本發(fā)明涉及輔助睡眠技術(shù)領(lǐng)域，特別是涉及一種睡眠狀態(tài)分析中去除眼電偽跡的方法和系統(tǒng)。

背景技術(shù)：

在睡眠中，人體進(jìn)行了自我放松及恢復(fù)的過(guò)程，因此良好的睡眠是保持身體健康的一項(xiàng)基本條件；但是由于工作壓力大、生活作息不規(guī)律等原因，導(dǎo)致了部分人群的睡眠質(zhì)量欠佳，表現(xiàn)為失眠、半夜驚醒等。

目前市面上已經(jīng)有一些設(shè)備來(lái)幫助人們?nèi)胨?，提高睡眠質(zhì)量。例如在某一特定睡眠狀態(tài)下通過(guò)聲音、光信號(hào)等人工干預(yù)，避免在熟睡狀態(tài)下叫醒用戶等。對(duì)于輔助睡眠的設(shè)備而言，為了真正達(dá)到提高用戶睡眠質(zhì)量的目的，正確的識(shí)別用戶的睡眠狀態(tài)是非常重要的。

多導(dǎo)睡眠圖(Polysomnography,PSG)，又稱睡眠腦電圖，是目前臨床上用于睡眠診斷和分析的“金標(biāo)準(zhǔn)”。多導(dǎo)睡眠圖利用多種生命體征例如腦電、肌電(頜下)、眼電、呼吸、血氧等對(duì)睡眠進(jìn)行分析。在這些體征信號(hào)中，腦電圖(electroencephalogram，EOG)處于核心地位。腦電圖是利用精密的電子儀器，在頭皮上將來(lái)自大腦皮層產(chǎn)生的電活動(dòng)加以記錄并放大的波形信號(hào)。由于腦電圖的信號(hào)非常微弱(微伏級(jí))，容易被來(lái)自其他部位的生物電信號(hào)干擾。當(dāng)眼電信號(hào)幅值較低時(shí)(即沒(méi)有較強(qiáng)烈眼球/眼瞼活動(dòng)如眨眼等)，眼電信號(hào)對(duì)腦電信號(hào)的干擾比較微弱。而眼電信號(hào)幅值較高時(shí)，由于眼電信號(hào)的頻率比正常腦電信號(hào)低，高幅值的眼電信號(hào)疊加在腦電信號(hào)上就形成了一個(gè)類似于基線漂移的現(xiàn)象。

為了降低眼電信號(hào)所帶來(lái)的影響，目前有很多去除眼電偽跡的方法。獨(dú)立成分分析(Indepdent component analysis,ICA)是一種常用的方法。它首先假設(shè)輸入信號(hào)都是統(tǒng)計(jì)獨(dú)立的非高斯的信號(hào)的線性組合，然后利用線性變換將來(lái)自于信號(hào)分離。它的缺點(diǎn)是(1)輸入信號(hào)的假設(shè)條件在實(shí)際使用中并不能完全滿足；(2)對(duì)于分離后的多個(gè)信號(hào)，還需要進(jìn)一步判斷哪些信號(hào)是“純凈的”腦電信號(hào)，哪些信號(hào)是被分離出的眼電信號(hào)。此外，還有方法假設(shè)了一個(gè)眼電信號(hào)對(duì)腦電信號(hào)的影響因子(如0.2)，然后利用腦電信號(hào)減去乘以影響因子的眼電信號(hào)的方法去除眼電偽跡，如公式：EEG_pure＝EEG_original-0.2*EOG，由于存在個(gè)體差異及眼電電極的位置的不同，一個(gè)固定的影響因子并不能很好的適應(yīng)不同的個(gè)體。

此外，由于在睡眠狀態(tài)分析中，腦電信號(hào)的波形是一個(gè)很重要的睡眠狀態(tài)指標(biāo)。例如紡錘波和K復(fù)合波的出現(xiàn)，表示進(jìn)入了非眼快動(dòng)睡眠的S2期。經(jīng)過(guò)傳統(tǒng)方法處理后的腦電信號(hào)的波形往往會(huì)發(fā)生變化，影響了后續(xù)對(duì)腦電信號(hào)的分析效果。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)上述問(wèn)題，提供一種睡眠狀態(tài)分析中去除眼電偽跡的方法和系統(tǒng)，減少去除眼電偽跡過(guò)程對(duì)腦電信號(hào)的波形的影響，確保后續(xù)對(duì)腦電信號(hào)的分析效果。

