一种基于心率变异性的睡眠分期方法技术

本发明专利技术公开了一种基于心率变异性的睡眠分期方法,其中，该方法包括：将睡眠阶段信号进行平滑预处理；从平滑处理后ECG信号中提取RR间期；利用RR间期进行心率变异性特征提取；选择合适的心率变异性特征训练睡眠分期模型，利用训练好的模型完成睡眠分期，通过采用上述步骤，平滑掉了噪音信号，更好的保留了原有信息，对睡眠阶段的划分更为精准，分类更加细化，睡眠分期的效果更好。

A sleep staging method based on heart rate variability

【技术实现步骤摘要】
一种基于心率变异性的睡眠分期方法
本专利技术属于智能健康辅助领域，具体涉及一种基于心率变异性的睡眠分期方法。
技术介绍
据世界卫生组织调查显示，在世界范围内约1/3的人患有睡眠障碍，而中国各类睡眠障碍的患病比例高达38.2％；人体的睡眠质量指数不仅与睡眠时长有关，还与睡眠的深度有关，人从不同的睡眠阶段中醒来会对人的精神状态产生不同的影响，在医学中，用户要做一个完整的睡眠监测，需要在医院戴上专业的PSG监测设备，不仅仅是成本高和操作困难，而且许多患者还会随着睡眠环境的改变而发生睡眠行为的改变，造成在医院的测量结果与平时的睡眠行为差异，进而导致分析的结果不准确，误导医生病情分析，延误诊治；睡眠分期是进行睡眠质量评价的重要依据，但已有的睡眠分期方法大都以脑电信号为主，当前最广泛使用的是利用睡眠多导图采集脑电、心电、肌电等信号，由睡眠专家完成分期；但一方面该设备本身比较复杂且需要专业人员在特定的睡眠测试场所进行，另一方面需要在受试者身上粘贴许多的传感器，对自然睡眠造成了严重侵扰，并且由于价格昂贵，操作复杂，不适应家庭使用，也无法向公众推广；...

【技术保护点】
1.一种基于HRV的睡眠分期方法，其特征在于，所述HRV的睡眠分期方法具体包括以下步骤：/n步骤一：将睡眠阶段信号进行平滑处理，平滑掉睡眠时不可能出现的阶段转换，保存原始睡眠阶段信息；/n步骤二：从经步骤一平滑处理后的ECG信号中提取RR间期；/n步骤三：利用步骤二提取的RR间期进行心率变异性特征提取；/n步骤四：通过步骤三提取的特征训练睡眠分期模型，完成睡眠分期。/n

【技术特征摘要】
1.一种基于HRV的睡眠分期方法，其特征在于，所述HRV的睡眠分期方法具体包括以下步骤：
步骤一：将睡眠阶段信号进行平滑处理，平滑掉睡眠时不可能出现的阶段转换，保存原始睡眠阶段信息；
步骤二：从经步骤一平滑处理后的ECG信号中提取RR间期；
步骤三：利用步骤二提取的RR间期进行心率变异性特征提取；
步骤四：通过步骤三提取的特征训练睡眠分期模型，完成睡眠分期。


2.根据权利要求1所述的一种基于HRV的睡眠分期方法，其特征在于，步骤一所述睡眠阶段包括4个纯净睡眠阶段，即浅睡眠L、深睡眠D、觉醒W、快速眼动期R；所述睡眠阶段还包括12个阶段转换，即觉醒转换为浅睡眠WL、觉醒转换为深睡眠WD、觉醒转换为快速眼动期WR、浅睡眠转换为觉醒LW、浅睡眠转换为深睡眠LD、浅睡眠转换为快速眼动期LR、深睡眠转换为觉醒DW、深睡眠转换为浅睡眠DL、深睡眠转换为快速眼动期DR、快速眼动期转换为觉醒RW、快速眼动期转换为浅睡眠RL，快速眼动期转换为深睡眠RD。


3.根据权利要求1所述的一种基于HRV的睡眠分期方法，其特征在于，步骤二所述的从ECG信号中提取RR间期的具体过程为：
S1.使用小波变换除去ECG信号中的噪音；
S2.基于滑动窗口进行R波峰值点检测，得到R波横坐标；
S3.将获取到的峰值点的横坐标连续后一峰值点坐标减去前一峰值点坐标，得到RR间期；
S4.利用基于3sigma准则进行RR间期的错检和漏检。


4.根据权利要求1所述的一种基于HRV的睡眠分期方法，其特征在于，步骤三所述的对RR间期进行心率变异性特征提取包括时域、频域和非线性域三维特征的提取。


5.根据权利要求1所述的一种基于HRV的睡眠分期方法，其特征在于，步骤四所述的选择合适的心率变异性特征的具体步骤包括：
S1.将睡眠过程分为睡眠转换阶段和纯净睡眠阶段，并对睡眠转换阶段和纯净睡眠阶段进行二分类；
S2.对睡眠转换阶段进行分节分类：将睡眠转换阶段的后一纯净睡眠Tlatter和前一纯净睡眠Tfommer的特征比值作为睡眠转换阶段和纯净睡眠阶段分类的新特征；
S3.对纯净睡眠阶段进行分节分类：将前一睡眠阶段和该睡眠阶段处于整晚的第几个睡眠循环作为纯净睡眠的分类特征；
S4.针对睡眠转换阶段以及纯净睡眠阶段中心率的时域、频域和非线性域特征，使用最大相关最小冗余算法进行特征选择。


6.根据权利要求5所述的一种基于HRV的睡眠分期方法，其特征在于，S4所述的使用最大相关最小冗余算法进行特征选择的具体过程为：
(1)以阶段中心率的时域特征为时间维度，频域特征为能量维度，非线性特征为复杂性度量；
(2)给定两个随机变量x和y，他们的概率密度函数为p(x),p(y),p(x,y)，则互信息为：
I(x；y)＝∫∫p(x,y)log[p(x,y)/p(x)p(y)]dxdy
目标就是找出含有m{xi}个特征的特征子集S，如果是离散变量，则最大相关性计算为：
maxD(S,c),D＝(1/|S|)∑xi∈SI(xi,c)
其中：xi为第i个特征，c为类别变量，S为特征子集；
则最小冗余度为：
minR(S,c),R＝(1/|S|2)∑xi,xj∈SI(xi,xj)
其中：c(xi,xj)为相关函数；
如果是连续变量，则最大相关性:
maxDF,DF＝(1/|S|)∑xi∈SF(xi,c)
其中：DF为相关性，(xi,c)为F的统计量；
最小冗余度为：
minRc,Rc＝(1/|S|2∑xi,xj∈Sc(xi,xj)
其中：Rc为冗余度；
(3)...

【专利技术属性】
技术研发人员：段黎明，王红梅，段丽岩，
申请(专利权)人：深圳安视睿信息技术股份有限公司，东莞三航安视睿信息技术有限公司，
类型：发明
国别省市：广东;44