【技术实现步骤摘要】
一种睡眠感官应激水平检测量化的方法、系统和装置
[0001]本专利技术涉及睡眠感官应激水平检测量化领域，特别涉及一种睡眠感官应激水平检测量化的方法、系统和装置。
技术介绍
[0002]睡眠是生理恢复、机体修复、精神调解和记忆巩固的最重要的过程，同时感官功能极大削弱和感官应激阈值提高也是睡眠过程中最基本的生理现象，视觉、听觉、嗅觉、味觉和躯体觉等多种感官体验内容的重放也是睡眠记忆巩固的核心内容之一。但无论在身心健康的不同年龄段正常人群、亚健康人群、生理疾病和心理疾病等患者人群中，无论是在非快眼动睡眠期、快眼动睡眠期中，都存在着睡眠过程中感官感觉内容的正常体验、感官感觉功能的异常打开和感官感觉应激的过度激活。
[0003]在睡眠过程中如何识别分离大脑体验中的感官事件，如何合理评估各个感官感觉初级及次级皮质、关联高级联合皮质和边缘系统等的大脑感官应激状态、如何科学量化评价大脑感官应激水平，成为睡眠科学和神经科学上仍未解决的难题。在国内外科学研究和临床实践中，都缺乏对不同人群、不同睡眠过程时相的睡眠感官应激水平检测量化的方法、路径和框架。
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感官应激水平检测量化的方法，通过对用户睡眠过程中的感官皮质及关联高级皮质中枢生理状态信号进行采集记录、信号处理、感官事件识别和事件信号分离，得到感官事件时间过程标识集和感官中枢生理事件数据，经过感官特征分析提取得到感官事件时间分布特征、感官独立应激事件特征和感官联合应激事件特...
【技术保护点】
【技术特征摘要】
1.一种睡眠感官应激水平检测量化的方法，其特征在于，包括以下步骤：对用户睡眠过程中的感官皮质及关联高级皮质中枢生理状态信号进行采集记录、信号处理、感官事件识别和事件信号分离，得到感官中枢生理状态数据、感官事件时间过程标识集和感官中枢生理事件数据；对所述感官事件时间过程标识集进行感官事件时间分布特征分析，生成感官事件时间分布特征；对所述感官中枢生理事件数据进行感官事件时空过程特征分析，评估感官事件在各个感官皮质及关联高级皮质的时序活动过程和独立表征水平，得到感官独立应激事件特征；对所述感官中枢生理事件数据进行感官事件时空关联特征分析，评估感官事件在不同感官皮质及关联高级皮质之间的关联协同模式和联合表征水平，得到感官联合应激事件特征；结合感官应激水平特征基线库，对所述感官事件时间分布特征、所述感官独立应激事件特征和所述感官联合应激事件特征进行基线变化分析和变异调和分析，量化用户大脑皮质的整体感官应激状态和应激水平，提取感官应激水平指数，生成睡眠感官应激水平曲线；根据所述感官中枢生理状态数据识别睡眠时相分期得到睡眠时相曲线，结合所述睡眠感官应激水平曲线和所述感官事件时间过程标识集，提取时相感官应激相关系数和时相事件分布特征，生成睡眠感官应激水平报告。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中的感官皮质及关联高级皮质中枢生理状态信号进行采集记录、信号处理、感官事件识别和事件信号分离，得到感官中枢生理状态数据、感官事件时间过程标识集和感官中枢生理事件数据的具体步骤还包括：对用户睡眠过程中的感官皮质及关联高级皮质中枢生理状态信号进行采集记录和信号处理，得到所述感官中枢生理状态数据；对所述感官中枢生理状态数据进行感官事件识别，生成所述感官事件时间过程标识集；根据所述感官事件时间过程标识集，对所述感官中枢生理状态数据进行事件信号分离，得到所述感官中枢生理事件数据。3.如权利要求2所述的方法，其特征在于：所述感官皮质是指感觉器官对应的初级感觉皮质和次级感觉皮质，包括躯体感觉的初级感觉皮质和次级感觉皮质、视觉的初级感觉皮质和次级感觉皮质、听觉的初级感觉皮质和次级感觉皮质、嗅觉的初级感觉皮质和次级感觉皮质、味觉的初级感觉皮质和次级感觉皮质至少一项。4.如权利要求2或3所述的方法，其特征在于：所述关联高级皮质是指与感官事件时序处理相关联的高级皮质和边缘系统，至少包括顶叶联合皮质、颞叶联合皮质、前额叶皮质、边缘系统。5.如权利要求2所述的方法，其特征在于：所述中枢生理状态信号包括脑电信号、脑磁信号、功能性近红外光谱成像信号、功能性核磁共振成像信号至少一项。6.如权利要求1或2所述的方法，其特征在于：所述感官事件识别是指从大脑各个感官皮质及关联高级皮质中枢生理状态信号中区分出多个连续的不同独立感官事件的发生和表征，识别每一个独立事件在不同皮质区域中的表征时序过程、事件中心时间、事件起始时
