一種基于低頻腦電的睡眠分析方法及系統的制作方法
【專利摘要】本發明公開了一種基于低頻腦電的睡眠分析方法及系統，其中方法包括如下步驟：采集并或獲取腦電信號，腦電信號的采樣頻率為125Hz；將腦電信號進行預處理獲取低頻腦電信號，預處理包括異常信號去除、標準化、基線漂移信號濾除和低通濾波，低通濾波的頻率為6Hz；對所述低頻腦電信號進行眨眼信號去除；將去除眨眼信號后預處理后的低頻腦電信號劃分為N段，將每段低頻腦電信號進行傅里葉變換，計算預設頻段范圍內的平均相對功率與平均重心頻率；根據平均相對功率與平均重心頻率之比計算用戶的睡眠深度指數。本發明計算出aHz～bHz的相對功率，避免了被試者之間的個體差異性，更能表征睡眠深度的特征信息，有利于睡眠狀態分類。
【專利說明】
一種基于低頻腦電的睡眠分析方法及系統
技術領域
[0001] 本發明屬于信號處理技術領域，具體而言，涉及一種基于低頻腦電的睡眠分析方 法及系統。
【背景技術】
[0002] 研究發現，睡眠質量和人的感覺器官輸入的敏感度、大腦的左右腦偏側化、大腦的 耗能都有著密切的相關性。由于人與人的感覺神經的敏感度不同，就會導致人與人的睡眠 質量有很大差別。
[0003] 睡眠是一種意識的改變。我們睡著的時候是無意識的。睡眠以我們的電生理活 動一一我們腦波的活動為特征。睡眠是一種意識水平，通常利用EEG測量腦電波的能量來把 睡眠與其他意識水平區別開來。目前國際上普遍使用R&K睡眠 EEG分期規則，根據睡眠時腦 電信號的表現，將睡眠分為：覺醒期、非快速眼動睡眠期(non-rapid eye movement，NREM) 和快速眼動睡眠期（rapid eye movement，REM)。其中NREM又可分為I、2、3、4期或1、2、3。睡 眠分期研究，對于睡眠狀態分析以及睡眠質量的科學評估，具有重要的應用價值。腦電數字 化分析已廣泛用于大腦皮層的功能監測，應用單一的數字化EEG參數分析大腦在睡眠狀態 下的鎮靜程度更為直觀方便。腦電信號(EEG)反映腦細胞群自發而有節律的電活動，一般用 波幅、頻率和相位等特征來描述。當進入睡眠狀態時，EEG的基本特征隨著睡眠程度加深或 變淺呈順序性變化，呈現一定的函數關系，因而可用來反映睡眠深度。
[0004] 現有的反應睡眠深度是通過對腦電波信號進行處理計算其睡眠指數來反映睡眠 深度，例如公開號為201110118756.2申請。該申請通過對睡眠腦電信號采用傳統的時頻域 分析方法和新引入的非線性動力學分析方法提取到一批能表征睡眠深度的特征參數，再通 過套索回歸方法選擇特征參數的最佳子集，通過統計學驗證方法，確定模型系數。最終建立 睡眠指數自動監測模型，可以根據相應的睡眠階段分級標準實現睡眠階段的自動分級。然 而這種方法采利用存儲如下缺點：1)多導睡眠監護儀獲取睡眠腦電數據困難和用戶舒適度 低等問題，不利于產品工程化;2)同時提取頻域，時域，非線性動力學參數，以及非線性混沌 參數，特征之間存在很大的相關性和冗余性，如果不做特征降維和特征去噪必然會影響睡 眠階段自動分級的準確度，也增加數據處理的時間和空間復雜度，不利于實時運算;3)提取 的alpha，beta等頻譜特征存在明顯的個體差異性，其特征通用性遠不如低頻腦電-Delta頻 段的通用性，從而不利于睡眠狀態通用分類方法;4)睡眠狀態監測前，需要在訓練數據基礎 上利用統計學方法確定模型系數，再進行測試數據的睡眠狀態監測。監測精度過度依賴于 訓練數據，如果訓練數據與測試數據差異過大，需要重新通過統計方法確定模型系數，效率 較低，并且訓練數據過少也會影響最后的睡眠狀態監測的準確度。
【發明內容】
