,Sharabty,H.,& Esteve,D. (2008).Automatic EOG analysis：A first step toward automatic drowsiness scoring during wake-sleep transitions.Somnologie-Schlafforschung und Schlafmedizin,12(3),227-232.」論文)可以理解，在此容不贅述。
承上，繼續說明上述眼動電訊中的功率比率(power ratio)，如：低頻功率比率RP0-4、高頻功率比率RP13-22的計算方式，該眼動電訊進行FFT後，各頻帶的平均功率將被集中，故各頻帶佔所有功率0至30赫茲可計算以作為一特徵，如下式(3)所示： 其中，i、j分別為一特定頻帶的下限頻率、上限頻率；據此，可定義0至4赫茲作為一低頻頻帶，另定義13至22赫茲作為一高頻頻帶，用以計算同一時段中的0至4赫茲佔0至30赫茲的比率作為該低頻功率比率RP0-4，以及，同一時段中的13至22赫茲佔0至30赫茲的比率作為該高頻功率比率RP13-22。
承上，繼續說明上述眼動電訊中的持續比率，如：上述α波比率(Alpha ratio)Rα、紡錘波比率RS、δ波比率Rδ。該α波比率Rα係一時段(epoch)中的α波視窗佔所有視窗的比率，可用兩個八階帶通Butterworth濾波器(如：8至13赫茲、22至30赫茲)，除了慣用8至13赫茲的α波頻帶(alpha band)之外，由於清醒期具有22至30赫茲的高功率頻帶，故22至30赫茲的β波頻帶(beta band)亦可作為一特徵，該二濾波後的訊號可合併，並可用一門檻值(如：0.5)偵測之，若該合併訊號的絕對峰值(value of the absolute amplitude)相對該原始訊號大於該門檻值，則該時間區間(視窗)可視為該α波。
承上，該紡錘波比率(Spindle ratio)RS係一時段(epoch)中的紡錘波視窗佔所有視窗的比率，可使用12至15赫茲之σ波頻帶(sigma band)FFT及Butterworth帶通濾波來計算該紡錘波比率RS，其中FFT係 用以找尋該σ波頻帶(12至15赫茲)的功率是否是高的，而該濾波訊號則用以偵測任何突然變大的振幅，若兩者皆是高的，則該時間區間(視窗)可視為該紡錘波，其係所屬技術領域中具有通常知識者參酌相關文獻(如：「Duman,F.,Erdamar,A.,Erogul,O.,Telatar,Z.,& Yetkin,S.(2009).Efficient sleep spindle detection algorithm with decision tree.Expert Systems with Applications,36(6),9980-9985.」論文)可以理解，在此容不贅述。
承上，與上述α波比率Rα、紡錘波比率RS相似，該δ波比率Rδ係一時段(epoch)中的SWS(slow wave stage)視窗佔所有視窗的比率，可用0.5至2赫茲的三階帶通Butterworth濾波器，若濾波後的訊號的振幅大於一門檻值(如：0.2)，則該時點區間(視窗)可視為該SWS，如此，可於其他期之間分離出SWS期。
另，說明該電訊均幅A的計算方式，單一時段(epoch)中所有資料點之絕對振幅的平均值可由左、右眼動電訊計算並作為一特徵。在清醒期、睡眠第一期的EOG能量高於睡眠第二期、慢波睡眠期的EOG能量。