一種睡眠狀態(tài)分析中去除眼電偽跡的方法，包括：

根據(jù)設(shè)定幀長(zhǎng)度采集用戶的眼電信號(hào)和原始腦電信號(hào)；

對(duì)該幀原始腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，將其分解成若干個(gè)本征模函數(shù)，得到本征模函數(shù)集合；

分別計(jì)算所述本征模函數(shù)集合的各個(gè)本征模函數(shù)與同一時(shí)刻的眼電信號(hào)之間的相關(guān)系數(shù)；

查找出相關(guān)系數(shù)大于預(yù)設(shè)閾值的本征模函數(shù)和相關(guān)系數(shù)最大的本征模函數(shù)，并將其從本征模函數(shù)集合中刪除；

利用本征模函數(shù)集合中剩余的本征模函數(shù)重建該幀腦電信號(hào)。

一種睡眠狀態(tài)分析中去除眼電偽跡的系統(tǒng)，包括：

原始信號(hào)提取模塊，用于根據(jù)設(shè)定幀長(zhǎng)度采集用戶的眼電信號(hào)和原始腦電信號(hào)；

經(jīng)驗(yàn)?zāi)B(tài)分解模塊，用于對(duì)該幀原始腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，將其分解成若干個(gè)本征模函數(shù)，得到本征模函數(shù)集合；

相關(guān)系數(shù)計(jì)算模塊，用于分別計(jì)算所述本征模函數(shù)集合的各個(gè)本征模函數(shù)與同一時(shí)刻的眼電信號(hào)之間的相關(guān)系數(shù)；

本征模函數(shù)刪除模塊，用于查找出相關(guān)系數(shù)大于預(yù)設(shè)閾值的本征模函數(shù)和相關(guān)系數(shù)最大的本征模函數(shù)，并將其從本征模函數(shù)集合中刪除；

腦電信號(hào)重建模塊，用于利用本征模函數(shù)集合中剩余的本征模函數(shù)重建該幀腦電信號(hào)。

上述睡眠狀態(tài)分析中去除眼電偽跡的方法和系統(tǒng)，采集用戶的眼電信號(hào)和原始腦電信號(hào)，對(duì)原始腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到本征模函數(shù)集合，計(jì)算本征模函數(shù)集合的各個(gè)本征模函數(shù)與同一時(shí)刻的眼電信號(hào)之間的相關(guān)系數(shù)，根據(jù)相關(guān)系數(shù)刪除大于預(yù)設(shè)閾值的本征模函數(shù)和相關(guān)系數(shù)最大的本征模函數(shù)，利用剩余的本征模函數(shù)重建腦電信號(hào)。該方案可以減少去除眼電偽跡過(guò)程對(duì)腦電信號(hào)的波形的影響，保留了原始信號(hào)的大部分細(xì)節(jié)信息，確保后續(xù)對(duì)腦電信號(hào)的分析效果。

附圖說(shuō)明

圖1為一個(gè)實(shí)施例的睡眠狀態(tài)分析中去除眼電偽跡的方法的流程圖；

圖2是去除眼電偽跡的流程圖；

圖3是去除眼電偽跡的實(shí)驗(yàn)數(shù)據(jù)結(jié)果示意圖；

圖4為一個(gè)實(shí)施例的睡眠狀態(tài)分析中去除眼電偽跡的系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖闡述本發(fā)明的睡眠狀態(tài)分析中去除眼電偽跡的方法和系統(tǒng)的實(shí)施例。

參考圖1所示，圖1為本發(fā)明的睡眠狀態(tài)分析中去除眼電偽跡的方法的流程圖，包括：

S101，根據(jù)設(shè)定幀長(zhǎng)度采集用戶的眼電信號(hào)和原始腦電信號(hào)；

此步驟中，可以是在對(duì)用戶進(jìn)行輔助睡眠等睡眠狀態(tài)分析中，以設(shè)定幀長(zhǎng)度，通過(guò)用戶佩戴相關(guān)眼電傳感設(shè)備和腦電傳感設(shè)備，采集用戶在睡眠過(guò)程中產(chǎn)生的眼電信號(hào)和腦電信號(hào)。在采集信號(hào)時(shí)，可以以30s為一幀進(jìn)行采集，后續(xù)對(duì)每幀眼電信號(hào)和腦電信號(hào)進(jìn)行分析處理。