[0005] 為解決現有利用腦電分析睡眠的技術中，腦電采集裝置復雜不利于產品工程化， 且腦電提取的頻譜通用性差不利于睡眠狀態分類的技術缺陷，本發明通過單通道腦電采集 裝置提高腦電采集的簡便性，利用低頻腦電信號-Delta頻段避免不同用戶之間睡眠差異 性，相對于高頻腦電信號具備更好的通用性，更能表征睡眠深度的特征信息，提高睡眠分析 的準確性。
[0006] 本發明提供了一種基于低頻腦電的睡眠分析方法，包括如下步驟：
[0007] 采集并或獲取腦電信號，所述腦電信號的采樣頻率為125HZ;
[0008] 將所述腦電信號進行預處理，所述預處理包括異常信號去除、標準化、基線漂移信 號濾除、低通濾波，所述低通濾波的頻率為6Hz，獲得低頻腦電信號；
[0009] 對所述低頻腦電信號進行眨眼信號去除，所述眨眼信號去除包括計算差分信號， 通過特定算法檢測出每個眨眼信號的起始點和結束點，通過所述預處理后的所述腦電信號 減去眨眼信號得到一幀去除眨眼的低頻腦電信號；
[0010] 將去除眨眼信號的所述低頻腦電信號劃分為N段，將每段腦電信號進行傅里葉變 換，計算傅里葉變換后的每段所述低頻腦電信號在預設頻段范圍內的平均相對功率與平均 重心頻率；
[0011] 利用在線移動平均對所述平均相對功率和所述平均重心頻率進行平滑去噪，去除 局部噪聲對睡眠深度特征的影響；
[0012] 根據所述平均相對功率與所述平均重心頻率之比計算所述低頻腦電信號的睡眠 深度指數，查詢預設的睡眠分級表獲取所述睡眠深度指數對應的睡眠等級及睡眠狀態信 息。
[0013] 進一步，所述預設頻段包括a Hz~b Hz、a Hz~c Hz，0.1〈 = a〈 = l，l〈b〈4,4〈 = c〈 =6〇
[0014] 進一步，所述腦電信號是利用單通道腦電采集裝置采集的。
[0015] 本發明還提供了一種基于低頻腦電的睡眠分析系統，包括腦電采集裝置、分析裝 置，其中，
[0016] 所述腦電采集裝置，用于采集并或獲取腦電信號，所述腦電信號的采樣頻率為 125Hz；
[0017] 所述分析裝置，用于獲取所述腦電采集裝置采集的腦電信號，將所述腦電信號進 行分析處理，判斷所述腦電信號的用戶的睡眠等級及睡眠狀態信息。
[0018] 進一步，所述分析裝置包括
[0019] 預處理模塊，用于將所述腦電信號進行預處理，所述預處理包括異常信號去除、標 準化、基線漂移信號濾除和低通濾波，所述低通濾波的頻率為6HZ，獲得低頻腦電信號；
[0020] 眨眼去除模塊，用于對所述低頻腦電信號進行眨眼信號去除，所述眨眼信號去除 包括計算差分信號，通過特定算法檢測出每個眨眼信號的起始點和結束點，通過所述低頻 腦電信號減去眨眼信號得到一幀去除眨眼的低頻腦電信號；
[0021] 特征提取模塊，用于將所述眨眼信號去除后的所述低頻腦電信號劃分為N段，將每 段低頻腦電信號進行傅里葉變換，計算傅里葉變換后的每段所述低頻腦電信號在預設頻段 范圍內的平均相對功率與平均重心頻率；
[0022] 特征去噪模塊，利用在線移動平均對所述平均相對功率和所述平均重心頻率進行 平滑去噪，去除局部噪聲對睡眠深度特征的影響；
[0023] 睡眠分析模塊，用于根據所述平均相對功率與所述平均重心頻率之比計算用戶的 睡眠深度指數，查詢預設的睡眠分級表獲取所述睡眠深度指數對應的睡眠等級及睡眠狀態 信息。
[0024] 進一步，所述腦電采集裝置包括信號采集電路、模數轉換電路和通信電路，所述模 數轉換電路分別與所述信號采集電路、通信電路連接。
[0025] 進一步，所述預設頻段包括a Hz~b Hz、a Hz~c Hz，0.1〈 = a〈 = l，l〈b〈4,4〈 = c〈 =6。經典取值a為0.5, b為3.5, c為6。