间和事件结束时间，生成所述感官事件时间过程标识集。7.如权利要求1或2所述的方法，其特征在于：所述感官事件时间过程标识集包括事件中心时间、事件起始时间、事件结束时间，以及事件过程中各皮质区域中枢生理状态信号的负向峰值时间至少一项。8.如权利要求7所述的方法，其特征在于：所述感官事件时间过程标识集的一种具体提取方法为：1)对所述感官中枢生理状态数据中的各个中枢生理状态信号进行预设移动步长和预设时间窗口长度的逆向平均电位处理和变异系数分析，识别不同皮质区域信号的变异系数绝对值最大处，得到感官事件表征时间中心集；2)从所述感官事件表征时间中心集中提取顶叶联合皮质区域的事件表征时间中心，得到多感官同步整合时间中心点集；3)从所述多感官同步整合时间中心点集中选择特定通道的并提取其一特定多感官同步整合时间中心点，作为事件时间中心基点；4)从所述感官事件表征时间中心集中向前识别小于所述事件时间中心基点的、且距离所述事件时间中心基点最近、次近的所述感官皮质不同区域对应的事件表征时间中心，生成所述事件时间中心基点对应的感官皮质事件最近表征时间中心集和感官皮质事件次近表征时间中心集；5)识别所述感官皮质事件最近表征时间中心集的最小值作为上边界值，识别所述感官皮质事件次近表征时间中心集的最大值作为下边界值，计算上边界值和下边界值的均值，得到所述事件时间中心基点对应的特定事件起始时间，也是上一个特定事件的结束时间；6)从所述感官事件表征时间中心中向后识别大于所述事件时间中心基点的、且距离所述事件时间中心基点最近、次近的所述关联高级皮质不同区域对应的事件表征时间中心，生成所述事件时间中心基点对应的关联高级皮质事件最近表征时间中心集和关联高级皮质事件次近表征时间中心集；7)识别所述关联高级皮质事件最近表征时间中心集的最大值作为下边界值，识别所述关联高级皮质事件次近表征时间中心集的最小值作为上边界值，计算上边界值和下边界值的均值，得到所述事件时间中心基点对应的特定事件结束时间，也是下一个特定事件的起始时间；8)依次以从所述多感官同步整合时间中心点集中选择特定通道的全部多感官同步整合时间中心点对应的所述事件时间中心基点、特定事件起始时间和特定事件结束时间，结合所述感官事件表征时间中心集，生成所述感官事件时间过程标识集。9.如权利要求1或2所述的方法，其特征在于：所述事件信号分离是指根据所述感官事件时间过程标识集中的特定事件起始时间和特定事件结束时间，对所述感官中枢生理状态数据进行时间定位和数据提取，得到所述感官中枢生理事件数据。10.如权利要求1或2所述的方法，其特征在于：所述对所述感官事件时间过程标识集进行感官事件时间分布特征分析，生成感官事件时间分布特征的具体步骤还包括：对所述感官事件时间过程标识集进行事件持续时长特征分析，得到感官事件持续时长特征；对所述感官事件时间过程标识集进行事件表征时间中心特征分析，得到感官事件表征
时间中心分布特征；根据所述感官事件持续时长特征和所述感官事件表征时间中心分布特征，整合生成所述感官事件时间分布特征。11.如权利要求10所述的方法，其特征在于，所述感官事件持续时长特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度至少一项；所述感官事件表征时间中心分布特征包括每个事件的感官皮质活动时长、多感官同步整合时间中心点、关联高级皮质活动时长、感官皮质活动时长与关联高级皮质活动时长的比值关系至少一项。12.如权利要求1或2所述的方法，其特征在于，所述对所述感官中枢生理事件数据进行感官事件时空过程特征分析，评估感官事件在各个感官皮质及高级皮质的时序活动过程和独立表征水平，得到感官独立应激事件特征的具体步骤还包括：对所述感官中枢生理事件数据中的、所述感官皮质的中枢生理状态数据进行时频特征分析和非线性特征分析，评估每个感觉器官皮质的活动表征特征，得到感官皮质事件时空特征；对所述感官中枢生理事件数据中的、所述关联高级皮质的中枢生理状态数据进行时频特征分析和非线性特征分析，评估每个关联高级皮质的活动表征特征，得到关联高级皮质事件时空特征；根据所述感官皮质事件时空特征和所述关联高级皮质事件时空特征，整合生成所述感官独立应激事件特征。13.如权利要求12所述的方法，其特征在于，所述时频特征包括不同皮质区域、不同通道的总功率、特征频带功率、特征频带功率占比、特征频带中心频率和包络特征中的至少一项；所述非线性特征包括不同皮质区域、不同通道的熵特征、分形特征、复杂度特征至少一项。