基于脑电波的便携式睡眠质量监测系统.docx

. . 基于脑电波的 便携式睡眠质量监测系统 金旭扬 导师： 华东理工大学信息学院 万永菁 中学信息学科组 吴奕明 1 / 11 [1] [1] . . 摘要 睡眠是人体重要的生理活动，睡眠质量近年来受到高度关注；本文从脑电波角度探寻睡 眠监测的有效易行方法，从软硬件角度设计了便携式睡眠质量监测系统。研究分析便携式脑 电采集设备采集的数据和 CAP睡眠脑电数据库，用功率谱分析和 BP 神经网络探究了睡眠分 期的有效算法。实验进行了初步的睡眠分期与质量评估，证明了便携式睡眠质量监测系统的 准确性与利用脑电数据进行睡眠分期的有效性。本课题研究，提出了利用单导连脑电信号进 行睡眠分期的可行性，为之后研究便携式、市场化的睡眠监测设备以与其他应用提供了重要 的实验参考依据。 关键词： 脑电；脑机接口；睡眠监测；睡眠分期； BP神经网络 一、引言 1.1 睡眠质量研究背景与意义 睡眠是一种重要的生理现象。从生到死，人类始终是在觉醒和睡眠中度过。人类通过高 质量的睡眠，可以消除疲劳，更好地恢复精神和体力，使人在睡眠之后保持良好的觉醒状 态，提高工作、学习效率。 人类用于睡眠的时间占人一生中的三分之一。然而迄今我们对这一重要的生理现象的认 识还微乎其微，对睡眠进行科学的研究只有短短的几十年历史。 1937 年， Lomis、 Harvey 和 Hobart 注意到，睡眠不是处于一种稳定状态，而是要发生一系列非常有规律的周期性变 化。 1986 年， Rechtschaffen 等人重新肯定了 Dement 和 Kleitman 的分期标准，并根据十年 来的经验作了一些必要的修改和补充，使之更趋完善。 [2] 2007 年，美国睡眠医学会基于上述标准进行改进，发布了新的睡眠分期专业标准，其 中规定了各个指标具体的采集标准与判定方法。 [3] 1.2 脑电信号分析方法综述 随着电子技术的发展，数字处理技术逐步应用到 EEG的分析中来。经典的 EEG分析方法 有：以分析 EEG波形的几何性质，如幅度、均值、峭度等为主的时域分析方法和以分析 EEG 各频率功率、相干等为主的领域方法。早在 70 年代初， W.C.Yeo 和 J.P.Smith [4] 就应用 Walsh 谱分析离线地研究了一个处于睡眠状态的男性的三段脑电图。 R.D.Larsen 等 [5] 应用 Walsh 顺序的 Walsh 函数对 EEG进行展开，并定义了双值自相关函数，尔后讨论了可以按双 值自相关函数来显示各种睡眠 EEG的特征。 1982 年，美国物理学家 Hopfield 提出了 HNN模型，从而有力地推动了应用神经网络方 法解释许多复杂生命过程的进展。自八十年代末以来，人工神经网络的应用已涉与到了脑电 分 析 的 各 个 方 面， 其 中包 括 自发 脑 电 的 睡 眠 分级 与 睡 眠 EEG 分 析。 S.Roberts 和 L.Tarassenko [6,7] 把人工神经网络应用于睡眠 EEG的自动分析。他们采用无监督学习网络对 大量没有经过人工判别的数据进行自组织分类，少量的经过人工判别的标准样本则用来自组 织分类结果做解释和量化，从而在网络中形成了 8 个聚类区。根据 EEG在 8 个聚类区之间随 时间运动的轨迹可以对一夜的睡眠状况有定性的了解。 [8] 1.3 脑电监测设备介绍 目前，脑电监测设备大致有二： 1 / 11 . . 一为大型的、医院专用的多导睡眠监测系统。这种系统需要测量多导连的脑电图、眼电 图、肌电图、口鼻气流、呼吸运动、血氧饱和度等众多指标，且有严格的判定规则、需要专 业知识。 [3] 二为便携式脑机接口设备。此类设备通常体积小、使用方便、成本也较低，测量的脑电 图多为单导连，但由于获取的数据用途较为单一，可以很好地完成睡眠监测的任务。 [9] 1.4 课题研究目标 本课题利用便携式脑电波采集设备实时获取脑电数据，并且与终端设备通讯实时存储、 分析数据。利用 Windows、 Android 等移动平台下编写的软件实现此功能，实现人体的睡眠 监控。 二、方法和假设 2.1 系统软硬件平台的基本架构 2.1.1 睡眠质量监测系统的硬件组成 用于采集数据的设备是