用于家庭睡眠监测领域的多模态生理电信号监护系统技术方案

本发明专利技术属于睡眠监测技术领域，具体为一种用于家庭睡眠监测领域的多模态生理电信号监护系统。本发明专利技术系统包括信号采集电极组件、预处理电路模块、多模态生理电信号处理模块、信号采集控制模块、无线传输模块、电源功耗管理模块、终端设备以及相应的嵌入式控制软件程序及信号分析解算算法模块。本发明专利技术使用了大量高度可编程、高集成度、低功耗元器件，结合先进的现代信号处理技术使得诸如脑电(EEG)、眼电(EOG)、心电(ECG)、肌电(EMG)等多模态生理参数的监测变得便携化、简易化、低生产成本化，从而为家庭睡眠监护提供了新途径。

Multimodal Physiological Electrical Signal Monitoring System for Family Sleep Monitoring

The invention belongs to the technical field of sleep monitoring, in particular to a multi-mode physiological and electrical signal monitoring system used in the field of family sleep monitoring. The system includes signal acquisition electrode module, pre-processing circuit module, multi-mode physiological and electrical signal processing module, signal acquisition and control module, wireless transmission module, power consumption management module, terminal equipment, corresponding embedded control software program and signal analysis and calculation algorithm module. The invention uses a large number of highly programmable, highly integrated and low-power components, and combines advanced modern signal processing technology to make monitoring of multi-modal physiological parameters such as EEG, EOG, ECG and EMG portable, simple and low-cost, thus providing a new way for family sleep monitoring.