14.如权利要求1或2所述的方法，其特征在于，所述对所述感官中枢生理事件数据进行感官事件时空关联特征分析，评估感官事件在不同感官皮质及关联高级皮质之间的关联协同模式和联合表征水平，得到感官联合应激事件特征的具体步骤还包括：对所述感官中枢生理事件数据中两两中枢生理状态数据进行跨频率耦合分析，评估不同感觉器官皮质间及高级功能皮质的协同模式，得到感官耦合应激事件特征；对所述感官中枢生理事件数据中两两中枢生理状态数据进行动态关系连接分析，评估不同感觉器官皮质间及高级功能皮质的联合表征状态，得到感官连接应激事件特征；根据所述感官耦合应激事件特征和所述感官连接应激事件特征，整合生成所述感官联合应激事件特征。15.如权利要求14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感官中枢生理事件数据中的不同皮质区域的、不同通道的、不同频带的两两目标信号组进行相
‑
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。16.如权利要求14所述的方法，其特征在于，所述感官耦合应激事件特征包括不同皮质区域的、不同通道的、不同频带的两两信号之间的相
‑
相耦合特征、相
‑
幅耦合特征和幅
‑
幅耦合特征至少一项。17.如权利要求14所述的方法，其特征在于，所述动态关系连接分析具体为所述感官中枢生理事件数据中的不同皮质区域的、不同通道的两两目标信号组进行动态关系特征分
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。18.如权利要求14所述的方法，其特征在于，所述感官连接应激事件特征包括不同皮质区域的、不同通道的两两信号之间的时频交叉特征、信号关联特征和信号距离特征至少一项；其中，所述时频交叉特征包括交叉频谱密度、锁相值、相位斜率指数、转移熵至少一项；所述信号关联特征包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数至少一项，所述信号距离特征包括欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、巴氏距离、汉明距离和夹角余弦至少一项。19.如权利要求1或2所述的方法，其特征在于，所述结合感官应激水平特征基线库，对所述感官事件时间分布特征、所述感官独立应激事件特征和所述感官联合应激事件特征进行基线变化分析和变异调和分析，量化用户大脑皮质的整体感官应激状态和应激水平，提取感官应激水平指数，生成睡眠感官应激水平曲线的具体步骤还包括：建立不同年龄层的、规模数量的健康用户群体的所述感官应激水平特征基线库；根据所述感官应激水平特征基线库，对所述感官事件时间分布特征、所述感官独立应激事件特征和所述感官联合应激事件特征进行基线变化分析和变异调和分析，按事件时序先后顺序逐个提取所述感官应激水平指数，生成所述睡眠感官应激水平曲线。20.如权利要求19所述的方法，其特征在于，所述感官应激水平特征基线库的建立方法具体为：1)采集不同年龄层的、规模数量的健康用户群体的静息态、感官任务态下的感官皮质及关联高级皮质中枢生理状态信号进行采集记录、信号处理、感官事件识别和事件信号分离，得到基线感官事件时间过程标识集和基线感官中枢生理事件数据；2)对所述基线感官事件时间过程标识集进行感官事件时间分布特征分析，生成基线感官事件时间分布特征集；3)对所述基线感官中枢生理事件数据进行感官事件时空过程特征分析和感官事件时空关联特征分析，分别生成基线感官独立应激事件特征和基线感官联合应激事件特征；4)整合所述基线感官事件时间分布特征集、所述基线感官独立应激事件特征和所述基线感官联合应激事件特征，生成基线感官生理应激特征集；5)对全部用户样本的所述基线感官生理应激特征集中的每一个特征进行均值计算，得到每一个特征的静息基线值和任务基线值，建立所述感官应激水平特征基线库。21.如权利要求19所述的方法，其特征在于，所述感官应激水平指数和所述睡眠感官应激水平曲线的计算生成方法具体为：1)获取同一年龄层的、规模数量的健康用户群体的静息态、感官任务态下的所述感官应激水平特征基线库，得到对比感官应激水...
【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。