睡眠狀態分析中去除眼電偽跡的方法和系統與流程
本發明涉及輔助睡眠技術領域，特別是涉及一種睡眠狀態分析中去除眼電偽跡的方法和系統。
背景技術：
在睡眠中，人體進行了自我放松及恢復的過程，因此良好的睡眠是保持身體健康的一項基本條件；但是由于工作壓力大、生活作息不規律等原因，導致了部分人群的睡眠質量欠佳，表現為失眠、半夜驚醒等。
目前市面上已經有一些設備來幫助人們入睡，提高睡眠質量。例如在某一特定睡眠狀態下通過聲音、光信號等人工干預，避免在熟睡狀態下叫醒用戶等。對于輔助睡眠的設備而言，為了真正達到提高用戶睡眠質量的目的，正確的識別用戶的睡眠狀態是非常重要的。
多導睡眠圖(Polysomnography,PSG)，又稱睡眠腦電圖，是目前臨床上用于睡眠診斷和分析的“金標準”。多導睡眠圖利用多種生命體征例如腦電、肌電(頜下)、眼電、呼吸、血氧等對睡眠進行分析。在這些體征信號中，腦電圖(electroencephalogram，EOG)處于核心地位。腦電圖是利用精密的電子儀器，在頭皮上將來自大腦皮層產生的電活動加以記錄并放大的波形信號。由于腦電圖的信號非常微弱(微伏級)，容易被來自其他部位的生物電信號干擾。當眼電信號幅值較低時(即沒有較強烈眼球/眼瞼活動如眨眼等)，眼電信號對腦電信號的干擾比較微弱。而眼電信號幅值較高時，由于眼電信號的頻率比正常腦電信號低，高幅值的眼電信號疊加在腦電信號上就形成了一個類似于基線漂移的現象。
為了降低眼電信號所帶來的影響，目前有很多去除眼電偽跡的方法。獨立成分分析(Indepdent component analysis,ICA)是一種常用的方法。它首先假設輸入信號都是統計獨立的非高斯的信號的線性組合，然后利用線性變換將來自于信號分離。它的缺點是(1)輸入信號的假設條件在實際使用中并不能完全滿足；(2)對于分離后的多個信號，還需要進一步判斷哪些信號是“純凈的”腦電信號，哪些信號是被分離出的眼電信號。此外，還有方法假設了一個眼電信號對腦電信號的影響因子(如0.2)，然后利用腦電信號減去乘以影響因子的眼電信號的方法去除眼電偽跡，如公式：EEGpure＝EEGoriginal-0.2*EOG，由于存在個體差異及眼電電極的位置的不同，一個固定的影響因子并不能很好的適應不同的個體。
此外，由于在睡眠狀態分析中，腦電信號的波形是一個很重要的睡眠狀態指標。例如紡錘波和K復合波的出現，表示進入了非眼快動睡眠的S2期。經過傳統方法處理后的腦電信號的波形往往會發生變化，影響了后續對腦電信號的分析效果。
技術實現要素：
基于此，有必要針對上述問題，提供一種睡眠狀態分析中去除眼電偽跡的方法和系統，減少去除眼電偽跡過程對腦電信號的波形的影響，確保后續對腦電信號的分析效果。
一種睡眠狀態分析中去除眼電偽跡的方法，包括：
根據設定幀長度采集用戶的眼電信號和原始腦電信號；
對該幀原始腦電信號進行經驗模態分解，將其分解成若干個本征模函數，得到本征模函數集合；
分別計算所述本征模函數集合的各個本征模函數與同一時刻的眼電信號之間的相關系數；
查找出相關系數大于預設閾值的本征模函數和相關系數最大的本征模函數，并將其從本征模函數集合中刪除；
利用本征模函數集合中剩余的本征模函數重建該幀腦電信號。
一種睡眠狀態分析中去除眼電偽跡的系統，包括：
原始信號提取模塊，用于根據設定幀長度采集用戶的眼電信號和原始腦電信號；
經驗模態分解模塊，用于對該幀原始腦電信號進行經驗模態分解，將其分解成若干個本征模函數，得到本征模函數集合；
相關系數計算模塊，用于分別計算所述本征模函數集合的各個本征模函數與同一時刻的眼電信號之間的相關系數；
本征模函數刪除模塊，用于查找出相關系數大于預設閾值的本征模函數和相關系數最大的本征模函數，并將其從本征模函數集合中刪除；