[0026] 綜上，本發明通過佩戴舒適、操作簡單方便、舒適度高的單通道腦電采集裝置采集 腦電信號，腦電信號中的低頻腦電信號避免了不同個體之間差異性，提高了睡眠分析的準 確性，便于后續采用相關生理信號的監測來改善睡眠質量和睡眠監護。
【附圖說明】
[0027] 圖1為本發明所述的基于低頻腦電的睡眠分析方法的流程示意圖；
[0028] 圖2為本發明所述的基于低頻腦電的睡眠分析系統的結構示意圖；
[0029] 圖3為本發明所述的分析裝置的結構示意圖。
【具體實施方式】
[0030] 下面通過具體的實施例并結合附圖對本發明做進一步的詳細描述。
[0031] 當前的睡眠分析技術中，過度依賴于訓練數據，且腦電檢測裝置結構復雜用戶舒 適度低，且分析的睡眠特征個體差異性較大，為了解決上述問題本發明提供了一種基于低 頻腦電的睡眠分析方法。
[0032] 如圖1所示，所述方法包括如下步驟：
[0033] SlOl、采集并或獲取腦電信號，所述腦電信號的采樣頻率為125Hz。
[0034] 腦電圖的波形很不規則，其頻率變化范圍每秒約在1~30次之間，通常將此頻率變 化分為4個波段:① α波:頻率8~13Hz，波幅10~100μν。大腦各區均有，但以枕部最明顯。α節 律是成人和較大兒童清醒閉目時主要的正常腦電活動，小兒的α波及節律隨年齡增長而逐 漸明顯。②β波:頻率14~30Hz，波幅約5~30/μν以額、顳和中央區較明顯。在精神活動，情緒 興奮時增多。約有6%的正常人即使在精神安定和閉目時所記錄的腦電圖仍以β節律為主， 稱之為β型腦電圖。③Θ波:頻率4~7Hz，波幅20~40μν。④δ波:頻率0.5~3Hz，波幅10~20μ V。常在額部出現。采樣頻率與腦電頻率之間有一定的關系，當采樣頻率高于腦電頻率最高 頻率的兩倍時，就能把腦電頻率還原為原來的頻率。過高的采樣頻率會增加數據存儲空間 和算法計算復雜度。根據芯片的晶振分頻特點，本發明取采樣頻率為125Hz。
[0035] S102、將所述腦電信號進行預處理獲取低頻腦電信號，所述預處理包括異常信號 去除、標準化、基線漂移信號濾除和低通濾波，所述低通濾波的頻率為6Hz。
[0036] 具體實施時，可選的首先直接去除原始腦電信號中幅度異常的信號（具體實施時 可選的如幅值大于400uV的信號，可直接去除），再并對剩余信號進行標準化后，再利用窗長 為250的移動中值濾波方法，濾除標準化信號中的基線漂移信號，最后進行6Hz的低通濾波。 低通濾波采用6Hz，方便獲取所述腦電信號的差分信號進行眨眼檢測和去除。
[0037] 基線漂移信號一般是腦電采集裝置以及環境因素的影響產生的，傳統的腦電信號 處理中并未對基線漂移信號進行處理，直接影響到了生成的睡眠深度指數，進而影響到睡 眠的分級。
[0038] 具體實施時，本發明可選的利用如下的標準化方法進行處理：
[0039] y(n) - (x(n)~x))! δ
[0040] 其中n = 0,1，2，. . .N-I，Ν為腦電信號長度，δ為腦電信號的標準差，[為腦電信號的 均值，x(n)為標準化前的腦電信號，y(n)為標準化后的腦電信號。
[0041 ]本發明采用的移動中值濾波公式如下：
[0042]腦電信號x(n)(n = 0，l，2, . . .，N-1)，取長度為L=2M+1(M為正整數）的濾波窗口， 設在第η時刻輸入信號序列在窗口中的采樣點為x(n-M)，. . .，x(n)，. . .，x(n+M)，此時的輸 出為:y(n)=med{x(n-M)，. . .，x(n)，. . .，x(n+M)}，其中med表示對窗口內所有數按小到大 排序后取中值的運算。