請再參閱第3圖所示，該決策步驟S3，係依據該眼動比率M、該眨眼數B、該低頻功率比率RP0-4、該高頻功率比率RP13-22、該α波比率Rα、該紡錘波比率RS、該δ波比率Rδ及該電訊均幅A判定該使用者於該時段的睡眠狀態為清醒期(WAKE stage)P1、快速動眼期(REM stage)P2、睡眠第一期(S1 stage)P3、睡眠第二期(S2 stage)P4或慢波睡眠期(SWS stage)P5。其中，該決策步驟S3可利用一決策樹(decision tree)判讀該睡眠狀態，說明如下。
請參閱第4圖所示，其係本發明之決策步驟的決策樹分類示意圖。其中，該決策步驟S3之決策樹包含一第一階段S31、一第二階段S32、一第三階段S33、一第四階段S34、一第五階段S35、一第六階段S36 及一第七階段S37。該第一階段S31，係判斷該眼動比率M是否大於一第一門檻值T1，若判斷為是，進行一第二階段S32，若判斷為否，進行一第三階段S33；該第二階段S32，係判斷該δ波比率Rδ大於一第二門檻值T2且該高頻功率比率RP13-22小於一第三門檻值T3是否成立，若判斷為是，認定屬於睡眠階段的慢波睡眠期P4，若判斷為否，認定屬於睡眠階段的睡眠第二期P3；該第三階段S33，係判斷該眼動比率M是否大於一第四門檻值T4，若判斷為是，進行該第四階段S34，若判斷為否，進行該第五階段S35，其中該第四門檻值T4小於該第一門檻值T1；該第四階段S34，係判斷該紡錘波比率RS大於一第五門檻值T5且該低頻功率比率RP0-4小於一第六門檻值T6是否成立，若判斷為是，進行該第六階段S36，若判斷為否，認定屬於睡眠階段的快速動眼期P5；該第五階段S35，係判斷該α波比率Rα大於一第七門檻值T7且該眨眼數B大於一第八門檻值T8是否成立，若判斷為是，認定屬於睡眠階段的清醒期P1，若判斷為否，進行一第七階段S37；該第六階段S36，係判斷該電訊均幅A是否大於一第九門檻值T9，若判斷為是，認定屬於睡眠階段的睡眠第一期P2，若判斷為否，認定屬於睡眠階段的睡眠第二期P3；及該第七階段S37，係判斷該α波比Rα是否大於一第十門檻值T10，若判斷為是，認定屬於睡眠階段的睡眠第二期P3，若判斷為否，認定屬於睡眠階段的快速動眼期P5，其中該第十門檻值T10小於該第七門檻值T7。
在此實施例中，該第一門檻值T1的範圍可介於0.55至0.65，該第二門檻值T2的範圍可介於0.19至0.25，該第三門檻值T3的範圍可介於0.01至0.05，該第四門檻值T4的範圍可介於0.3至0.5，該第五門檻值T5的範圍可介於0.2至0.4，該第六門檻值T6的範圍可介於0.12至0.19，該第七門檻值T7的範圍可介於0.3至0.5，該第八門檻值T8的範圍可介於4至6，該第九門檻值T9的範圍可介於0.25至0.35，該第十門 檻值T10的範圍可介於0.12至0.19，惟不以此為限。
請再參閱第3圖所示，其中，本發明之基於眼動電訊之睡眠分期方法實施例於該擷取步驟S2與該決策步驟S3之間進行一正規步驟S4，以該眼動比率M、該眨眼數B、該低頻功率比率RP0-4、該高頻功率比率RP13-22、該α波比率Rα、該紡錘波比率RS、該δ波比率Rδ及該電訊均幅A依序作為一正規目標，排序該正規目標中的數值，將該數值均分為十種等級，計算最高等級(10%)中的數值之平均值作為一高標值，計算最低等級中的數值之平均值作為一低標值，將該低標值與該高標值分別設為0與1，使該正規目標中的所有數值介於0至1，亦即，將該眼動比率M、眨眼數B、低頻功率比率RP0-4、高頻功率比率RP13-22、α波比率Rα、紡錘波比率RS、δ波比率Rδ及電訊均幅A的數值設於0至1。
