[发明专利]基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法

说明书

基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法，1)对采集得到的单导联脑电信号，进行集合经验模式分解，得到多个固有模态函数IMF；2)对步骤1)多个固有模态函数信号与原始信号，分别进行起码2个特征参数的提取，即活动性Ac和移动性Mo参数；3)将步骤2)得到的多个固有模态函数信号与原始信号的特征参数构成输入矩阵，输入到分类模型中，获得睡眠分期的结果；本方法将单导联EEG信号分解成多个IMF信号，通过提取多个特征参数，取得了较高的睡眠分期的准确率；交叉验证实验结果表明本方法具有一定的泛化能力，可信度高，能够准确完成睡眠分期，为评估睡眠质量提供了有效依据。

技术领域

本发明涉及一种基于集合经验模式分解(Ensemble Empirical ModeDecomposition,EEMD)的单导联脑电(electroencephalogram,EEG)信号的睡眠自动分期的方法。

背景技术

随着现代生活压力的增大，越来越多人受到睡眠障碍(尤其是失眠、嗜睡、睡眠呼吸暂停综合征等疾患)的折磨。据世界卫生组织统计，27％的人有睡眠障碍。目前，睡眠障碍已被认为是一种具有公告危害性的疾病，受到越来越多人的高度重视。通过各生理信号对人体睡眠状态进行分期，是客观评估睡眠质量的一种有效方法。

目前临床上监测睡眠的典型方法是用多导睡眠仪(Polysomnography，PSG)采集睡眠期间的生理信号，包括脑电(EEG)、眼电(EOG)、肌电(EMG)、心电(ECG)、血氧饱和度(SpO2)和呼吸信号。睡眠分期是由专家根据R&K规则对PSG信号进行人工目测分析。而PSG信号需由专业人员来操作，技术要求较高，费用昂贵，并且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。因此，如能建立仅仅基于单导联的EEG信号的睡眠自动分期的方法与模型，必将在临床上为睡眠质量的评估提供更为简便、快捷、准确的评估途径。

发明内容

本发明的目的在于，提供一种睡眠自动分期方法，仅仅基于单导联的EEG信号，通过集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)得到多个性能较好的固有模态函数(Intrinsic Mode Functions,IMF)，对原始EEG信号和得到的IMF信号分别进行特征参数(包括统计学参数，时域参数和非线性参数)的提取并构成输入矩阵，然后输入到分类模型中，获得睡眠分期的结果，实现可靠的睡眠自动分期。

本发明的目的是这样实现的：一种基于集合经验模式分解(Ensemble EmpiricalMode Decomposition,EEMD)的单导联脑电(electroencephalogram,EEG)信号的睡眠自动分期的方法，包括下列步骤：

1)对采集得到的单导联脑电信号，进行集合经验模式分解(EEMD)，得到多个固有模态函数IMF；

2)对步骤1)得到的多个固有模态函数信号(Intrinsic Mode Functions,IMF)与原始信号，分别进行起码2个特征参数的提取；活动性Ac和移动性Mo；

3)将步骤2)得到的多个固有模态函数信号与原始信号的特征参数构成输入矩阵，输入到分类模型中，获得睡眠分期的结果。

所述步骤1)中，对单导联脑电信号进行集合经验模式分解时，其中分解得到n个固有模态函数信号。优选地，所述对单导联电信号进行集合经验模式分解时，其中分解得到固有模态函数信号IMF)个数n为5-10，尤其是n＝7，高斯白噪声的标准差ε为0.05-0.5，尤其为0.1，集成的数量N为100-1000，尤其是200；

步骤2)中，特征参数的提取，还包括次要的特征参数：峰度K、复杂性Co、零点穿越率ZCT、样本熵SE；

对于原始信号或者IMF信号，计算统计学参数峰度；