【技术实现步骤摘要】
用于家庭睡眠监测领域的多模态生理电信号监护系统
本专利技术属于睡眠监测
，具体涉及一种用于家庭睡眠监测领域的多模态生理电信号监护系统。
技术介绍
人的一生中大约有1/3的时间是在睡眠中度过的，睡眠不仅是生命的必须过程，也是一种复杂的生理及行为过程，良好的睡眠是人们自我调节和自我修复的基础。睡眠的质量以及睡眠时长对于个人健康有着重要的影响。现有研究表明长期低质量的睡眠将会导致大量的健康问题，诸如神经衰弱、高血压、高压焦虑、糖尿病以及精神萎靡不振等疾病。然而现在越来越多的人却饱受睡眠疾病的困扰，根据最新的美国睡眠医学学会(AmericanAcademyofSleepMedicine，AASM)医学睡眠手册，睡眠障碍多达上百种。目前，有近四成的中国人饱受睡眠障碍的影响。实时的睡眠监测，可以帮助人们合理地调节自身睡眠习惯从而达到预防隐形疾病的发生，同时亦可以辅助医生诊断和治疗睡眠疾病。研究表明，睡眠质量的评估可以通过生理体征参数的测量来衡量，诸如：浅层睡眠、深层睡眠和快速眼动(REM)睡眠阶段之间的交替频率，呼吸节律，周期性腿动，脑电(Electroencephalogram,EEG)信号、眼电(Electrooculography,EOG)信号、心电(Electrocardiogram,ECG)信号、肌电(Electromyogram,EMG)信号等等[1]。其中EEG，EMG，EOG，ECG信号作为重要体征参数成为睡眠监测中不可或缺的核心信号。其特点如下：EEG信号：是由大脑皮层或头皮表面神经元细胞体生理活动产生的电位信息的综合[2]；ECG信号：在心脏的每个心动周期由起搏点、心房、心室相继兴奋所产生的电信号[3]；EMG信号：是由肌肉静止或收缩时产生的电信号综合[4]；EOG信号：是存在与人眼前后的角膜-视网膜常备电位[5]。目前在临床上，医疗级睡眠监测主要是通过多导睡眠仪(Polysomnography，PSG)设备来实现的。多导睡眠仪监测作为医学监护的“金标准”其可以监测多种生理信号，如脑电图(EEG)，肌电图(EMG)，心电图(ECG)等。然而信号的监测需要在临床实验室这样一个高度结构化的环境中进行，多导睡眠仪安装与拆卸操作步骤繁琐困难、设备体积庞大、价格昂贵；对于监测到的生理信号的解读，专业性要求高、解读难度大、解读时间冗长。因此，多导睡眠仪至今还没有得到广泛的应用。近些年来在消费电子产品领域内，大量基于IMU加速度传感器和红外光传感器的非生理电信号的商用便携式睡眠监测设备不断涌现，诸如Zeo[6]，Fitbit[7]，Jawbone[8]，Lark[9]，SleepCycleAlarm[10]，SleepTracker[11]，小米手环[12]等。此外，在科研领域，睡眠监护系统也受到了广泛地关注，诸如有学者提出besteffortsleep(BES)模型[13]，其根据智能手机使用频率、时长、震动录入等方法综合评估睡眠状态，同时借助PPG(photoplethysmography)方法[14]进行心率、血氧饱和度的测量。前面提到这些设备主要是通过借助非生物电信号传感器诸如惯性传感单元，采集使用者的运动信号、心率信号、脉搏等，使用蓝牙与智能终端交互数据实现数据存储以及数据可视化，并辅以软件算法力求达到尽可能高的准确率，进而对睡眠状态进行近似的评估。此类设备具备便携、低成本的特点，因而被大众所接受。然而这些设备也存在着一定的局限性，如系统的鲁棒性较低，因而存在漏判、数据缺失或失真的情况；其次由于缺失了睡眠监测所需的核心信号导致监护准确率难以保证，进而给出的睡眠分析报告可信度不高；软件算法较为简单，使得信号的解读不规范不合理。相较于金标准设备PSG，现有研究中目前还没有相关数据证明这类设备相关指标的准确性和可靠性[15]。以市面现有健康手环为例，其对于睡眠的分阶方法几乎是完全依赖于IMU运动传感器，夜间有动作映射为浅睡眠，无动作映射为深睡眠，这显然与专业知识不符。综上所述，目前的睡眠监测系统中，医疗级设备可以取得理想的信号，借助医护条件使得睡眠的评估较为完整。但其由于体积庞大、操作复杂、数据解读要求高等难以推广到家庭监护领域。新兴消费电子产品难以提供高质量多模态生理电信号用于睡眠监测，因而使得睡眠监护成为难以落地的市场痛点。参考文献：[1]Berry,R.B.,Brooks,R.,Gamaldo,C.E.,Harding,S.M.,Marcus,C.L.,&Vaughn,B.V.(2012).TheAASMmanualforthescoringofsleepandassociatedevents.Rules,TerminologyandTechnicalSpecifications,Darien,Illinois,AmericanAcademyofSleepMedicine.[2]Williams,R.L.,Karacan,I.,&Hursch,C.J.(1974).Electroencephalography(EEG)ofhumansleep:clinicalapplications.JohnWiley&Sons.[3]Gacek,A.,&Pedrycz,W.(Eds.).(2011).ECGsignalprocessing,classificationandinterpretation:acomprehensiveframeworkofcomputationalintelligence.SpringerScience&BusinessMedia.[4]Hof,A.L.(1984).EMGandmuscleforce:anintroduction.HumanMovementScience,3(1-2),119-153.[5]OsTER,P.J.,&Stern,J.A.(1980).Measurementofeyemovementelectrooculography.Techniquesinpsychophysiology,275-309.[6]ZeoSleepManagerPro,http://www.myzeo.com.[7]Fitbit.http://www.ftbit.com.[8]Jawbone,https://jawbone.com[9]Lark,https://www.web.lark.com/[10]SleepCycleAlarm,https://www.sleepcycle.com/[11]SleepTracker,https://sleeptracker.com/[12]小米智能手环，www.mi.com/shouhuan[13]Chen,Z.,Lin,M.,Chen,F.,Lane,N.D.,Cardone,G.,Wang,R.,...&Campbell,A.T.(2013,May).Unobtrusivesleepmonitoringusingsmartphones.InProceedingsofthe7thInternationalConferenceonPervasiveComputingTech本文档来自技高网...

