清醒状态下的脑电信号数据类型的标注方法和系统技术方案

本发明专利技术涉及一种清醒状态下的脑电信号数据类型的标注方法和系统，其中所述方法包括：在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本，进行小波分解和低频段重建得到眼电信号和脑电信号；根据同一时刻脑电信号和眼电信号，在眼电信号上检测眨眼活动，并对样本熵进行阈值判断，当存在眨眼活动或样本熵大于阈值，将当前脑电信号样本的信号类型标注为清醒状态。本发明专利技术可以避免脑电信号受到干扰，准确地检测脑电信号的清醒状态，并进行有效的数据类型标注，使得利用该标注的脑电信号样本训练出来的个人分类器的识别准确率更高，也提升了后期对个人睡眠状态检测结果的可靠性。

【技术实现步骤摘要】

本专利技术涉及辅助睡眠
，特别是涉及一种清醒状态下的脑电信号数据类型的标注方法和系统。
技术介绍
目前市面上已经有一些辅助设备来进行辅助人们入睡，即辅助睡眠，以提高用户的睡眠质量。睡眠状态分析是辅助设备了解用户睡眠质量的重要手段，而在此过程中，需要对用户睡眠状态进行检测，以准确知道用户是清醒还是睡着状态，然后才能够进行对应的干预措施。多导睡眠图(Polysomnography,PSG)，又称睡眠脑电图，是目前临床上用于睡眠诊断和分析的“金标准”。多导睡眠图利用多种生命体征对睡眠进行分析，在这些体征信号中，脑电处于核心地位；利用脑电波4种节律：δ波(1-3Hz)，θ波(4-7Hz)，α波(8-12Hz)，β波(14-30Hz)的频率特性。根据不同节律的脑电波和眼球运动特征，除了清醒阶段以外，睡眠可以分成非眼快动睡眠(NoRapidEyeMovementSleep,NREMsleep)和眼快动睡眠(RapidEyeMovementSleep,REMsleep)周期。其中非眼快动睡眠又可以分为4个时期：S1期(完全清醒至睡眠之间的过渡阶段)，S2期(浅睡阶段)，S3期(中等深度睡眠)，S4期(深睡期)。一般情况下，检测用户是否处于清醒状态，是通过利用脑电波在4个频段的信号(δ波频段、θ波频段、α波频段和β波频段)训练清醒状态的识别模型(分类器)来对脑电信号进行识别，这些识别模型往往是利用其他人的脑电波进行训练的通用识别模型，但由于脑电信号的个人特异性很强，并且脑电的强度很弱(脑电为微伏级别，心电为毫伏级别)，在信号采集时极易被外界信号所干扰。在此过程中，当需要训练个人分类器时，就需要对采集的个人脑电信号样本的数据类型进行标注，这样才可以对标注类型的数据进行自学习和测试，训练出更加适用于个人的个人分类器，而采用通用识别模型来对脑电信号进行检测标注时，如前面所述，由于脑电信号的强度很弱容易受到干扰，采用通用识别模型来标注脑电波信号样本的类型，容易混入干扰成分，导致训练出来的个人分类器的识别准确率较低，影响了后期对个人睡眠状态检测结果的可靠性。
技术实现思路
基于此，有必要针对上述问题，提供一种清醒状态下的脑电信号数据类型的标注方法和系统，可以准确地检测清醒状态下的脑电信号，并进行数据类型的标注。一种清醒状态下的脑电信号数据类型的标注方法，包括：在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本；分别对所述实时眼电信号和脑电信号样本进行小波分解，并根据设定低频段的小波系数进行信号重建得到眼电信号和脑电信号；根据同一时刻脑电信号和眼电信号的相关性以及眨眼眼电波形的特征，在眼电信号上检测眨眼活动；并将所述脑电信号的样本熵与预设的样本熵阈值进行比较；当眼电信号上检测到眨眼活动或所述样本熵大于所述样本熵阈值时，将当前脑电信号样本的信号类型标注为清醒状态。一种清醒状态下的脑电信号数据类型的标注系统，包括：信号采集模块，用于在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本；信号重建模块，用于分别对所述实时眼电信号和脑电信号样本进行小波分解，并根据设定低频段的小波系数进行信号重建得到眼电信号和脑电信号；检测比较模块，用于根据同一时刻脑电信号和眼电信号的相关性以及眨眼眼电波形的特征，在眼电信号上检测眨眼活动；并将所述脑电信号的样本熵与预设的样本熵阈值进行比较；样本标注模块，用于当眼电信号上检测到眨眼活动或所述样本熵大于所述样本熵阈值时，将当前脑电信号样本的信号类型标注为清醒状态。