S102，對(duì)該幀原始腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，將其分解成若干個(gè)本征模函數(shù)，得到本征模函數(shù)集合；

在此，即對(duì)腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，將其分解成若干個(gè)本征模函數(shù)(Intrinsic Mode Function，IMF)和殘差函數(shù)(Redisual，Re)之和的形式。

本征模函數(shù)集合包括如下公式：

式中，EEG_original表示原始腦電信號(hào)，imf_i表示第i個(gè)本征模函數(shù)，Re表示殘差函數(shù)。

S103，分別計(jì)算所述本征模函數(shù)集合的各個(gè)本征模函數(shù)與同一時(shí)刻的眼電信號(hào)之間的相關(guān)系數(shù)；

參考圖2，圖2是去除眼電偽跡的流程圖，原始腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解后，得到本征模函數(shù)集合，分別計(jì)算本征模函數(shù)1-n(imf₁～imf_n)與眼電信號(hào)EOG的相關(guān)系數(shù)1-n(corrcoef₁～corrcoef_n)。

S104，查找出相關(guān)系數(shù)大于預(yù)設(shè)閾值的本征模函數(shù)和相關(guān)系數(shù)最大的本征模函數(shù)，并將其從本征模函數(shù)集合中刪除；

如圖2所示，通過(guò)設(shè)定閾值，在計(jì)算完相關(guān)系數(shù)后，將相關(guān)系數(shù)大于閾值的本征模函數(shù)和相關(guān)系數(shù)最大的本征模函數(shù)刪除，剩下的m個(gè)本征模函數(shù)。

作為一個(gè)實(shí)施例，在計(jì)算完相關(guān)系數(shù)后，還可以包括：

在相關(guān)系數(shù)大于預(yù)設(shè)閾值的本征模函數(shù)中；計(jì)算本征模函數(shù)與眼電信號(hào)的歐氏距離；從歐氏距離最小的本征模函數(shù)從本征模函數(shù)集合中剔除。

作為一個(gè)實(shí)施例，在計(jì)算完相關(guān)系數(shù)后，也可以包括：

在相關(guān)系數(shù)大于預(yù)設(shè)閾值的本征模函數(shù)中；計(jì)算本征模函數(shù)與眼電信號(hào)的余弦距離；從余弦距離最小的本征模函數(shù)從本征模函數(shù)集合中剔除。

通過(guò)上述實(shí)施例，在相關(guān)系數(shù)判斷基礎(chǔ)上結(jié)合了歐氏距離或余弦距離判斷，可以將與相關(guān)系數(shù)判斷中無(wú)法去除的更多遺留的眼電偽跡去除。

S105，利用本征模函數(shù)集合中剩余的本征模函數(shù)重建該幀腦電信號(hào)；

在去除了眼電偽跡后，利用剩下的m個(gè)本征模函數(shù)重建去除了眼電偽跡后的腦電信號(hào)。作為一個(gè)實(shí)施例，在重建腦電信號(hào)時(shí)，根據(jù)本征模函數(shù)的排列順序，選擇本征模函數(shù)集合中位置靠前的若干個(gè)本征模函數(shù)進(jìn)行重建腦電信號(hào)。

該實(shí)施例中，由于本征模函數(shù)的排列順序是按頻率由大到小，并且與眼電信號(hào)相似度最高的本征模函數(shù)一般排列在中間位置，因此在重建腦電信號(hào)時(shí)，可以僅利用前若干個(gè)本征模函數(shù)，刪除包括相似度最高的本征模函數(shù)在內(nèi)的頻率較低的本征模函數(shù)后，再重建腦電信號(hào)。

其中，重建腦電信號(hào)的方法，包括如下公式：

式中，EEG_pure表示重建的腦電信號(hào)，corrcoef表示相關(guān)系數(shù)，imf表示第i個(gè)本征模函數(shù)，EOG表示眼電信號(hào)，corrcoef_max表示最大的相關(guān)系數(shù)，thre表示預(yù)設(shè)的相關(guān)系數(shù)閾值。

在一個(gè)實(shí)施例中，所述睡眠狀態(tài)分析中去除眼電偽跡的方法，可以在對(duì)原始腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解前，先將原始腦電信號(hào)幀劃分為N個(gè)時(shí)間窗口，然后并行對(duì)每個(gè)時(shí)間窗口的腦電信號(hào)進(jìn)行本征模函數(shù)分解；以及在重建腦電信號(hào)后，將各個(gè)時(shí)間窗口重建的腦電信號(hào)進(jìn)行合并，得到腦電信號(hào)幀。