之後，還可使用一些平滑化規則來提升準確率，如表2所示。
請參閱第5a、5b、5c圖所示，第5a圖係專家以人工判讀的睡眠分期判讀結果，第5b圖係本發明之基於眼動電訊之睡眠分期方法實施例未經平滑化處理的睡眠分期判讀結果，第5c圖係本發明之基於眼動電訊之睡眠分期方法實施例經過平滑化處理的睡眠分期判讀結果。由第5a、5b 圖可知，本發明之基於眼動電訊之睡眠分期方法實施例未經平滑化處理的睡眠分期判讀結果，與專家以人工判讀的睡眠分期判讀結果差異不大；由第5a、5c圖可知，本發明之基於眼動電訊之睡眠分期方法實施例經過平滑化處理的睡眠分期判讀結果，與專家以人工判讀的睡眠分期判讀結果更為相似，兩者的一致率可高達83.08%，其一致率的計算方式可為：在全部30秒的epoch個數中，本發明之基於眼動電訊之睡眠分期方法實施例與人工判讀結果相同所佔的數量百分比。
藉此，本發明之基於眼動電訊之睡眠分期方法實施例可提高睡眠分期判讀準確度，可進一步應用於醫學臨床或居家健康照護等領域。
此外，本發明之基於眼動電訊之睡眠分期方法實施例還可利用程式語言(Program Language，如：C++、Java等)撰成電腦程式(如：上述睡眠分期程式)，其程式碼(Program Code)的撰寫方式係熟知該項技藝者可以理解，用以產生一種內儲程式之電腦程式產品，當電腦載入該程式並執行後，可完成本發明上述方法實施例。
另，上述電腦程式產品還可儲存於一種內儲程式之電腦可讀取紀錄媒體，如：各式記憶體、記憶卡、硬碟、光碟或USB隨身碟等，當電腦載入上述程式並執行後，可完成本發明之基於眼動電訊之睡眠分期方法實施例，作為本發明之電腦系統之軟硬體協同運作的依據。
又，本發明另揭示一種電子裝置，該電子裝置可為具備資料處理(data processing)功能之裝置，如：電腦或智慧型手機(smart phone)等，用以執行一應用程式(如：App等)，而完成上述基於眼動電訊之睡眠分期方法實施例。
藉由前揭之技術手段，本發明之基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置上述實施例的主要特點列舉如下：讀取該待測資料，該待測資料包含使 用者於睡眠過程中產生的眼動電訊隨時間的變化；依據該眼動電訊於一時段中的變化擷取該數個眼動特徵，該數個眼動特徵包含該眼動比率、眨眼數、低頻功率比率、高頻功率比率、α波比率、紡錘波比率、δ波比率及電訊均幅；上述決策樹依據該數個眼動特徵判定該時段的睡眠狀態屬於該清醒期、快速動眼期、睡眠第一期、睡眠第二期或慢波睡眠期。藉此，本發明上述實施例可提高睡眠分期判讀準確度，可以達成「便於取得準確的自動睡眠分期結果」功效，可進一步應用於醫學臨床或居家健康照護等領域。
雖然本發明已利用上述較佳實施例揭示，然其並非用以限定本發明，任何熟習此技藝者在不脫離本發明之精神和範圍之內，相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
S1‧‧‧準備步驟
S2‧‧‧擷取步驟
S3‧‧‧決策步驟
S4‧‧‧正規步驟

