基于睡眠脑电信号的睡眠分期方法及装置的制造方法
【技术领域】
[0001] 本发明涉及睡眠分期技术领域，尤其涉及一种基于睡眠脑电信号的睡眠分期方法 及装置。
【背景技术】
[0002] 睡眠是人体必不可少的生理活动，是一种既重要又复杂的生理现象，在人类生命 中大约占有三分之一的时间。睡眠是机体进行自我修复和完善的过程，对维持身心健康具 有重要的调节作用。
[0003] 睡眠分期是根据人体在睡眠期间生理信号的不同变化而将睡眠过程分为不同的 阶段。各个阶段的睡眠以一定的规律周期性的出现，并且都有各自特定的生理和行为特点。 根据脑电图的不同特征及国际通用规则，主要将睡眠分为觉醒期、非眼球快速运动期(Nonrapid eye movement，简称NREM) 和眼球快速运动期（Rapid eye movement，简称REM)。其 中，NREM期又分为四个时期，NREM-1期为入睡期，NREM-2期为浅睡期，NREM-3期为中度睡眠 期，NREM-4期为深度睡眠期。
[0004] 在现有的临床睡眠分析中，主要由专家根据R&K睡眠 EEG(electroencephalogram) 分期规则进行人工目测分析。而由于睡眠期间所记录的脑电数据非常庞大，因此由人工对 睡眠进行分期这种方式非常繁琐、耗时，准确率及效率很低。
【发明内容】
[0005] 本发明的主要目的在于提供一种基于睡眠脑电信号的睡眠分期方法及装置，旨在 提高睡眠分期的准确率及效率。
[0006] 为实现上述目的，本发明提供的一种基于睡眠脑电信号的睡眠分期方法，所述方 法包括以下步骤：
[0007] 采用预设的时频分析方法对预设的各睡眠阶段的原始脑电信号进行分析，获取各 睡眠阶段的脑电信号特征信息；
[0008] 根据所述脑电信号特征信息建立各睡眠阶段的脑电信号特征模型；
[0009] 基于所述脑电信号特征模型对待处理脑电信号进行睡眠分期。
[0010] 优选地，所述采用预设的时频分析方法对预设的各睡眠阶段的原始脑电信号进行 分析，获取各睡眠阶段的脑电信号特征信息的步骤包括：
[0011] 对预设的各睡眠阶段的原始脑电信号进行短时傅立叶变换，获取各睡眠阶段的原 始脑电信号的频域特征信息；
[0012] 对预设的各睡眠阶段的原始脑电信号进行希尔伯特变换，获取各睡眠阶段的原始 脑电信号的时域信号包络；
[0013] 对预设的各睡眠阶段的原始脑电信号进行高斯窗傅立叶变换，获取各睡眠阶段的 原始脑电信号在预设频率上的局部频域特征信息。
[0014] 优选地，所述采用预设的时频分析方法对预设的各睡眠阶段的原始脑电信号进行 分析，获取各睡眠阶段的脑电信号特征信息的步骤还包括：
[0015] 利用预设的空间滤波器对所述频域特征信息、时域信号包络、局部频域特征信息 进行共空间模式滤波处理，获取各睡眠阶段的脑电信号特征信息。
[0016] 优选地，所述根据所述脑电信号特征信息建立各睡眠阶段的脑电信号特征模型的 步骤包括：
[0017] 基于各睡眠阶段的脑电信号特征信息，利用预设的学习向量量化神经网络算法进 行建模，建立各睡眠阶段的脑电信号特征模型。
[0018] 优选地，所述基于所述脑电信号特征模型对待处理脑电信号进行睡眠分期的步骤 包括：
[0019] 提取待处理脑电信号的特征信息，将所述特征信息在各睡眠阶段的脑电信号特征 模型中进行匹配，并根据匹配结果对待处理脑电信号进行睡眠分期。
[0020] 此外，为实现上述目的，本发明还提供一种基于睡眠脑电信号的睡眠分期装置，所 述基于睡眠脑电信号的睡眠分期装置包括：
[0021] 获取模块，用于采用预设的时频分析方法对预设的各睡眠阶段的原始脑电信号进 行分析，获取各睡眠阶段的脑电信号特征信息；
[0022] 建模模块，用于根据所述脑电信号特征信息建立各睡眠阶段的脑电信号特征模 型；
[0023] 睡眠分期模块，用于基于所述脑电信号特征模型对待处理脑电信号进行睡眠分 期。
[0024]优选地，所述获取模块还用于：
[0025] 对预设的各睡眠阶段的原始脑电信号进行短时傅立叶变换，获取各睡眠阶段的原 始脑电信号的频域特征信息；
[0026] 对预设的各睡眠阶段的原始脑电信号进行希尔伯特变换，获取各睡眠阶段的原始 脑电信号的时域信号包络；
[0027] 对预设的各睡眠阶段的原始脑电信号进行高斯窗傅立叶变换，获取各睡眠阶段的 原始脑电信号在预设频率上的局部频域特征信息。
[0028]优选地，所述获取模块还用于：