上述清醒状态下的脑电信号数据类型的标注方法和系统，在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本，进行小波分解和低频段重建得到眼电信号和脑电信号；根据同一时刻脑电信号和眼电信号，在眼电信号上检测眨眼活动，并对样本熵进行阈值判断，当存在眨眼活动或样本熵大于阈值，将当前脑电信号样本的信号类型标注为清醒状态。通过该方案来标注脑电波信号样本的类型，可以避免脑电信号受到干扰，准确地检测脑电信号的清醒状态，并进行有效的数据类型标注，使得利用该标注的脑电信号样本训练出来的个人分类器的识别准确率更高，也提升了后期对个人睡眠状态检测结果的可靠性。附图说明图1为一个实施例的清醒状态下的脑电信号数据类型的标注方法的流程图；图2是一段常见的清醒时期的脑电信号与眼电信号示意图；图3为滑动窗口内眼电信号波形尖峰面积示意图；图4为检测到眨眼活动的结果示意图；图5为基于本专利技术的标注方法实现的清醒状态检测器原理图；图6为一个实施例的清醒状态下的脑电信号数据类型的标注系统结构示意图。具体实施方式下面结合附图阐述本专利技术的清醒状态下的脑电信号数据类型的标注方法和系统的实施例。参考图1所示，图1为一个实施例的清醒状态下的脑电信号数据类型的标注方法的流程图，包括：步骤S101，在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本；此步骤中，此步骤中，可以是在对用户进行辅助睡眠，训练个人识别模型时，在确保用户是清醒的状态下，开始对用户进行脑电信号样本采集，通过用户佩戴相关脑电传感设备，采集用户在睡眠过程中产生的脑电信号，采集脑电信号样本时，同时利用用户佩戴相关眼电传感设备对用户的实时眼电信号进行采集。在采集信号时，可以以30s为一帧进行采集，每帧脑电信号作为一个样本，后续对每帧眼电信号和脑电信号进行分析处理。一般情况下，考虑到人正常的入睡时间为10～15分钟，在劳累/疲惫时入睡时间甚至会缩短，因此，在用户完全清醒的状态下开始采集用户的脑电信号，可以认为在开始采集后的一个设定时间段T内，可以认为用户是处于清醒状态的。在一个实施例中，若开始采集脑电信号样本和实时眼电信号的时间长度小于设定时间T，将所有采集的脑电信号样本标注为清醒状态；以T＝300s(5分钟)为例，即用户开始采集脑电信号后的300秒内的脑电信号样本被判断为清醒状态；如上所述，脑电信号样本是以30s为一帧，那么在前10个脑电样本的数据类型即可直接标注为清醒状态。步骤S102，分别对所述实时眼电信号和脑电信号样本进行小波分解，并根据设定低频段的小波系数进行信号重建得到眼电信号和脑电信号；首先分别对实时眼电信号和脑电信号样本进行小波分解，并根据设定低频段的小波系数重建眼电信号和脑电信号，为了避免高频噪声的干扰同时保留信号的基本信息，我们在较低频段上对脑电信号进行分析。为了计算的方便，可以选择θ波的频率上限(0～8Hz)进行小波分解和重建。为了计算的方便，可以选择脑电信号的θ波(主要是4-7Hz)的频率上限进行重建，即0～8Hz。步骤S103，根据同一时刻脑电信号和眼电信号的相关性以及眨眼眼电波形的特征，在眼电信号上检测眨眼活动；并将所述脑电信号的样本熵与预设的样本熵阈值进行比较；对于检测眨眼活动：在正常人的睡眠周期中，眨眼是清醒期所特有的一个活动，由于眨眼时眼电信号的幅度较高，会对脑电信号造成干扰。参考图2，图2是一段常见的清醒时期的脑电信号与眼电信号示意图；图中实线为脑电信号，虚线为眼电信号。通过图中可以看出，眨眼活动在脑电信号和眼电信号上都产生了向下的尖峰，眨眼活动在脑电图上表现为具有短时间的高尖峰的波形，这也是眨眼眼电波形的特征。在本文档来自技高网...

