[发明专利]基于单通道脑电信号睡眠分期的方法、装置及存储介质

说明书

本申请涉及应用设备识别技术领域，具体而言，涉及基于单通道脑电信号睡眠分期的方法、装置及存储介质。本申请提供基于单通道脑电信号睡眠分期的方法，主要包括以下步骤：S1、获取单通道第一脑电信号X(n)，所述脑电信号包括正常脑电信号和眼电信号；S2、基于所述第一脑电信号X(n)，获取去除眼电伪迹的第二脑电信号X(n)；S3、基于所述第二脑电信号X(n)，利用神经网络模型获取所述第二脑电信号X(n)的睡眠特征{a₁,a₂,…,a_N}；S4、将所述睡眠特征{a₁,a₂,…,a_N}输入到双向长短期记忆网络模型BLSTM进行训练，获取所述第一脑电信号X(n)的睡眠周期分类。

技术领域

本申请涉及应用设备识别技术领域，具体而言，涉及一种基于单通道脑电信号睡眠分期的方法、装置及存储介质。

背景技术

1937年美国学者Loomis首次提出用EEG(Electroencephalogram：脑电波)方法取代行为学作为睡眠深度判断的标准。1953年美国学者Aserinsky和Kleitman发现REM(RapidEye Movement，快速眼动)现象。1968年Rechtchaffen和Kales提出睡眠分期的标准，并由美国生理协会推荐为第一个睡眠分期的国际分类标准。通常将睡眠状态分成5个阶段，W(清醒)、N1(非快速眼动睡眠第一期)、N2(非快速眼动睡眠第二期)、N3(非快速眼动睡眠第三期)、REM(快速眼动睡眠期)，后四种属于睡眠状态。

在基于脑电信号分析人们所处的睡眠状态的过程中，由于脑电信号采集包含较多噪声，尤其以眼电信号为主要的干扰信号，因此具有一定的难度。在一些去眼电伪迹睡眠分期实现中，会对脑电信号进行小波变换从而将其分解成多个组分，并将其中不含眼电伪迹的部分视作纯净脑电信号，将含有眼电伪迹的部分，再进行EMD模态分解，利用ICA独立成分分析将分解得到的分量中的纯净脑电信号与纯净眼电信号相分离，再将上述两个过程中得到的纯净脑电信号重组复原得到去除眼电后的脑电信号。然后将不同脑电波段的能量提取出来输入自适应模糊神经推理网络，经过训练后得到睡眠分期的结果。然而，ICA算法要求各源相互独立，小波变换只能保证各源相互不相关；ICA算法无法自动判断出分离出来的哪组信号是眼电信号，需要人工参与判断；人体睡眠是个前后关联的过程，自适应模糊神经推理网络并不能利用前后时段的脑电信息对睡眠状态进行综合判断。

因此，如何提高去眼电步骤算法的稳定性，减少人工干预，增加睡眠前后时段的脑电波信息和睡眠分期分类的关联性，提高睡眠分期系统的准确率和鲁棒性成为了有待解决的问题。

发明内容

本申请的目的在于提供一种基于单通道脑电信号睡眠分期的方法、装置及存储介质，该申请提出了一种单通道下去除眼电伪迹的方法，接着利用CNN卷积神经网络提取纯净脑电信号中的特征，再将特征输入到BLSTM长短期记忆网络进行训练，可以提高去眼电步骤算法的稳定性，减少人工干预，增加睡眠前后时段的脑电波信息和睡眠分期分类的关联性，可以提高睡眠分期系统的准确率和鲁棒性。

本申请的实施例是这样实现的：

本申请实施例的第一方面提供一种基于单通道脑电信号睡眠分期的方法，主要包括以下步骤：

S1、获取单通道第一脑电信号X(n)，所述脑电信号包括正常脑电信号和眼电信号；

S2、基于所述第一脑电信号X(n)，获取去除眼电伪迹的第二脑电信号X(n)；

S3、基于所述第二脑电信号X(n)，利用神经网络模型获取所述第二脑电信号X(n)的睡眠特征{a₁,a₂,…,a_N}；

S4、将所述睡眠特征{a₁,a₂,…,a_N}输入到双向长短期记忆网络模型BLSTM进行训练，获取所述第一脑电信号X(n)的睡眠周期分类。