Claims (17)

  1. 一種基於眼動電訊之睡眠分期方法，由一處理器執行，其步驟包含：一準備步驟，讀取一待測資料，該待測資料包含使用者於睡眠過程中產生的眼動電訊隨時間的變化；一擷取步驟，依據該眼動電訊於一時段中的變化擷取數個眼動特徵，該數個眼動特徵包含一眼動比率、一眨眼數、一低頻功率比率、一高頻功率比率、一α波比率、一紡錘波比率、一δ波比率及一電訊均幅；及一決策步驟，依據該數個眼動特徵判定該時段的睡眠狀態屬於一清醒期、一快速動眼期、一睡眠第一期、一睡眠第二期或一慢波睡眠期。
  2. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該決策步驟利用一決策樹判讀該睡眠狀態，該決策樹包含下列階段：一第一階段，判斷該眼動比率是否大於一第一門檻值，若判斷為是，進行一第二階段，若判斷為否，進行一第三階段；該第二階段，判斷該δ波比率大於一第二門檻值且該高頻功率比率小於一第三門檻值是否成立，若判斷為是，認定該睡眠狀態屬於該慢波睡眠期，若判斷為否，認定該睡眠狀態屬於該睡眠第二期；該第三階段，判斷該眼動比率是否大於一第四門檻值，若判斷為是，進行一第四階段，若判斷為否，進行一第五階段，其中該第四門檻值小於該第一門檻值；該第四階段，判斷該紡錘波比率大於一第五門檻值且該低頻功率 比率小於一第六門檻值是否成立，若判斷為是，進行一第六階段，若判斷為否，認定該睡眠狀態屬於該快速動眼期；該第五階段，判斷該α波比率大於一第七門檻值且該眨眼數大於一第八門檻值是否成立，若判斷為是，認定該睡眠狀態屬於該清醒期，若判斷為否，進行一第七階段；該第六階段，判斷該電訊均幅是否大於一第九門檻值，若判斷為是，認定該睡眠狀態屬於該睡眠第一期，若判斷為否，認定該睡眠狀態屬於該睡眠第二期；及該第七階段，判斷該α波比是否大於一第十門檻值，若判斷為是，認定該睡眠狀態屬於該睡眠第二期，若判斷為否，認定該睡眠狀態屬於該快速動眼期，其中該第十門檻值小於該第七門檻值。
  3. 根據申請專利範圍第2項所述的基於眼動電訊之睡眠分期方法，其中該第一門檻值的範圍介於0.55至0.65，該第二門檻值的範圍介於0.19至0.25，該第三門檻值的範圍介於0.01至0.05，該第四門檻值的範圍介於0.3至0.5，該第五門檻值的範圍介於0.2至0.4，該第六門檻值的範圍介於0.12至0.19，該第七門檻值的範圍介於0.3至0.5，該第八門檻值的範圍介於4至6，該第九門檻值的範圍介於0.25至0.35，該第十門檻值的範圍介於0.12至0.19。
  4. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，計算該左眼動電訊及該右眼動電訊於同一時段中的相關係數作為該眼動比率。
  5. 根據申請專利範圍第4項所述的基於眼動電訊之睡眠分期方法，其中該相關係數計算前，該左眼動電訊及該右眼動電訊先經過四 階0至6赫茲帶通濾波。
  6. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，該左眼動電訊及該右眼動電訊擇一作為一取樣訊號，依據該取樣訊號計算一開闔速度，累計該開闔速度於同一時段中超過一門檻值的次數作為該眨眼數。
  7. 根據申請專利範圍第6項所述的基於眼動電訊之睡眠分期方法，其中該開闔速度的計算方式如下式所示： 其中，V為該開闔速度，為該取樣訊號對時間t的一階導函數，T為一取樣週期；EOG(k．T)為第k個週期的取樣訊號；EOG((k+1)．T)為第k+1個週期的取樣訊號。
  8. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，該左眼動電訊及該右眼動電訊擇一作為一取樣訊號，將該取樣訊號轉換為一頻域訊號，計算該頻域訊號於同一時段中的0至4赫茲佔0至30赫茲的比率作為該低頻功率比率。
  9. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，該左眼動電訊及該右眼動電訊擇一作為一取樣訊號，將該取樣訊號轉換為一頻域訊號，計算該頻域訊號於同一時段中的13至22赫茲佔0至30赫茲的比率作為該高頻功率比率。
  10. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，該左眼動電 訊及該右眼動電訊擇一作為一取樣訊號，計算該取樣訊號於同一時段中的α波特徵所佔比率作為該α波比率。
  11. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，該左眼動電訊及該右眼動電訊擇一作為一取樣訊號，計算該取樣訊號於同一時段中的紡錘波特徵所佔比率作為該紡錘波比率。
  12. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，該左眼動電訊及該右眼動電訊擇一作為一取樣訊號，計算該取樣訊號於同一時段中的δ波特徵所佔比率作為該δ波比率。
  13. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該眼動電訊包含一左眼動電訊及一右眼動電訊，依據同一時段之左眼動電訊及右眼動電訊的振幅絕對值計算一平均值作為該電訊均幅。
  14. 根據申請專利範圍第1項所述的基於眼動電訊之睡眠分期方法，其中該擷取步驟與該決策步驟之間另進行一正規步驟，該正規步驟以該眼動比率、該眨眼數、該低頻功率比率、該高頻功率比率、該α波比率、該紡錘波比率、該δ波比率及該電訊均幅依序作為一正規目標，排序該正規目標中的數值，將該數值均分為十種等級，計算最高等級中的數值之平均值作為一高標值，計算最低等級中的數值之平均值作為一低標值，將該低標值與該高標值分別設為0與1，使該正規目標中的所有數值介於0至1。
  15. 一種內儲程式之電腦程式產品，當電腦載入該電腦程式並執行後，可完成如請求項1至14項中任一項所述之方法。
  16. 一種內儲程式之電腦可讀取記錄媒體，當電腦載入該程式並執行 後，可完成如請求項1至14項中任一項所述之方法。
  17. 一種電子裝置，係能載入電腦可讀取紀錄媒體內儲之電腦程式，用以執行如請求項第1至14項中任一項所述之方法。
TW104116788A 2015-05-26 2015-05-26 基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置 TWI536964B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW104116788A TWI536964B (zh) 2015-05-26 2015-05-26 基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104116788A TWI536964B (zh) 2015-05-26 2015-05-26 基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置

