【技术实现步骤摘要】
一种睡眠记忆活跃水平检测量化的方法、系统和装置
[0001]本专利技术涉及睡眠记忆活跃水平检测量化领域，特别涉及一种睡眠记忆活跃水平检测量化的方法、系统和装置。
技术介绍
[0002]睡眠对于人类和其他哺乳动物来说时至关重要的，是恢复精力体力、机体生长和功能修复、精神调解和记忆巩固的最根本保障。大脑是记忆的中心，记忆巩固主要发生在睡眠过程中，睡眠的重要性大于清醒期。睡眠结构中的慢波睡眠和快动眼睡眠对记忆信息的编码、加工、整合和巩固发挥着至关重要的作用，进而对人类的学习、工作和生活带来重要的影响。不同性别和年龄段、不同身心状态、不同睡眠质量和不同睡眠时相阶段，都对睡眠记忆活跃水平和记忆结果带来不同的影响。
[0003]目前，无论是睡眠记忆活跃水平还是记忆内容结果，绝大多数国内外对人类记忆巩固的研究和评价都仅限了人清醒时的认知任务实验或测试，通过任务评分的方式来衡量人类记忆水平或能力，而缺乏了睡眠过程中的记忆活跃或巩固水平进行检测、量化和评估，甚至没有一个检测手段、分析路径、量化框架和评估指标。如何评价睡眠过程中记忆活跃水平或记忆巩固水平，成为了国际上仍未解决的难题。
技术实现思路
[0004]针对现有方法的以上缺陷及改进需求，本专利技术的目的在于提供一种睡眠记忆活跃水平检测量化的方法，通过对睡眠过程中大脑中枢神经生理状态的采集和处理，提取时频特征交叉特征、跨频率耦合特征和动态功能连接特征，进而量化用户睡眠过程中记忆编码和信息整合的强度，得到睡眠记忆活跃水平指数和睡眠记忆活跃水平曲线，并进一步结合...
【技术保护点】
【技术特征摘要】
1.一种睡眠记忆活跃水平检测量化的方法，其特征在于，包括以下步骤：对用户睡眠过程的脑中枢生理状态信号进行采集记录和时帧处理，得到脑中枢生理频带时帧数据；对所述脑中枢生理频带时帧数据进行时频特征交叉分析、跨频率耦合分析和功能连接分析，经特征选择后得到脑中枢记忆信息编码时帧特征；根据所述脑中枢记忆信息编码时帧特征进行基线变化分析和时均峰偏分析，量化用户睡眠过程中记忆编码和信息整合的强度，提取每一时帧的记忆活跃水平指数，生成睡眠记忆活跃水平曲线；根据所述脑中枢生理频带时帧数据识别睡眠时相分期，得到睡眠时相曲线，结合所述睡眠记忆活跃水平曲线，提取时相记忆活跃相关系数，生成睡眠记忆活跃水平报告。2.如权利要求1所述的方法，其特征在于,所述对用户睡眠过程的脑中枢生理状态信号进行采集记录和时帧处理，得到脑中枢生理频带时帧数据的具体步骤还包括：对用户睡眠过程的生理体征状态进行采集记录，生成所述脑中枢生理状态信号；对用户睡眠过程的所述脑中枢生理状态信号进行时帧处理，得到所述脑中枢生理频带时帧数据。3.如权利要求2所述的方法，其特征在于：所述脑中枢生理状态信号采集自目标脑区部位，包括脑电信号、脑磁信号、血氧水平依赖信号至少一项；其中，所述目标脑区部位包括前额叶皮质区、背侧额叶皮质区、顶叶皮质区、中央区皮质区、颞叶皮质区、枕叶皮质区至少一项。4.如权利要求1所述的方法，其特征在于：所述时帧处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波、带通滤波、信号矫正处理、信号频带提取和信号时帧划分；其中，所述信号矫正处理具体为对生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理，所述信号频带提取具体为从目标信号中提取特定频段范围的频带信号，所述时帧划分具体为按照预设时间窗口和预设时间步长对目标信号进行截取处理。5.如权利要求1所述的方法，其特征在于：所述对所述脑中枢生理频带时帧数据进行时频特征交叉分析、跨频率耦合分析和功能连接分析，经特征选择后得到脑中枢记忆信息编码时帧特征的具体步骤还包括：对所述脑中枢生理频带时帧数据中的不同脑区部位的、不同频带分布的目标信号组的时域特征和频域特征进行统计学分析和交叉关联分析，得到交叉时频特征；对所述脑中枢生理频带时帧数据的不同脑区部位的、不同频带分布的目标信号组进行相
‑
相耦合分析、相
‑
幅耦合分析和幅
‑
幅耦合分析，得到跨频率耦合特征；对所述脑中枢生理频带时帧数据的不同脑区部位的目标信号组进行动态功能连接分析，量化信号间振荡交互过程和作用，得到动态功能连接特征；对所述交叉时频特征、所述跨频率耦合特征和所述动态功能连接特征进行特征选择，得到所述脑中枢记忆信息编码时帧特征。6.如权利要求1或5所述的方法，其特征在于：所述时频特征交叉分析具体为对所述脑中枢生理频带时帧数据中的不同脑区部位的、不同频带分布的目标信号组的时域特征和频域特征进行统计学分析和交叉关联分析，得到交叉时频特征。