[0029] 利用预设的空间滤波器对所述频域特征信息、时域信号包络、局部频域特征信息 进行共空间模式滤波处理，获取各睡眠阶段的脑电信号特征信息。
[0030] 优选地，所述建模模块还用于：
[0031] 基于各睡眠阶段的脑电信号特征信息，利用预设的学习向量量化神经网络算法进 行建模，建立各睡眠阶段的脑电信号特征模型。
[0032] 优选地，所述睡眠分期模块还用于：
[0033] 提取待处理脑电信号的特征信息，将所述特征信息在各睡眠阶段的脑电信号特征 模型中进行匹配，并根据匹配结果对待处理脑电信号进行睡眠分期。
[0034] 本发明提出的一种基于睡眠脑电信号的睡眠分期方法及装置，对各睡眠阶段的原 始脑电信号进行时频分析，获取各睡眠阶段的脑电信号特征信息;根据所述脑电信号特征 信息建立各睡眠阶段的脑电信号特征模型;基于所述脑电信号特征模型对待处理脑电信号 进行睡眠分期。由于是对原始脑电信号的时域和频域进行分析后建立的脑电信号特征模 型，能更加准确的反映出不同睡眠阶段中非平稳、非线性的脑电信号特征，保证了利用该脑 电信号特征模型进行睡眠分期的较高准确率，且能利用该脑电信号特征模型自动进行睡眠 分期，无需人工分析脑电数据，提高了睡眠分期的效率。
【附图说明】
[0035] 图1为本发明基于睡眠脑电信号的睡眠分期方法一实施例的流程示意图；
[0036] 图2为本发明基于睡眠脑电信号的睡眠分期方法一实施例中的希尔伯特变换示意 图；
[0037] 图3为本发明基于睡眠脑电信号的睡眠分期方法一实施例中利用希尔伯特变换求 信号包络示意图；
[0038] 图4为本发明基于睡眠脑电信号的睡眠分期装置一实施例的功能模块示意图。
[0039] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0040] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0041] 本发明提供一种基于睡眠脑电信号的睡眠分期方法。
[0042] 参照图1，图1为本发明基于睡眠脑电信号的睡眠分期方法一实施例的流程示意 图。
[0043] 在一实施例中，该基于睡眠脑电信号的睡眠分期方法包括：
[0044] 步骤S10,采用预设的时频分析方法对预设的各睡眠阶段的原始脑电信号进行分 析，获取各睡眠阶段的脑电信号特征信息；
[0045]本实施例中，先对预设的各睡眠阶段的原始脑电信号进行分析，获取各睡眠阶段 的脑电信号特征信息。由于脑电信号是非平稳、非线性的信号，其统计特性随着时间的变化 而变化，因此，本实施例采用时频分析方法对预设的各睡眠阶段的原始脑电信号进行分析 和处理，结合了非平稳信号的时域和频域分析，获取各睡眠阶段不同的特征信息。
[0046] 其中，时频分析即时频联合域分析(Joint Time-Frequency Analysis，简称JTFA) 是一种分析时变非平稳信号的信号处理方法。时频分析方法提供了时间域与频率域的联合 分布信息，能清楚地描述信号频率随时间变化的关系。时频分析的实现方式可以是先设计 时间和频率的联合函数，用它同时描述信号在不同时间和频率的能量密度或强度。时间和 频率的这种联合函数简称为时频分布。利用时频分布来分析信号，能给出各个时刻的瞬时 频率及其幅值，并且能够进行时频滤波和时变信号研究。
[0047] 本实施例中可采用短时傅立叶变换、Gabor变换、连续小波变换、Wigner-Vi 1 le分 布、希尔伯特黄变换(Hilbert-Huang Transform，简称HHT)等时频分析方法对预设的各睡 眠阶段的原始脑电信号进行分析，获取各睡眠阶段的脑电信号在时域、频域的多种特征信 息。
[0048] 步骤S20,根据所述脑电信号特征信息建立各睡眠阶段的脑电信号特征模型；
[0049] 根据获取的各睡眠阶段的脑电信号在时域、频域的多种特征信息后，可根据各睡 眠阶段的多种脑电信号特征信息建立各睡眠阶段相对应的脑电信号特征模型，如可基于各 睡眠阶段的脑电信号特征信息，利用神经网络算法等方式进行建模，建立各睡眠阶段的脑 电信号特征模型。
[0050] 步骤S30,基于所述脑电信号特征模型对待处理脑电信号进行睡眠分期。
[0051] 根据各睡眠阶段的多种脑电信号特征信息建立各睡眠阶段相对应的脑电信号特 征模型后，即可利用建立的各睡眠阶段相对应的脑电信号特征模型进行睡眠自动分期。如 当需要对待处理脑电信号进行睡眠自动分期时，可提取待处理脑电信号的特征信息，其中， 该特征信息可包括该待处理脑电信号在时域、频域的多种特征信息。将提取的该待处理脑 电信号的特