Publications (2)

Publication Number Publication Date
TWI536964B true TWI536964B (zh) 2016-06-11
TW201641075A TW201641075A (zh) 2016-12-01

Family

ID=56755822

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104116788A TWI536964B (zh) 2015-05-26 2015-05-26 基於眼動電訊之睡眠分期方法、內儲程式之電腦程式產品、內儲程式之電腦可讀取紀錄媒體及電子裝置

Country Status (1)

Country Link
TW (1) TWI536964B (zh)

Also Published As

Publication number Publication date
TW201641075A (zh) 2016-12-01

Similar Documents

Publication Publication Date Title
CN107569226B (zh) 基于压电传感获取hrv的方法及应用
CN105496363B (zh) 基于检测睡眠脑电信号对睡眠阶段进行分类的方法
US10499846B2 (en) EOG-based sleep staging method, computer program product with stored programs, computer readable medium with stored programs, and electronic apparatuses
CN106413541B (zh) 用于诊断睡眠的系统和方法
CN106175754B (zh) 睡眠状态分析中清醒状态检测装置
CN105662375A (zh) 非接触式检测生命体征信号的方法和装置
US11504056B2 (en) Method for classifying anesthetic depth in operations with total intravenous anesthesia
Tabei et al. A novel personalized motion and noise artifact (MNA) detection method for smartphone photoplethysmograph (PPG) signals
CN106236083A (zh) 睡眠状态分析中去除眼电伪迹的设备
CN103405225B (zh) 一种获取疼感评测指标的方法、装置及设备
CN106485208A (zh) 单通道脑电信号中眼电干扰的自动去除方法
Tamburro et al. Automatic removal of cardiac interference (ARCI): A new approach for EEG data
CN106343992B (zh) 心率变异性分析方法、装置及用途
US20150012222A1 (en) Method and system for analyzing noise in an electrophysiology study
Wu et al. Fast, accurate localization of epileptic seizure onset zones based on detection of high-frequency oscillations using improved wavelet transform and matching pursuit methods
Talatov et al. Algorithmic and software analysis and processing of ECG signals
Li et al. A new approach of QRS complex detection based on matched filtering and triangle character analysis
CN115316957A (zh) 基于多参数指标的围术期麻醉深度监测系统
CN106333676B (zh) 清醒状态下的脑电信号数据类型的标注装置
CN117349598B (zh) 脑电信号处理方法及装置、设备、存储介质
CN106175698B (zh) 睡眠状态分析中睡眠周期检测装置
CN106333678B (zh) 脑电信号中检测睡眠状态下脑电波的方法和系统
CN106333674B (zh) 睡眠状态分析中睡眠周期检测方法和系统
Sloboda et al. A simple sleep stage identification technique for incorporation in inexpensive electronic sleep screening devices
Xiao et al. Classification of motor imagery EEG signals based on energy entropy