【技术保护点】
一种清醒状态下的脑电信号数据类型的标注方法，其特征在于，包括：在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本；分别对所述实时眼电信号和脑电信号样本进行小波分解，并根据设定低频段的小波系数进行信号重建得到眼电信号和脑电信号；根据同一时刻脑电信号和眼电信号的相关性以及眨眼眼电波形的特征，在眼电信号上检测眨眼活动；并将所述脑电信号的样本熵与预设的样本熵阈值进行比较；当眼电信号上检测到眨眼活动或所述样本熵大于所述样本熵阈值时，将当前脑电信号样本的信号类型标注为清醒状态。

【技术特征摘要】
1.一种清醒状态下的脑电信号数据类型的标注方法，其特征在于，包括：在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本；分别对所述实时眼电信号和脑电信号样本进行小波分解，并根据设定低频段的小波系数进行信号重建得到眼电信号和脑电信号；根据同一时刻脑电信号和眼电信号的相关性以及眨眼眼电波形的特征，在眼电信号上检测眨眼活动；并将所述脑电信号的样本熵与预设的样本熵阈值进行比较；当眼电信号上检测到眨眼活动或所述样本熵大于所述样本熵阈值时，将当前脑电信号样本的信号类型标注为清醒状态。2.根据权利要求1所述的清醒状态下的脑电信号数据类型的标注方法，其特征在于，还包括：若开始采集脑电信号样本和实时眼电信号的时间长度小于设定时间T，将所有采集的脑电信号样本标注为清醒状态。3.根据权利要求1所述的清醒状态下的脑电信号数据类型的标注方法，其特征在于，所述根据同一时刻脑电信号和眼电信号的相关性以及眨眼眼电波形的特征，在眼电信号上检测眨眼活动的步骤包括：利用具有设定信号幅度范围和时间长度的滑动窗口截取所述低频眼信号；分别计算滑动窗口内眼电信号与同一时刻脑电信号的波形的相关系数，滑动窗口内眼电信号波形尖峰的尖锐程度参数以及尖峰的持续时间；若所述相关系数、尖锐程度参数和持续时间均分别满足预设的相关系数阈值、尖锐程度参数阈值和持续时间阈值，判断该滑动窗口内眼电信号存在眨眼活动。4.根据权利要求3所述的清醒状态下的脑电信号数据类型的标注方法，其特征在于，所述计算滑动窗口内眼电信号波形尖峰的尖锐程度参数的步骤包括：分别计算眼电信号波形在滑动窗口内的上部区域面积和下部区域面积，计算公式如下：areaup=Σi=1n(pmax-pi)]]>areadown=Σi=1n(pi-pmin)]]>式中，pi为滑动窗口内的眼电信号，pmax为滑动窗口内眼电信号的最大值，pmin为滑动窗口内眼电信号的最小值，areaup表示上部区域面积，areadown表示下部区域面积；根据所述上部区域面积和下部区域面积计算所述眼电信号波形尖峰的面积，计算公式如下：blinkarea=areaupifareaup<areadownareadownifareaup>areadown]]>式中，blinkarea表示尖峰的面积，if表示满足条件；根据尖峰面积计算尖锐程度参数，计算公式如下：blinkratio＝blinkarea/in-blinkarea式中，blinkratio表示尖锐程度参数，in-blinkarea表示非尖峰部分的面积。5.根据权利要求4所述的清醒状态下的脑电信号数据类型的标注方法，其特征在于，所述计算滑动窗口内眼电信号波形尖峰的持续时间的步骤包括：根据所述上部区域面积和下部区域面积计算所述眼电信号波形尖峰的方向，计算公式如下：blinkdirection=1ifareaup<areadown-1ifareaup>areadown]]>式中，blinkdirection表示尖峰方向，标记为1表示尖峰向下，标记为-1表示尖峰向上；在尖峰向下时，根据尖峰两侧的局部极大值点计算尖峰的持续时间；或者在尖峰向上时，根据尖峰两侧的局部局部极小值点计算尖峰的持续时间；计算公式如下：blinkts＝vertexright-vertexleft,s.t.vertexright=right_min_locavertexleft=left_min_locaifblinkdire...

【专利技术属性】
技术研发人员：赵巍，胡静，韩志，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东;44