一种离线睡眠慢波检测系统技术方案

本发明专利技术公开了一种离线睡眠慢波检测系统，包括：睡眠脑电采集模块用于对待测目标的睡眠脑电信号进行采集、存储，并经由数据传输模块传输给数据处理与可视化模块；数据处理与可视化模块用于对接收到的睡眠脑电信号进行处理，选取处理后睡眠脑电信号中的特定睡眠脑电信号，根据基于预先构建的字典所实现的改进型匹配追踪算法，检测特定睡眠脑电信号中的慢波；本发明专利技术通过将基函数限制为与睡眠慢波形态相似的预设函数来构建字典，将字典与匹配追踪算法结合完成慢波检测，检测过程依赖于波形而非硬性的幅度指标，因此适用于振幅较低的人群，具有更广阔的应用场景，能大幅降低人力成本，具有很高的睡眠慢波检测效率、准确性和可靠性。性。性。

【技术实现步骤摘要】
一种离线睡眠慢波检测系统


[0001]本专利技术属于睡眠慢波检测领域，具体涉及一种离线睡眠慢波检测系统。

技术介绍

[0002]在睡眠中，慢波睡眠是最伟大的神经协作之一，正常成年人的慢波睡眠比例在20％
‑
25％左右，并且能够帮助人体缓解一天的疲劳、重新整和大脑的记忆并清除代谢废物，保护我们的脑健康，是保证睡眠质量的重要睡眠阶段，而慢波是慢波睡眠阶段最重要的标志，在众多的功能中具有决定性的作用。
[0003]慢波是睡眠过程中的一种重要信号，是判断睡眠质量的重要指标之一，慢波出现的频率和幅度等参数可以反映出人体的睡眠深度和睡眠质量，因此检测睡眠慢波可以用于睡眠质量的评估；同时，慢波和精神疾病之间也存在一定的关系，通过检测睡眠慢波可以辅助精神疾病的诊断和治疗；另外，睡眠慢波的幅度和密度也与脑卒中的发生有关，检测睡眠慢波可以对脑卒中的风险进行评估，为预防和诊断脑卒中提供帮助，因此，对睡眠慢波的检测具有广泛的应用价值和意义。
[0004]传统的睡眠慢波检测算法是依赖于睡眠领域的专家，用肉眼观察睡眠脑电信号并进行手动标记。这种方法虽然比较精准，但是需要耗费大量的时间和人力成本，是一项成本很高的任务，而且由于受到专家主观性的影响，检测结果存在一定的误差，鲁棒性不足。
[0005]目前，市面上的睡眠慢波离线自动检测算法可以归为一类，例如，中国专利CN113907709A，此专利使用的方法首先是将脑电信号滤波到δ频带(0.3
‑
4Hz)，然后识别脑电信号中的过零点和峰值、谷值，并通过幅度的标准与持续时间的标准进行慢波的检测。但是这种方法存在窄带失真的问题，慢波检测的准确率偏低，容易漏报误报，而且由于该算法基于振幅的硬性标准，不适用于脑电信号幅度较低的人群，如老年人与精神类疾病的患者。