腦電信號重建模塊，用于利用本征模函數集合中剩余的本征模函數重建該幀腦電信號。
上述睡眠狀態分析中去除眼電偽跡的方法和系統，采集用戶的眼電信號和原始腦電信號，對原始腦電信號進行經驗模態分解得到本征模函數集合，計算本征模函數集合的各個本征模函數與同一時刻的眼電信號之間的相關系數，根據相關系數刪除大于預設閾值的本征模函數和相關系數最大的本征模函數，利用剩余的本征模函數重建腦電信號。該方案可以減少去除眼電偽跡過程對腦電信號的波形的影響，保留了原始信號的大部分細節信息，確保后續對腦電信號的分析效果。
附圖說明
圖1為一個實施例的睡眠狀態分析中去除眼電偽跡的方法的流程圖；
圖2是去除眼電偽跡的流程圖；
圖3是去除眼電偽跡的實驗數據結果示意圖；
圖4為一個實施例的睡眠狀態分析中去除眼電偽跡的系統結構示意圖。
具體實施方式
下面結合附圖闡述本發明的睡眠狀態分析中去除眼電偽跡的方法和系統的實施例。
參考圖1所示，圖1為本發明的睡眠狀態分析中去除眼電偽跡的方法的流程圖，包括：
S101，根據設定幀長度采集用戶的眼電信號和原始腦電信號；
此步驟中，可以是在對用戶進行輔助睡眠等睡眠狀態分析中，以設定幀長度，通過用戶佩戴相關眼電傳感設備和腦電傳感設備，采集用戶在睡眠過程中產生的眼電信號和腦電信號。在采集信號時，可以以30s為一幀進行采集，后續對每幀眼電信號和腦電信號進行分析處理。
S102，對該幀原始腦電信號進行經驗模態分解，將其分解成若干個本征模函數，得到本征模函數集合；
在此，即對腦電信號進行經驗模態分解，將其分解成若干個本征模函數(Intrinsic Mode Function，IMF)和殘差函數(Redisual，Re)之和的形式。
本征模函數集合包括如下公式：
式中，EEGoriginal表示原始腦電信號，imfi表示第i個本征模函數，Re表示殘差函數。
S103，分別計算所述本征模函數集合的各個本征模函數與同一時刻的眼電信號之間的相關系數；
參考圖2，圖2是去除眼電偽跡的流程圖，原始腦電信號進行經驗模態分解后，得到本征模函數集合，分別計算本征模函數1-n(imf1～imfn)與眼電信號EOG的相關系數1-n(corrcoef1～corrcoefn)。
S104，查找出相關系數大于預設閾值的本征模函數和相關系數最大的本征模函數，并將其從本征模函數集合中刪除；
如圖2所示，通過設定閾值，在計算完相關系數后，將相關系數大于閾值的本征模函數和相關系數最大的本征模函數刪除，剩下的m個本征模函數。
作為一個實施例，在計算完相關系數后，還可以包括：
在相關系數大于預設閾值的本征模函數中；計算本征模函數與眼電信號的歐氏距離；從歐氏距離最小的本征模函數從本征模函數集合中剔除。
作為一個實施例，在計算完相關系數后，也可以包括：
在相關系數大于預設閾值的本征模函數中；計算本征模函數與眼電信號的余弦距離；從余弦距離最小的本征模函數從本征模函數集合中剔除。
通過上述實施例，在相關系數判斷基礎上結合了歐氏距離或余弦距離判斷，可以將與相關系數判斷中無法去除的更多遺留的眼電偽跡去除。
S105，利用本征模函數集合中剩余的本征模函數重建該幀腦電信號；
在去除了眼電偽跡后，利用剩下的m個本征模函數重建去除了眼電偽跡后的腦電信號。作為一個實施例，在重建腦電信號時，根據本征模函數的排列順序，選擇本征模函數集合中位置靠前的若干個本征模函數進行重建腦電信號。
該實施例中，由于本征模函數的排列順序是按頻率由大到小，并且與眼電信號相似度最高的本征模函數一般排列在中間位置，因此在重建腦電信號時，可以僅利用前若干個本征模函數，刪除包括相似度最高的本征模函數在內的頻率較低的本征模函數后，再重建腦電信號。
