一种EEG信号质量自动检测方法技术

本发明专利技术公开了一种EEG信号质量自动检测方法，克服了现有技术中得到的EEG信号存在质量不佳的部分、影响睡眠分析的结果的问题，方法包括以下步骤：S1：对待检测的整夜EEG信号进行降噪处理；S2：将处理后的整夜EEG信号以时间长度t秒划分为n部分；S3：计算每t秒EEG信号的总能量ss和振幅A；S4：根据计算结果对每t秒的信号进行质量评估，将质量不佳的EEG信号进行分类；S5：计算信号分值，判断整夜EEG信号的质量。能够提前知道信号的质量情况，有利于制定分析的策略，提升了睡眠状况分析的效率。提升了睡眠状况分析的效率。

【技术实现步骤摘要】
一种EEG信号质量自动检测方法


[0001]本专利技术涉及医疗健康检测
，特别涉及了一种EEG信号质量自动检测方法。

技术介绍

[0002]脑电波(Electroencephalogran，EEG)是一种使用电生理指标记录大脑活动的方法，大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。而EEG信号在多导睡眠监测(PSG)中有着对于研究病人的睡眠情况有着重要的意义。
[0003]但EEG信号通常采用在头部装贴电机的方式进行采集，但被采集者的运动、电极粘贴不稳或电极脱落都会对脑电采集造成极大影响。虽然可以通过滤波等方式排除信号中的干扰，但得到的EEG信号仍旧可能存在质量不佳的部分，如果能够提前知道信号的质量情况，有利于制定分析的策略，能够极大程度上提升分析的效率。
[0004]中国专利局2021年8月24日公开了一种名称为一种脑电信号的质量检测方法、装置、设备及存储介质的专利技术，其公开号为CN113288175A，该专利技术中方法包括：在预设的实验范式下，分别采用测试设备和标准设备采集用户的脑电信号，测试设备采集的用户的脑电信号表征为待检测信号，标准设备采集的用户的脑电信号表征为效标信号。根据预设的实验范式确定数据提取规则，按照数据提取规则，从待检测信号中提取到第一信号数据以及从效标信号中提取到第二信号数据。进而根据第一信号数据和第二信号数据，计算出待检测信号与效标信号之间表征相关性的效度数据，再将效度数据与预设的效度阈值进行比对，从而判断待检测信号是否满足质量检测要求。该方法可以实现全方位地检测信号质量，提高信号检测的准确性。但该专利技术计算的数据较多，过程较为复杂。

