[发明专利]基于脑电信号因果关系的自动睡眠分期方法

说明书

本发明提供了一种基于脑电信号因果关系的自动睡眠分期方法。该方法包括：使用无线脑电采集设备分别采集不同睡眠分期的多导脑电信号；对所述多导脑电信号进行数据预处理，消除所述多导脑电信号中的伪迹和噪声干扰；利用希尔伯特‑黄变换提取数据预处理后的多脑电信号中的不同频段信号；提取所述不同频段信号之间的因果特征，基于所述不同频段信号之间的因果特征利用随机森林模型对所述多导脑电信号进行分类，识别出所述多导脑电信号对应的不同睡眠分期。本发明的方法通过希尔伯特‑黄变换对非线性多导脑电信号进行时频处理，提高了信号处理的自适应性，提升了现有技术对不同睡眠分期的脑电信号识别和检测的准确率，提高了分类模型的泛化性能。

技术领域

本发明涉及脑电信号处理技术领域，尤其涉及一种基于脑电信号因果关系的自动睡眠分期方法。

背景技术

睡眠机制与人体的健康状况息息相关，在人类机体众多重要的活动中扮演着关键的角色。随着经济与社会的快速发展以及人们生活节奏的加快、竞争压力的不断增大，使越来越多的人遭受睡眠相关问题的折磨与困扰，睡眠问题也引起了诸多研究者的关注。针对自动睡眠分期方法的研究不但可以用于评估睡眠质量，而且可以辅助医生进行睡眠疾病诊断和治疗，提高医务人员的工作效率，在临床上具有重要意义。

脑电信号(Electroencephalograph，EEG)中包含了大量的生理信息，是进行睡眠分期的主要依据。由于脑电信号具有非线性、非平稳的特点。

目前，现有技术中的脑电信号提取方案大多利用小波变换进行时频特征提取，在脑电信号分类模型的使用上，使用传统的支持向量机模型或改进支持向量机模型进行脑电信号的分类。

上述现有技术中的脑电信号提取方案的缺点为：该方法忽略了小波基函数选定后对信号特征提取造成的影响和自适应差的局限性，并未考虑脑电信号之间的因果关系，忽略了非线性脑电信号因果特性能够表征不同的生理状态，也是区分睡眠分期的关键因素。

发明内容

本发明的实施例提供了一种基于脑电信号因果关系的自动睡眠分期方法，以克服现有技术的缺点。

一种基于脑电信号因果关系的自动睡眠分期方法，包括：

使用无线脑电采集设备分别采集不同睡眠分期的多导脑电信号；

对所述多导脑电信号进行数据预处理，消除所述多导脑电信号中的伪迹和噪声干扰；

利用希尔伯特-黄变换提取数据预处理后的多脑电信号中的不同频段信号；

提取所述不同频段信号之间的因果特征，基于所述不同频段信号之间的因果特征利用随机森林模型对所述多导脑电信号进行分类，识别出所述多导脑电信号对应的不同睡眠分期。

进一步地，所述的使用无线脑电采集设备分别采集不同睡眠分期的多导脑电信号，包括：

利用64通道的无线脑电采集设备分别采集不同睡眠分期的多导脑电信号，所述无线脑电采集设备中的脑电电极采用国际标准10-20电极放置标准，选择使用者的双耳的乳突作为参考电位，通过所述无线脑电采集设备分别采集不同睡眠分期的人体头部表皮的多导脑电信号。

进一步地，所述的对所述多导脑电信号进行数据预处理，消除所述多导脑电信号中的伪迹和噪声干扰，包括：

获取眼电信号并选取眼电信号的最大绝对值，利用眼电信号的最大绝对值的百分数来确定眼电伪迹，构建多导脑电信号EEG的平均伪迹，将超过眼电最大值某个百分比的眼电导联电位识别为眼电脉冲，对识别的眼电脉冲进行平均，由协方差估计公式计算眼电脉冲和其他电极之间的脑电传递系数b：

b＝cov(EOG，EEG)/var(EOG)

式中，cov表示协方差，var表示方差；

对产生眼动时间段的波形校正，得到校正后的脑电信号EEG′：