其中，重建腦電信號的方法，包括如下公式：
式中，EEGpure表示重建的腦電信號，corrcoef表示相關系數，imf表示第i個本征模函數，EOG表示眼電信號，corrcoefmax表示最大的相關系數，thre表示預設的相關系數閾值。
在一個實施例中，所述睡眠狀態分析中去除眼電偽跡的方法，可以在對原始腦電信號進行經驗模態分解前，先將原始腦電信號幀劃分為N個時間窗口，然后并行對每個時間窗口的腦電信號進行本征模函數分解；以及在重建腦電信號后，將各個時間窗口重建的腦電信號進行合并，得到腦電信號幀。
上述實施例，通過將采集的原始腦電信號幀劃分多個時間窗口并行處理，能夠加快信號處理速度，提高睡眠狀態分析的效率。
例如，以30s一幀為例，可以以5s或10s為一個時間窗口長度。
本發明的技術方案，只去除高幅度眼電所造成的類似于基線漂移的偽跡，并且保留了原始信號的大部分細節信息。
參考圖3所示，圖3是去除眼電偽跡的實驗數據結果示意圖。圖3(a)為采集的原始腦電信號，圖3(b)為采集的眼電信號，圖3(c)比較了去除眼電偽跡前后的腦電信號(圖中，①為原始腦電信號；②為去除眼電偽跡后的腦電信號)，下圖是上圖截取部分放大圖，可以發現，上述區間內的數據點之間，由眼電帶來的幅度較大的深V形波動被本方案給消除的同時，并且保留了較多的原始信息。
相對于傳統方法(如ICA等)將輸入的多路信號視為經過線性組合后的多路源信號，并試圖將這些信號彼此分離，能在周期信號上傳統方法能獲得比較好的效果。而且對于腦電信號而言，由于腦電信號和眼電信號都可以視為隨機信號，并且腦電信號容易受到外部干擾，很難將腦電信號和眼電信號徹底分離開，此時腦電信號就會混入額外的噪聲信號，加大了后續信號處理分析的難度。而本發明的技術方案，只去除高幅度眼電帶來的類似于基線漂移的偽跡，保留了原始信號的大部分細節信息。因此有利于后續的基于時域的腦電信號分析方法的處理。
參考圖4所示，圖4為一個實施例的睡眠狀態分析中去除眼電偽跡的系統結構示意圖，包括：
原始信號提取模塊101，用于根據設定幀長度采集用戶的眼電信號和原始腦電信號；
經驗模態分解模塊102，用于對該幀原始腦電信號進行經驗模態分解，將其分解成若干個本征模函數，得到本征模函數集合；
相關系數計算模塊103，用于分別計算所述本征模函數集合的各個本征模函數與同一時刻的眼電信號之間的相關系數；
本征模函數刪除模塊104，用于查找出相關系數大于預設閾值的本征模函數和相關系數最大的本征模函數，并將其從本征模函數集合中刪除；
腦電信號重建模塊105，用于利用本征模函數集合中剩余的本征模函數重建該幀腦電信號。
本發明的睡眠狀態分析中去除眼電偽跡的系統與本發明的睡眠狀態分析中去除眼電偽跡的方法一一對應，在上述睡眠狀態分析中去除眼電偽跡的方法的實施例闡述的技術特征及其有益效果均適用于睡眠狀態分析中去除眼電偽跡的系統的實施例中，特此聲明。
以上所述實施例的各技術特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術特征所有可能的組合都進行描述，然而，只要這些技術特征的組合不存在矛盾，都應當認為是本說明書記載的范圍。
以上所述實施例僅表達了本發明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發明專利范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干變形和改進，這些都屬于本發明的保護范圍。因此，本發明專利的保護范圍應以所附權利要求為準。
- 還沒有人留言評論。精彩留言會獲得點贊！