一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法技术

本发明专利技术提出一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法，包括以下步骤：对原始脑电EEG信号进行预处理，得到预处理的脑电EEG信号；以一定时间间隔对预处理的脑电EEG信号进行分段，对每段预处理的脑电EEG信号进行傅里叶变换，再计算每段预处理的脑电EEG信号的功率谱P(k)及功率谱斜率k，得到功率谱序列pl和功率谱斜率序列kl；根据功率谱序列pl和功率谱斜率序列kl绘制脑电EEG信号的时频图，并根据功率谱P(k)及功率谱斜率k区分每段脑电EEG信号对应的睡眠期。本发明专利技术根据单导联EEG脑电信号计算功率谱及功率谱斜率，绘制功率时频谱图进行展示，最后根据公式量化对睡眠情况进行判断。行判断。行判断。

【技术实现步骤摘要】
一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法


[0001]本专利技术涉及睡眠分析
，尤其是一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法。

技术介绍

[0002]脑电波是评价睡眠的核心讯号，后来又增加了眼电、肌电、呼吸、心电、血氧等等多种生理信号的采集，形成了目前医院里使用的多导睡眠监测仪(PSG)。多导睡眠仪虽有它的优点，但同时它也有很多的缺点，比如，被试者需要在身上连接各种导线，并要在医院的睡眠实验室睡一个晚上。这样的环境和条件往往无法反映被试者平时真实的睡眠；另一大问题是必须依赖有经验的技术人员花几个小时去人工识别出脑电图中的特征波形，对睡眠进行分期。睡眠分期是以每30s长度的信号为单位对睡眠状态进行分类，可以分为W期或清醒期、R期或REM期、N1期或NREM 1期、N2期或NREM 2期、N3期或NREM 3期。
[0003]非眼球快速运动睡眠(NREM)：其特点是从夜间入睡开始，随着睡眠加深而进展的。在这个阶段中，人的呼吸变浅、变慢而均匀，心率变慢、血压下降，全身肌肉松弛(仍然能够保持一定姿势)，无明显的眼球运动。在这个阶段中，还可以分4期，第1期为入睡期，第2期为浅睡期，第3期为中度睡眠期，第4期为深度睡眠期。这个时期，正常人平均20分钟有一次大的姿势调节，有的人甚至每5分钟有一次姿势调节活动。
[0004]眼球快速运动睡眠(REM)：进入睡眠约90分钟后，人体进入快动眼动睡眠期，其特征是眼球快速转动。在这个阶段，人体的感觉功能进一步减退，肌肉也更加松弛，肌腱反射消失。这时的血压较慢动眼睡眠时升高，呼吸稍快且不规则，体温、心率也有所升高。这个阶段，体内各种代谢功能都显著增加，以保证大脑组织蛋白的合成和消耗物质的补充，使神经系统正常发育，并为第二天的活动积蓄能量。当睡眠者在这个阶段被唤醒，74％
‑
95％的人诉说在做梦并能记起梦境内容。而在慢动眼睡眠期间，只有很少的人诉说在做梦。研究认为，NREM睡眠主要是大脑皮层的休息，而在REM睡眠中主要是全身性的休息。
[0005]NREM睡眠1期：这个阶段又叫做浅睡期，相当于困倦的迷迷糊糊的时候。1期比较短，往往持续3～7分钟，常在由觉醒向其他睡眠阶段移行或睡眠中体动多时出现。脑电图中，α波波幅普遍降低，波形不整，连续性差，后期频率可稍慢，出现低幅度θ波和β波，但以θ波为主，此时，人堆周围环境的注意力已经丧失，处于意识不清醒状态。在1期的后半段到2期的初期，可出现顶尖波。N1期肌电水平较觉醒时低，可有缓慢眼球运动。
[0006]NREM睡眠2期：在低幅脑电波的基础上，出现周期为100
‑
300毫秒，波幅为100
‑
300μV“纺锤波”。此时，全身肌张力降低，几乎无眼球运动。
[0007]NREM睡眠3期：这期出现中或者高幅δ波。肌张力进一步受抑制。此时，睡眠程度加深，不容易被唤醒。N3是睡得最深沉最香甜的阶段，修复功能最强劲，主要是针对躯体和内脏功能。这一阶段脑电特征为0.5～2Hz，波幅>75μV的慢波占比20％以上。
[0008]传统的多导睡眠仪必须依赖有经验的技术人员花几个小时去人工识别出脑电图中的特征波形，对睡眠进行分期。需要花费大量的时间和精力，而且对于没有经验的人来说
准确的判断睡眠情况会更加困难。

