[发明专利]清醒状态下的脑电信号数据类型的标注方法和系统

说明书

本发明涉及一种清醒状态下的脑电信号数据类型的标注方法和系统，其中所述方法包括：在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本，进行小波分解和低频段重建得到眼电信号和脑电信号；根据同一时刻脑电信号和眼电信号，在眼电信号上检测眨眼活动，并对样本熵进行阈值判断，当存在眨眼活动或样本熵大于阈值，将当前脑电信号样本的信号类型标注为清醒状态。本发明可以避免脑电信号受到干扰，准确地检测脑电信号的清醒状态，并进行有效的数据类型标注，使得利用该标注的脑电信号样本训练出来的个人分类器的识别准确率更高，也提升了后期对个人睡眠状态检测结果的可靠性。

技术领域

本发明涉及辅助睡眠技术领域，特别是涉及一种清醒状态下的脑电信号数据类型的标注方法和系统。

背景技术

目前市面上已经有一些辅助设备来进行辅助人们入睡，即辅助睡眠，以提高用户的睡眠质量。睡眠状态分析是辅助设备了解用户睡眠质量的重要手段，而在此过程中，需要对用户睡眠状态进行检测，以准确知道用户是清醒还是睡着状态，然后才能够进行对应的干预措施。

多导睡眠图(Polysomnography,PSG)，又称睡眠脑电图，是目前临床上用于睡眠诊断和分析的“金标准”。多导睡眠图利用多种生命体征对睡眠进行分析，在这些体征信号中，脑电处于核心地位；利用脑电波4种节律：δ波(1-3Hz)，θ波(4-7Hz)，α波(8-12Hz)，β波(14-30Hz)的频率特性。根据不同节律的脑电波和眼球运动特征，除了清醒阶段以外，睡眠可以分成非眼快动睡眠(No Rapid Eye Movement Sleep,NREM sleep)和眼快动睡眠(RapidEye Movement Sleep,REM sleep)周期。其中非眼快动睡眠又可以分为4个时期：S1期(完全清醒至睡眠之间的过渡阶段)，S2期(浅睡阶段)，S3期(中等深度睡眠)，S4期(深睡期)。

一般情况下，检测用户是否处于清醒状态，是通过利用脑电波在4个频段的信号(δ波频段、θ波频段、α波频段和β波频段)训练清醒状态的识别模型(分类器)来对脑电信号进行识别，这些识别模型往往是利用其他人的脑电波进行训练的通用识别模型，但由于脑电信号的个人特异性很强，并且脑电的强度很弱(脑电为微伏级别，心电为毫伏级别)，在信号采集时极易被外界信号所干扰。

在此过程中，当需要训练个人分类器时，就需要对采集的个人脑电信号样本的数据类型进行标注，这样才可以对标注类型的数据进行自学习和测试，训练出更加适用于个人的个人分类器，而采用通用识别模型来对脑电信号进行检测标注时，如前面所述，由于脑电信号的强度很弱容易受到干扰，采用通用识别模型来标注脑电波信号样本的类型，容易混入干扰成分，导致训练出来的个人分类器的识别准确率较低，影响了后期对个人睡眠状态检测结果的可靠性。

发明内容

基于此，有必要针对上述问题，提供一种清醒状态下的脑电信号数据类型的标注方法和系统，可以准确地检测清醒状态下的脑电信号，并进行数据类型的标注。

一种清醒状态下的脑电信号数据类型的标注方法，包括：

在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本；

分别对所述实时眼电信号和脑电信号样本进行小波分解，并根据设定低频段的小波系数进行信号重建得到眼电信号和脑电信号；

根据同一时刻脑电信号和眼电信号的相关性以及眨眼眼电波形的特征，在眼电信号上检测眨眼活动；并将所述脑电信号的样本熵与预设的样本熵阈值进行比较；

当眼电信号上检测到眨眼活动或所述样本熵大于所述样本熵阈值时，将当前脑电信号样本的信号类型标注为清醒状态。

一种清醒状态下的脑电信号数据类型的标注系统，包括：

信号采集模块，用于在用户开始睡眠过程后，根据设定帧长度采集用户的实时眼电信号和脑电信号样本；