技术实现思路

[0005]本专利技术的目的是克服现有技术中得到的EEG信号存在质量不佳的部分、影响睡眠分析的结果的问题，提供了一种EEG信号质量自动检测方法，能够在采集EEG信号时，提前知道信号的质量情况，有利于制定通过EEG信号分析的睡眠情况策略，提升分析睡眠情况的效率。
[0006]为了实现上述目的，本专利技术采用以下技术方案：一种EEG信号质量自动检测方法，其特征在于，它包括下列步骤：
[0007]S1：对待检测的整夜EEG信号进行降噪处理；
[0008]S2：将处理后的整夜的EEG信号以时间长度t秒划分为n部分；
[0009]S3：计算每t秒EEG信号的总能量ss和振幅A；
[0010]S4：根据计算结果对每t秒的信号进行质量评估，将质量不佳的EEG信号进行分类；
[0011]S5：计算信号分值，判断整夜EEG信号的质量。
[0012]本专利技术首先通过将EEG信号进行降噪、降频处理，得到较小的频率范围，减少了计算成本；然后再将经过检品、降噪处理后的EEG信号分成若干部分，分别计算每一部分的总
能量、振幅，与预设值比较，得到三种不同质量类型的EEG信号，再利用每一部分得到的EEG质量类型得到整个EEG信号的质量，从而可以全方位地检测信号质量，提高信号检测的准确性。使得能够在采集EEG信号时，提前知道信号的质量情况，有利于制定通过EEG信号分析的睡眠情况策略，提升分析睡眠情况的效率。
[0013]作为优选，所述的步骤S1进一步表示为：
[0014]S1.1：对待检测的EEG信号进行降采样处理，使得降采样后的频率为待检测的EEG信号的频率的十分之一；
[0015]S1.2：对降采样的信号进行去基线处理；
[0016]S1.3：对去基线处理后的信号进行剪枝处理。
[0017]对待检测的EEG信号进行降采样处理，降低频率以及根据采样定理EEG信号中频率范围，从而降低计算成本。对降采样的信号进行去基线处理，去除基线漂移造成的影响，主要是去除极低频(0.5Hz以下)的能量干扰。对信号进行剪枝处理，去除过大多小的值，保证对信号频域分析的准确性，主要是的消除部分频率过高的能量，是各个频率段的能量相对均衡，能够更加清晰的反应各个频段能量的分布。
[0018]作为优选，所述的步骤S1.1中，降采样后的EEG信号中频率范围为0
‑
fHZ，20HZ<f<30HZ。脑电信号的主要频率成分都集中在30Hz以下，所以降采样后频率范围变为0
‑
fHZ，20HZ<f<30HZ，可以满足脑电分析的基本需求，同时大大降低了计算成本。
[0019]作为优选，所述的步骤S2进一步表示为：
[0020]S2.1：对每t秒内的EEG信号进行快速傅里叶变换：
[0021][0022]式中，e表示自然对数，从而获取各个频段的振幅情况；
[0023]S2.2：计算每t秒EEG信号的振幅值A。
[0024]快速傅里叶变换(fast Fourier transform)，是利用计算机计算离散傅里叶变换(DFT)的高效、快速计算方法的统称，是一种常见的现有技术。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的。采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省就越显著。
[0025]作为优选，所述的步骤S2.2中，计算每t秒EEG信号的振幅值A的具体步骤为：
[0026]S2.2.1：将每t秒EEG信号平均划分为p部分，每部分长度为(t/p)秒；
[0027]S2.2.2：计算每(t/p)秒的最大值和最小值，并将最大值和最小值的差作为振幅；
[0028]S2.2.3：取这p部分中振幅值最小的作为这t秒的振幅A。
[0029]每部分的振幅值可以直接由EEG信号图谱得出。通过将t秒分段，分别计算每一段的振幅，在从中取最小值作为振幅可以对t秒信号的振幅进行恰当的评估。
[0030]作为优选，所述的步骤S3中，计算每t秒EEG信号的总能量ss的公式为：
[0031][0032]计算每t秒EEG信号的总能量，判断这一部分的EEEG信号质量，从而得到整个EEG信号的质量。
[0033]作为优选，所述的步骤S4中，将质量不佳的EEG信号进行分类的具体方式为：
[0034]将质量不佳的EEG信号分为三大类：第一类：直流信号；第二类：信号受干扰较大导致振幅过大；第三类：信号高频段能量或极低频段能量占比过高。在检测前设置高振幅阈值，当振幅超过该值，说明信号受干扰较大导致振幅过大。高频段能量指频率大于20HZ的能量，低频段能量指频率小于3HZ的能量。而信号高频段能量或极低频段能量占比过高可能由于电极脱落或接触不良导致。
[0035]作为优选，所述的步骤S4中，对每30秒的信号进行质量评估，将质量不佳的EEG信号进行分类的具体步骤为：
[0036]S3.1：设置总能量阈值μ1、低频能量阈值μ2、高频能量阈值μ3和振幅阈值a1、高振幅阈值a2，判断计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种EEG信号质量自动检测方法，其特征在于，它包括下列步骤：S1：对待检测的整夜EEG信号进行降噪、降频处理；S2：将处理后的整夜EEG信号以时间长度t秒划分为n部分；S3：计算每t秒EEG信号的总能量ss和振幅A；S4：根据计算结果对每t秒的信号进行质量评估，将质量不佳的EEG信号进行分类；S5：计算信号分值，判断整夜EEG信号的质量。2.根据权利要求1所述的一种EEG信号质量自动检测方法，其特征在于，所述的步骤S1进一步表示为：S1.1：对待检测的EEG信号进行降采样处理，使得降采样后的频率为待检测的EEG信号的频率的十分之一；S1.2：对降采样的信号进行去基线处理；S1.3：对去基线处理后的信号进行剪枝处理。3.根据权利要求2所述的一种EEG信号质量自动检测方法，其特征在于，所述的步骤S1.1中，降采样后的EEG信号中频率范围为0
‑
fHZ，20HZ<f<30HZ。4.根据权利要求1所述的一种EEG信号质量自动检测方法，其特征在于，所述的步骤S2进一步表示为：S2.1：对每t秒内的EEG信号进行快速傅里叶变换：其中(0≤k≤N
‑
1)式中，e表示自然对数，从而获取各个频段的振幅情况；S2.2：计算每t秒EEG信号的振幅值A。5.根据权利要求4所述的一种EEG信号质量自动检测方法，其特征在于，所述的步骤S2.2中，计算每t秒EEG信号的振幅值A的具体步骤为：S2.2.1：将每t秒EEG信号平均划分为p部分，每部分长度为(t/p)秒；S2.2.2：计算每(t/p)秒的最大值和最小值，并将最大值和最小值的差作为振幅；S2.2.3：取这p部分...

【专利技术属性】
技术研发人员：袁靖嘉，戴松青，王凯平，罗睿，
申请(专利权)人：杭州菲诗奥医疗科技有限公司，
类型：发明
国别省市：