技术实现思路

[0006]为了解决现有技术中存在的上述问题，本专利技术提供了一种离线睡眠慢波检测系统。本专利技术要解决的技术问题通过以下技术方案实现：
[0007]一种离线睡眠慢波检测系统，包括：睡眠脑电采集模块、数据传输模块，以及数据处理与可视化模块，其中，
[0008]所述睡眠脑电采集模块，用于对待测目标的睡眠脑电信号进行采集、存储，并经由所述数据传输模块传输给所述数据处理与可视化模块；
[0009]所述数据处理与可视化模块，用于对接收到的睡眠脑电信号进行处理，选取处理后睡眠脑电信号中的特定睡眠脑电信号，根据基于预先构建的字典所实现的改进型匹配追踪算法，检测所述特定睡眠脑电信号中的慢波；其中，所述预先构建的字典的基函数被限制为与睡眠慢波形态相似的预设函数。
[0010]在本专利技术的一个实施例中，所述睡眠脑电采集模块对待测目标的睡眠脑电信号进行采集、存储的过程，包括：
[0011]依据预设采样率，利用电极线和基于10
‑
20系统确定的多个预设采集通道，采集得到待测目标的原始睡眠脑电信号，其中，所述多个预设采集通道包括脑电、眼电和肌电的多个通道；
[0012]将所述原始睡眠脑电信号进行放大和降噪处理，并存储得到的睡眠脑电信号。
[0013]在本专利技术的一个实施例中，所述基于10
‑
20系统确定的多个预设采集通道，包括：
[0014]脑电通道中的C3、C4、FP1、FP2；眼电通道中的EOG1和EOG2，以及肌电通道中的CHINZ和CHIN1。
[0015]在本专利技术的一个实施例中，所述数据处理与可视化模块对接收到的睡眠脑电信号进行处理的过程，包括：
[0016]利用所述数据处理与可视化模块中的滤波模块，对接收到的睡眠脑电信号采用预设滤波器进行滤波处理，得到滤波后睡眠脑电信号，其中，脑电通道、眼电通道和肌电通道的睡眠脑电信号采用各自对应的滤波频率范围；
[0017]利用所述数据处理与可视化模块中的伪迹处理模块，基于预设伪迹处理算法对所述滤波后睡眠脑电信号中的伪迹进行检测并标记，得到伪迹处理后睡眠脑电信号；
[0018]利用所述数据处理与可视化模块中的阶段划分模块，对所述伪迹处理后睡眠脑电信号进行epoch划分，并利用预先训练得到的分类模型对每个epoch的睡眠脑电信号进行睡眠阶段分类，得到携带有睡眠阶段标签的各epoch的睡眠脑电信号作为处理后睡眠脑电信号；其中，睡眠阶段包括wake、N1、N2、N3和rem共计五个阶段；所述分类模型基于机器学习方法构建，是根据具有睡眠阶段标记的样本睡眠脑电信号训练得到的。
[0019]在本专利技术的一个实施例中，所述预设伪迹处理算法包括基于Potato算法的伪迹处理算法；
[0020]相应的，所述基于预设伪迹处理算法对所述滤波后睡眠脑电信号中的伪迹进行检测并标记，得到伪迹处理后睡眠脑电信号，包括：
[0021]步骤a1，利用预设大小的数据窗口对所述滤波后睡眠脑电信号进行数据切割，得到当前次迭代对应的窗口数据；
[0022]步骤a2，计算当前次迭代对应的窗口数据的协方差矩阵；
[0023]步骤a3，基于Potato算法、当前次迭代对应的协方差矩阵以及输入参考协方差矩阵，计算当前次迭代对应的参考协方差矩阵；其中，针对首次迭代，所述输入参考协方差矩阵为首次迭代对应的协方差矩阵，针对第二次迭代开始的任一次迭代，所述输入参考协方差矩阵为上一次迭代后得到的最新的参考协方差矩阵；
[0024]步骤a4，基于当前次迭代对应的协方差矩阵和参考协方差矩阵的联合特征值，计算当前次迭代对应的欧几里得距离，以表征当前次迭代中，对应的协方差矩阵与参考协方差矩阵之间的距离；
[0025]步骤a5，根据当前得到的欧几里得距离集合确定当前次迭代使用的伪迹阈值；
[0026]步骤a6，判断当前次迭代对应的欧几里得距离是否大于当前次迭代使用的伪迹阈值；若否，执行步骤a7，若是，执行步骤a8；
[0027]步骤a7，将当前次迭代对应的窗口数据标记为非伪迹，将当前次迭代对应的参考协方差矩阵作为当前次迭代后得到的最新的参考协方差矩阵，并将当前次迭代对应的欧几里得距离加入当前得到的欧几里得距离集合，完成参考协方差矩阵和欧几里得距离集合的
更新，并针对下一个窗口数据执行步骤a2；
[0028]步骤a8，将当前次迭代对应的窗口数据标记为伪迹，对参考协方差矩阵和欧几里得距离集合不进行更新，并针对下一个窗口数据执行步骤a2。
[0029]在本专利技术的一个实施例中，所述根据当前得到的欧几里得距离集合确定当前次迭代使用的伪迹阈值，包括：
[0030]计算当前得到的欧几里得距离集合中所有欧几里得距离的平均值以及标准差；