7.如权利要求1或5所述的方法，其特征在于：所述跨频率耦合分析具体为对所述脑中枢生理频带时帧数据中的不同脑区部位的、不同频带分布的目标信号组进行相
‑
相耦合分析、相
‑
幅耦合分析和幅
‑
幅耦合分析，得到跨频率耦合特征。8.如权利要求1或5所述的方法，其特征在于：所述功能连接分析具体为对所述脑中枢生理频带时帧数据中的不同脑区部位的目标信号组进行动态功能连接分析，量化信号间振荡交互过程和作用，得到动态功能连接特征。9.如权利要求5所述的方法，其特征在于：所述脑中枢记忆信息编码时帧特征至少包括所述交叉时频特征、所述跨频率耦合特征和所述动态功能连接特征。10.如权利要求5所述的方法，其特征在于，所述根据所述脑中枢记忆信息编码时帧特征进行基线变化分析和时均峰偏分析，量化用户睡眠过程中记忆编码和信息整合的强度，提取每一时帧的记忆活跃水平指数，生成睡眠记忆活跃水平曲线的具体步骤还包括：采集分析并计算获取不同年龄层的、规模数量的健康用户群体的清醒期静息态、清醒期记忆任务态下的所述交叉时频特征、所述跨频率耦合特征和所述动态功能连接特征，通过预设权重计算得到每一个特征的静息基线值和任务基线值，建立脑中枢记忆信息编码时帧特征基线指标集；根据所述脑中枢记忆信息编码时帧特征基线指标集和所述脑中枢记忆信息编码时帧特征进行基线变化分析和时均峰偏分析，得到每一时帧的所述记忆活跃水平指数，根据时序的全部时帧的所述记忆活跃水平指数，生成所述睡眠记忆活跃水平曲线。11.如权利要求10所述的方法，其特征在于，所述记忆活跃水平指数和所述睡眠记忆活跃水平曲线的计算生成方法具体为：1)获取不同年龄层的、规模数量的健康用户群体的清醒期静息态、清醒期记忆任务态下的所述脑中枢记忆信息编码时帧特征基线指标集；2)获取当前用户特定时帧的所述脑中枢记忆信息编码时帧特征，计算与同年龄层健康人群的所述脑中枢记忆信息编码时帧特征基线指标集中的静息基线值和任务基线值的基线变化量值，即经基线变化分析，得到脑中枢记忆信息编码时帧特征变化量集；3)对所述脑中枢记忆信息编码时帧特征变化量集中的全部指标进行时均峰偏分析，得到时均峰偏值，即当前时帧下的所述记忆活跃水平指数；4)按时序求得全部时帧的所述记忆活跃水平指数，生成并得到所述睡眠记忆活跃水平曲线。12.如权利要求1、10
‑
11任一项所述的方法，其特征在于，所述基线变化分析的具体计算方式为：对于实值变量和其基线序列来说，其基线变化量值为；其中，分别为实值变量的基线变化量值、第i个基线值以及对应的权重，N为正整数。13.如权利要求12所述的方法，其特征在于，所述时均峰偏分析是一种以数值数组的均值、峰度、偏度、绝对值均值、绝对值峰度、绝对值偏度至少一项为观察基点基础，以数值数
组的方差、变异系数、最大值、最小值、中位数、分位数、绝对值方差、绝对值变异系数、绝对值最大值、绝对值最小值、绝对值中位数、绝对值分位数至少一项为主要分析调和项，来观察分析数值数组的数据分布波动状态和总体趋势变化的数据分析方法。14.如权利要求12所述的方法，其特征在于，所述时均峰偏分析的一种具体计算方式为：对于数值数组来说，其时均峰偏值的计算公式为；其中，分别为数值数组的时均峰偏值、平均值、偏度和峰度，为年龄相关的修正系数且，为用户的周岁年龄，N为正整数。15.如权利要求10所述的方法，其特征在于，所述根据所述脑中枢生理频带时帧数据识别睡眠时相分期，得到睡眠时相曲线，结合所述睡眠记忆活跃水平曲线，提取时相记忆活跃相关系数，生成睡眠记忆活跃水平报告的具体步骤还包括：根据所述脑中枢生理频带时帧数据识别睡眠时相分期，得到所述睡眠时相曲线；分析计算所述睡眠时相曲线和所述睡眠记忆活跃水平曲线的关系特征，提取所述时相记忆活跃相关系数；根据所述睡眠时相曲线、所述睡眠记忆活跃水平曲线和所述时相记忆活跃相关系数分析计算并生成所述睡眠记忆活跃水平报告。16.如权利要求15所述的方法，其特征在于，所述睡眠时相曲线的提取方法具体为：1)通过深度学习算法对规模睡眠用户样本的所述脑中枢生理频带时帧数据及其对应睡眠分期数据进行学习训练和数据建模，得到睡眠时相自动分期模型；2)将当前用户的所述脑中枢生理频带时帧数据输入所述睡眠时相自动分期模型，得到所对应的...
【专利技术属性】
技术研发人员：何将，
申请(专利权)人：安徽星辰智跃科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。