上述實(shí)施例，通過(guò)將采集的原始腦電信號(hào)幀劃分多個(gè)時(shí)間窗口并行處理，能夠加快信號(hào)處理速度，提高睡眠狀態(tài)分析的效率。

例如，以30s一幀為例，可以以5s或10s為一個(gè)時(shí)間窗口長(zhǎng)度。

本發(fā)明的技術(shù)方案，只去除高幅度眼電所造成的類似于基線漂移的偽跡，并且保留了原始信號(hào)的大部分細(xì)節(jié)信息。

參考圖3所示，圖3是去除眼電偽跡的實(shí)驗(yàn)數(shù)據(jù)結(jié)果示意圖。圖3(a)為采集的原始腦電信號(hào)，圖3(b)為采集的眼電信號(hào)，圖3(c)比較了去除眼電偽跡前后的腦電信號(hào)(圖中，①為原始腦電信號(hào)；②為去除眼電偽跡后的腦電信號(hào))，下圖是上圖截取部分放大圖，可以發(fā)現(xiàn)，上述區(qū)間內(nèi)的數(shù)據(jù)點(diǎn)之間，由眼電帶來(lái)的幅度較大的深V形波動(dòng)被本方案給消除的同時(shí)，并且保留了較多的原始信息。

相對(duì)于傳統(tǒng)方法(如ICA等)將輸入的多路信號(hào)視為經(jīng)過(guò)線性組合后的多路源信號(hào)，并試圖將這些信號(hào)彼此分離，能在周期信號(hào)上傳統(tǒng)方法能獲得比較好的效果。而且對(duì)于腦電信號(hào)而言，由于腦電信號(hào)和眼電信號(hào)都可以視為隨機(jī)信號(hào)，并且腦電信號(hào)容易受到外部干擾，很難將腦電信號(hào)和眼電信號(hào)徹底分離開(kāi)，此時(shí)腦電信號(hào)就會(huì)混入額外的噪聲信號(hào)，加大了后續(xù)信號(hào)處理分析的難度。而本發(fā)明的技術(shù)方案，只去除高幅度眼電帶來(lái)的類似于基線漂移的偽跡，保留了原始信號(hào)的大部分細(xì)節(jié)信息。因此有利于后續(xù)的基于時(shí)域的腦電信號(hào)分析方法的處理。

參考圖4所示，圖4為一個(gè)實(shí)施例的睡眠狀態(tài)分析中去除眼電偽跡的系統(tǒng)結(jié)構(gòu)示意圖，包括：

原始信號(hào)提取模塊101，用于根據(jù)設(shè)定幀長(zhǎng)度采集用戶的眼電信號(hào)和原始腦電信號(hào)；

經(jīng)驗(yàn)?zāi)B(tài)分解模塊102，用于對(duì)該幀原始腦電信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，將其分解成若干個(gè)本征模函數(shù)，得到本征模函數(shù)集合；

相關(guān)系數(shù)計(jì)算模塊103，用于分別計(jì)算所述本征模函數(shù)集合的各個(gè)本征模函數(shù)與同一時(shí)刻的眼電信號(hào)之間的相關(guān)系數(shù)；

本征模函數(shù)刪除模塊104，用于查找出相關(guān)系數(shù)大于預(yù)設(shè)閾值的本征模函數(shù)和相關(guān)系數(shù)最大的本征模函數(shù)，并將其從本征模函數(shù)集合中刪除；

腦電信號(hào)重建模塊105，用于利用本征模函數(shù)集合中剩余的本征模函數(shù)重建該幀腦電信號(hào)。

本發(fā)明的睡眠狀態(tài)分析中去除眼電偽跡的系統(tǒng)與本發(fā)明的睡眠狀態(tài)分析中去除眼電偽跡的方法一一對(duì)應(yīng)，在上述睡眠狀態(tài)分析中去除眼電偽跡的方法的實(shí)施例闡述的技術(shù)特征及其有益效果均適用于睡眠狀態(tài)分析中去除眼電偽跡的系統(tǒng)的實(shí)施例中，特此聲明。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡(jiǎn)潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說(shuō)明書(shū)記載的范圍。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。