[0031]将所述标准差的2倍数与所述平均值之和，确定为当前次迭代使用的伪迹阈值。
[0032]在本专利技术的一个实施例中，所述选取处理后睡眠脑电信号中的特定睡眠脑电信号，根据基于预先构建的字典所实现的改进型匹配追踪算法，检测所述特定睡眠脑电信号中的慢波，包括：
[0033]利用所述数据处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种离线睡眠慢波检测系统，其特征在于，包括：睡眠脑电采集模块、数据传输模块，以及数据处理与可视化模块，其中，所述睡眠脑电采集模块，用于对待测目标的睡眠脑电信号进行采集、存储，并经由所述数据传输模块传输给所述数据处理与可视化模块；所述数据处理与可视化模块，用于对接收到的睡眠脑电信号进行处理，选取处理后睡眠脑电信号中的特定睡眠脑电信号，根据基于预先构建的字典所实现的改进型匹配追踪算法，检测所述特定睡眠脑电信号中的慢波；其中，所述预先构建的字典的基函数被限制为与睡眠慢波形态相似的预设函数。2.根据权利要求1所述的离线睡眠慢波检测系统，其特征在于，所述睡眠脑电采集模块对待测目标的睡眠脑电信号进行采集、存储的过程，包括：依据预设采样率，利用电极线和基于10
‑
20系统确定的多个预设采集通道，采集得到待测目标的原始睡眠脑电信号，其中，所述多个预设采集通道包括脑电、眼电和肌电的多个通道；将所述原始睡眠脑电信号进行放大和降噪处理，并存储得到的睡眠脑电信号。3.根据权利要求2所述的离线睡眠慢波检测系统，其特征在于，所述基于10
‑
20系统确定的多个预设采集通道，包括：脑电通道中的C3、C4、FP1、FP2；眼电通道中的EOG1和EOG2，以及肌电通道中的CHINZ和CHIN1。4.根据权利要求1或3所述的离线睡眠慢波检测系统，其特征在于，所述数据处理与可视化模块对接收到的睡眠脑电信号进行处理的过程，包括：利用所述数据处理与可视化模块中的滤波模块，对接收到的睡眠脑电信号采用预设滤波器进行滤波处理，得到滤波后睡眠脑电信号，其中，脑电通道、眼电通道和肌电通道的睡眠脑电信号采用各自对应的滤波频率范围；利用所述数据处理与可视化模块中的伪迹处理模块，基于预设伪迹处理算法对所述滤波后睡眠脑电信号中的伪迹进行检测并标记，得到伪迹处理后睡眠脑电信号；利用所述数据处理与可视化模块中的阶段划分模块，对所述伪迹处理后睡眠脑电信号进行epoch划分，并利用预先训练得到的分类模型对每个epoch的睡眠脑电信号进行睡眠阶段分类，得到携带有睡眠阶段标签的各epoch的睡眠脑电信号作为处理后睡眠脑电信号；其中，睡眠阶段包括wake、N1、N2、N3和rem共计五个阶段；所述分类模型基于机器学习方法构建，是根据具有睡眠阶段标记的样本睡眠脑电信号训练得到的。5.根据权利要求4所述的离线睡眠慢波检测系统，其特征在于，所述预设伪迹处理算法包括基于Potato算法的伪迹处理算法；相应的，所述基于预设伪迹处理算法对所述滤波后睡眠脑电信号中的伪迹进行检测并标记，得到伪迹处理后睡眠脑电信号，包括：步骤a1，利用预设大小的数据窗口对所述滤波后睡眠脑电信号进行数据切割，得到当前次迭代对应的窗口数据；步骤a2，计算当前次迭代对应的窗口数据的协方差矩阵；步骤a3，基于Potato算法、当前次迭代对应的协方差矩阵以及输入参考协方差矩阵，计算当前次迭代对应的参考协方差矩阵；其中，针对首次迭代，所述输入参考协方差矩阵为首
次迭代对应的协方差矩阵，针对第二次迭代开始的任一次迭代，所述输入参考协方差矩阵为上一次迭代后得到的最新的参考协方差矩阵；步骤a4，基于当前次迭代对应的协方差矩阵和参考协方差矩阵的联合特征值，计算当前次迭代对应的欧几里得距离，以表征当前次迭代中，对应的协方差矩阵与参考协方差矩阵之间的距离；步骤a5，根据当前得到的欧几里得距离集合确定当前次迭代使用的伪迹阈值；步骤a6，判断当前次迭代对应的欧几里得距离是否大于当前次迭代使用的伪迹阈值；若否，执行步骤a7，若是，执行步骤a8；步骤a7，将当前次迭代对应的窗口数据标记为非伪迹，将当前次迭代对应的参考协方差矩阵作为当前次迭代后得到的最新的参考协方差矩阵，并将当前次迭代对应的欧几里得距离加入当前得到的欧几里得距离集合，完成参考协方差矩阵和欧几里得距离集合的更新，并针对下一个窗口数据执行步骤a2；步骤a8，将当前次迭代对应的窗口数据标记为伪迹，对参考协方差矩阵和欧几里得距离...

【专利技术属性】
技术研发人员：孙金铂，王胤，崔亚朋，史文纬，秦伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：