[发明专利]基于混合通道EEG信号的S1与REM睡眠状态检测方法及系统

权利要求书

1.一种基于混合通道EEG信号的S1与REM睡眠状态检测方法，其特征在于，包括以下步骤：

步骤1：获取Fpz-Cz和Pz-Oz两个通道的EEG信号数据；

步骤2：将S1和REM两个睡眠状态作为一个整体状态，并利用Fpz-Cz单通道信号数据对该整体状态进行检测；

步骤2的具体实现包括以下子步骤：

步骤2.1：对Fpz-Cz单通道EEG信号数据进行处理，将连续N秒时长信号作为一个数据样本，其中，N为预设值；

步骤2.2：提取EEG信号分类特征，具体包括反映EEG幅度变化的特征和频率变化的特性；

步骤2.3：建立S1和REM整体状态与其他睡眠状态的C-SVM二分类模型，建模过程为将S1和REM两类数据样本标记为“+1”类，其他睡眠状态标记为“-1”类，通过对数据样本的训练建立检测模型；

步骤2.4：建立S1和REM整体检测的OC-SVM单类检测模型，建模过程为只利用S1和REM两类数据样本，并将两类数据样本都标记为“+1”类，从而建立检测S1和REM整体睡眠状态的检测模型；

步骤2.5：利用C-SVM二分类模型判断一个N秒数据样本是否属于S1或REM两种睡眠状态；若是，则执行步骤3；若否，则执行步骤2.6；

步骤2.6：利用建立的OC-SVM单类检测模型判断该数据样本，如果属于S1和REM的整体状态，则执行步骤3，否则判断为其他睡眠状态；

步骤3：对检测的S1与REM整体状态，利用Fpz-Cz和Pz-Oz两个通道的信号数据进行分类，以分别检测出S1和REM两个不同的睡眠状态。

2.根据权利要求1所述的基于混合通道EEG信号的S1与REM睡眠状态检测方法，其特征在于：步骤2.3中，根据S1和REM睡眠状态的相似性，将S1和REM作为一类，Wake、S2、S3、S4作为一类；建立S1和REM整体状态与其他睡眠状态的C-SVM分类模型，所求解的C-SVM二分类模型为：

其中α＝(α₁,α₂,...,α_N)为拉格朗日算子，K(x_i,x_j)为高斯核函数，x_i和x_j分别为训练数据中第i和j个睡眠状态数据样本，y_i和y_j分别为模型求解过程中第i和j个样本的标签类别；

从而构造决策函数：

其中sign为符号函数，b为分离超平面偏移项，α_i^*为模型训练学习的第i个拉格朗日算子，K(x,x_i)为高斯核函数，x为新的测试数据样本，y_i为第i个训练样本的标签类别；f(x)为1，则判定样本x为S1或REM睡眠状态，f(x)为-1，则判定样本x为其他类的睡眠状态。

3.根据权利要求1所述的基于混合通道EEG信号的S1与REM睡眠状态检测方法，其特征在于，步骤2.4中所述OC-SVM单类检测模型为：

其中α＝(α₁,α₂,...,α_N)为拉格朗日算子，K(x_i,x_j)为高斯核函数，x_i和x_j分别为训练数据中第i和j个睡眠状态数据样本；从而构造决策函数：

其中sign为符号函数，ρ为OC-SVM决策函数的补偿项，α_i^*为模型训练学习的第i个拉格朗日算子，K(x,x_i)为高斯核函数，x为新的测试数据样本，y_i为第i个训练样本的标签类别；f(x)为1，则判定样本x为S1或REM睡眠状态，否则判定为其他类的睡眠状态。