[发明专利]基于脑电、心率变异及两者相干性的自动睡眠分期方法

说明书

技术领域

本发明涉及自动睡眠分期领域，特别涉及一种基于脑电、心率变异及两者相干性的自动睡眠分期方法。

背景技术

睡眠是人体重要的生理活动，人类生命约有1/3的时间在睡眠中度过。睡眠是机体自我修复和自我恢复的过程，而良好的睡眠是维持身心健康的基本需要。进行睡眠分期是探讨睡眠期间生理调节变化规律、进行睡眠质量评价的基础和前提，更重要的是，作为睡眠监护仪最核心的技术模块，睡眠分期为针对睡眠的多模式生理学研究提供了一种可靠的量化指标。

睡眠分期就是根据睡眠期间人体生理信号的不同将睡眠分为不同的阶段。主要分为非快速眼动期（NREM）和快速眼动期(REM)。非快速眼动期从夜间入睡开始，又细分为4期，NREM-Ⅰ为入睡期，NREM-Ⅱ为浅睡期，NREM-Ⅲ为中度睡眠期，NREM-Ⅳ为深度睡眠期。在这个阶段人的呼吸变浅、变慢，心率变慢、血压下降，全身肌肉松弛，无明显的眼球运动。快速眼动期的特征是眼球快速转动。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。图1是正常人的睡眠周期图。

目前，基于各种生理信号的睡眠监测方法主要有多导睡眠图（PSG）、EEG（脑电信号）监测法、ECG（心电信号）监测法、血氧饱和度监测法和身体活动变化记录法等。（1）PSG是进行睡眠医学研究的经典方法，也称金方法。它同时记录EEG、EOG（眼电信号）和EMG（肌电信号），在此基础上根据R&K规则^[1]，进行睡眠状态和睡眠阶段的判定，但此方法需要佩戴至少十枚电极，被试者经常感觉不适，对正常睡眠干扰较大。而且一般采用对脑电波形进行人工判读的方法，但这需要很大的工作量，且有赖于判读者的个人经验，往往夹带有主观因素，缺乏一致性客观标准。（2）EEG监测法、ECG监测法、血氧饱和度监测法和身体活动变化记录法等多采用单一参数或将各生理参数简单融合作为自动睡眠分期的指标，正确率较低。

发明内容

本发明提供了一种基于脑电、心率变异及两者相干性的自动睡眠分期方法，本发明提高了睡眠的质量，且提高了自动睡眠分期的质量，详见下文描述：

一种基于脑电、心率变异及两者相干性的自动睡眠分期方法，所述方法包括以下步骤：

（1）提取被测试者的脑电信号和心率变异信号；

（2）从脑电信号、心率变异信号中共提取9个特征向量；

（3）对9个特征向量进行主成分分析；

（4）特征降维后，使用支持向量机分类器对特征进行识别，进行自动睡眠分期。

所述从脑电信号、心率变异信号中共提取9个特征向量的操作具体为：

1）通过对脑电信号进行小波变换、希尔伯特黄变换和奇异值分解获取脑电信号的小波熵、Hilbert-Huang熵，以及奇异值第一主成分，分别记为特征向量P₁,P₂,P₃；

2）计算极低频VLF、低频LF和高频HF的频谱熵，并通过小波变换计算心率变异信号的分形维数，分别记为特征向量P₄,P₅,P₆,P₇；

3）对脑电信号以及心率变异信号进行功率谱密度分析，并进行归一化处理，然后分别计算脑电信号delta频段与心率变异信号LF、HF的相干系数，分别记为特征向量P₈,P₉。

所述对脑电信号以及心率变异信号进行功率谱密度分析，并进行归一化处理，然后分别计算脑电信号delta频段与心率变异信号LF、HF的相干系数，分别记为特征向量P₈,P₉的操作具体为：

1）截取同一时间段的EEG、HRV信号，进行预处理，包括变参考、降采样、去噪声与干扰，预处理后的EEG信号记为x，HRV信号记为y；

2）采用Welch算法计算EEG、HRV的功率谱密度以及两者的互功率谱密度，分别记为Pxx(f₁)，Pyy(f₂)，Pxy(f₁,f₂)；

3）用改进的相干函数计算EEG信号delta频段与HRV信号LF、HF的相干系数。

所述对9个特征向量进行主成分分析的操作具体为：