【技术保护点】
1.一种用于家庭睡眠监测领域的多模态生理电信号监护系统，其特征在于，其包括信号采集电极组件、预处理电路模块、多模态生理电信号处理模块、信号采集控制模块、无线传输模块、电源功耗管理模块和终端设备以及相应的嵌入式控制软件程序及信号分析解算算法模块；其中：信号采集电极组件，用于包括EEG、EOG、ECG和EMG在内的多模态信号的感知，得到混杂较多噪声的生理电信号的原始模拟数值；预处理电路模块，用于去除原始模拟多模态生理电信号频带外的噪声以及50Hz工频及其倍频干扰的去除；多模态生理电信号处理模块，用于实现原始生理电信号的LPF低通滤波、多路MUX复用、多级PGA程控放大、AD模拟数字转换以及提供信号处理所需的高精度CLK时钟信号，得到数字多模态生理电信号；信号采集控制模块，借助SPI串行通信接口将控制指令以全双工、同步通信的方式传输至多模态生理电信号处理模块；无线传输模块，用于将多模态生理电信号处理模块获得的数字多模态生理电信号发送至空中接口完成数据的无线传输；电源功耗管理模块，用于向预处理电路模块、多模态生理电信号处理模块、信号采集控制模块和无线传输模块供电；终端设备，用于信号接收显示、数据存储、数据分析功能，完成与使用者的视觉交互、并提供系统工作日志的存储回传；嵌入式控制软件程序及信号分析解算算法模块，用于控制多模态生理电信号的采集转换时序进程，对采集得到的数字多模态生理电信号进行分析解算，并将解算结果以报告的形式进行展现；其中的信号分析解算算法模块对数字多模态生理电信号进行去伪迹预处理后，采用支持向量机SVM进行睡眠阶段分类，再对每一段信号进行特征提取，提取的特征包括时域、频域以及非线性特征；最后根据特征对睡眠状态进行分类，从而实现睡眠质量分析与评估。...

【技术特征摘要】
1.一种用于家庭睡眠监测领域的多模态生理电信号监护系统，其特征在于，其包括信号采集电极组件、预处理电路模块、多模态生理电信号处理模块、信号采集控制模块、无线传输模块、电源功耗管理模块和终端设备以及相应的嵌入式控制软件程序及信号分析解算算法模块；其中：信号采集电极组件，用于包括EEG、EOG、ECG和EMG在内的多模态信号的感知，得到混杂较多噪声的生理电信号的原始模拟数值；预处理电路模块，用于去除原始模拟多模态生理电信号频带外的噪声以及50Hz工频及其倍频干扰的去除；多模态生理电信号处理模块，用于实现原始生理电信号的LPF低通滤波、多路MUX复用、多级PGA程控放大、AD模拟数字转换以及提供信号处理所需的高精度CLK时钟信号，得到数字多模态生理电信号；信号采集控制模块，借助SPI串行通信接口将控制指令以全双工、同步通信的方式传输至多模态生理电信号处理模块；无线传输模块，用于将多模态生理电信号处理模块获得的数字多模态生理电信号发送至空中接口完成数据的无线传输；电源功耗管理模块，用于向预处理电路模块、多模态生理电信号处理模块、信号采集控制模块和无线传输模块供电；终端设备，用于信号接收显示、数据存储、数据分析功能，完成与使用者的视觉交互、并提供系统工作日志的存储回传；嵌入式控制软件程序及信号分析解算算法模块，用于控制多模态生理电信号的采集转换时序进程，对采集得到的数字多模态生理电信号进行分析解算，并将解算结果以报告的形式进行展现；其中的信号分析解算算法模块对数字多模态生理电信号进行去伪迹预处理后，采用支持向量机SVM进行睡眠阶段分类，再对每一段信号进行特征提取，...

【专利技术属性】
技术研发人员：王泽宇，陈炜，陈晨，李巍，孙珵琭，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海,31