技术实现思路

[0009]本专利技术解决了传统的多导睡眠仪需要依靠人工识别出脑电图中的特征波形，花费大量的时间和精力的问题，提出一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法，根据单导联EEG脑电信号计算功率谱及功率谱斜率，绘制功率时频谱图进行展示，最后根据公式量化对睡眠情况进行判断，将睡眠大致分为3类清醒期对应W期，浅睡期对应N1期或R期，深睡期对应N2期和N3期。
[0010]为实现上述目的，提出以下技术方案：
[0011]一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法，包括以下步骤：
[0012]S1，对原始脑电EEG信号进行预处理，得到预处理的脑电EEG信号；
[0013]S2，以一定时间间隔对预处理的脑电EEG信号进行分段，对每段预处理的脑电EEG信号进行傅里叶变换，再计算每段预处理的脑电EEG信号的功率谱P(k)及功率谱斜率k，得到功率谱序列pl和功率谱斜率序列kl；
[0014]S3，根据功率谱序列pl和功率谱斜率序列kl绘制脑电EEG信号的时频图，并根据功率谱P(k)及功率谱斜率k区分每段脑电EEG信号对应的睡眠期。
[0015]本专利技术利用功率谱和功率谱斜率k区分睡眠期，替代人工识别，缩短睡眠分析时间，提高睡眠分析效率，有利于辅助非专业人士判断睡眠情况。
[0016]作为优选，根据功率谱及功率谱斜率区分每段脑电EEG信号对应的睡眠期的具体过程如下：
[0017]A：计算每段功率谱的总能量
[0018]B：计算0
‑
5hz的能量以及计算30
‑
50hz的能量
[0019]C：计算0
‑
5hz的能量占比以及计算30
‑
50hz的能量占比
[0020]D：若p1大于阈值μ1＝0.15则该段脑电EEG信号对应为深睡期，若p2大于阈值μ2＝0.35或k大于阈值υ＝
‑
0.02则该段脑电EEG信号对应为清醒期，其余情况的脑电EEG信号对应为浅睡期。
[0021]作为优选，所述S1具体包括以下步骤：
[0022]对原始脑电EEG信号依次进行50hz陷波处理、降采样处理和0.3hz高通滤波处理。
[0023]作为优选，所述功率谱P(k)及功率谱斜率k的计算过程如下：
[0024]对每段预处理的脑电EEG信号进行傅里叶变换：
[0025]其中(0≤k≤N
‑
1)；
[0026]计算功率谱
[0027]选定频率为5hz和25hz的两个点位计算功率谱斜率k：
[0028][0029]作为优选，所述S2还包括对功率谱斜率序列kl进行0.003hz低通滤波处理。
[0030]作为优选，所述S2还包括对功率谱序列pl进行剪枝处理。
[0031]本专利技术的有益效果是：本专利技术利用功率谱和功率谱斜率k区分睡眠期，替代人工识别，缩短睡眠分析时间，提高睡眠分析效率，有利于辅助非专业人士判断睡眠情况。
附图说明
[0032]图1是实施例的流程图；
[0033]图2是实施例的整夜时频图及睡眠分期情况示意图。
具体实施方式
[0034]实施例：
[0035]本实施例提出一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法，参考图1，包括以下步骤：
[0036]步骤1.1：对原始脑电EEG信号进行50hz陷波处理，去除工频干扰。
[0037]步骤1.2：将采样率为500hz的原始脑电EEG信号降采样率降为100hz。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法，其特征是，包括以下步骤：S1，对原始脑电EEG信号进行预处理，得到预处理的脑电EEG信号；S2，以一定时间间隔对预处理的脑电EEG信号进行分段，对每段预处理的脑电EEG信号进行傅里叶变换，再计算每段预处理的脑电EEG信号的功率谱P(k)及功率谱斜率k，得到功率谱序列pl和功率谱斜率序列kl；S3，根据功率谱序列pl和功率谱斜率序列kl绘制脑电EEG信号的时频图，并根据功率谱P(k)及功率谱斜率k区分每段脑电EEG信号对应的睡眠期。2.根据权利要求1所述的一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法，其特征是，根据功率谱及功率谱斜率区分每段脑电EEG信号对应的睡眠期的具体过程如下：A：计算每段功率谱的总能量B：计算0
‑
5hz的能量以及计算30
‑
50hz的能量C：计算0
‑
5hz的能量占比以及计算30
‑
50hz的能量占比D：若p1大于阈值μ1＝0.15则该段脑电EEG信号对应为深睡期，若p2大于阈值μ2＝0.35或k大于阈值υ＝

【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：