[0043] S103、對所述低頻腦電信號進行眨眼信號去除。
[0044] 具體實施時，本發明可選的利用計算差分信號進行眨眼信號去除，通過特定算法 檢測出每個眨眼信號的起始點和結束點，通過所述預處理后的所述低頻腦電信號減去眨眼 信號得到一幀去除眨眼的低頻腦電信號。需要說明的是，眨眼偽跡是腦電信號采集過程中 的常見噪聲，嚴重影響其有用信息（即睡眠特征）的提取，因此本發明利用特定算法的目的 在于有效的識別并去除眨眼信號，所述特定檢測算法是指，對所述低頻腦電信號的差分信 號，取兩個閾值分別對應眼瞼開始閉合和重新開始睜開的速度，以這兩個閾值定位出每個 眨眼信號的起始點和結束點，該算法對本領域技術人員是公知，本發明在此不再一一詳述。
[0045] S104、將去除眨眼信號后的所述低頻腦電信號劃分為N段，將每段低頻腦電信號按 照預設頻段進行頻譜特征提取，計算每段所述低頻腦電信號在預設頻段范圍內的平均相對 功率與平均重心頻率。
[0046] 所述預設頻段包括a Hz~b Hz、a Hz~c Hz，0. l〈 = a〈 = l，l〈b〈4,4〈 = c〈 = 6。所 述腦電信號是利用單通道腦電采集裝置采集的。
[0047]將所述低頻腦電信號劃分為N段后，每段的段長為base(具體實施時可選的500〈= 匕386〈=1000)，兩段之間重疊&386/2，即步長為&386/2，經典取值&386 = 750;分別對每小段 信號進行FFT變換，對變換后的頻譜信號計算a Hz~b Hz的相對功率（即a Hz~b Hz絕對功 率與a Hz~c Hz絕對功率的比值)和頻段a Hz~b Hz的重心頻率，最后對所有小段的特征 計算平均值，得到一幀腦電數據的睡眠狀態特征(a Hz~b Hz的相對功率和重心頻率）。其 中a、b、c滿足:0· l〈 = a〈 = l，1〈13〈4,4〈 = (：〈 = 6，進一步，a為0·5，b為3·5，c為6。本發明充分 利用腦電信號中的低頻腦電信號（包括眼動和Delta波），而delta頻段與睡眠分期密切相 關。本發明通過單通道腦電采集裝置采集的腦電信號計算a Hz~b Hz的相對功率和重心頻 率，佩戴舒適，操作簡單方便，極大的提高了用戶使用舒適度，并且a Hz~b Hz正好處在 Delta頻段(包括眼動和Delta波），此頻段的腦電信號相對高頻腦電信號具備更好的通用 性，可避免不同個體之間差異性，更能表征睡眠深度的特征信息，有利于睡眠狀態分類。
[0048] S105、利用在線移動平均對所述平均相對功率和所述平均重心頻率進行平滑去 噪，去除局部噪聲對睡眠深度特征的影響；
[0049] S106、根據所述平均相對功率與所述平均重心頻率之比計算所述低頻腦電信號的 睡眠深度指數，查詢預設的睡眠分級表獲取所述睡眠深度指數對應的睡眠等級及睡眠狀態 信息，所述預設的睡眠分級表包括睡眠深度指數與睡眠等級及睡眠狀態信息的關聯關系。
[0050] 具體實施時，所述睡眠深度指數可映射為1至100之間，同時將睡眠狀態劃為5個狀 態(覺醒，REM，NREMl，NREM2，NREM3)。1 ~10表示覺醒，10~30表示REM，30~50表示NREMl，50 ~80表示NREM2,80~100表示NREM3,由此計算出每幀腦電數據對應的睡眠狀態。需要說明 的是，所述睡眠深度指數狀態的劃分可根據具體實際進行劃分，本發明中劃分了 5個狀態， 具體實施時還可選的劃分為不同于5的其他數字的幾個狀態，本發明在此不進行一一詳述。
[0051] 本發明通過對檢測到的腦電信號進行處理直接計算其睡眠深度指數，不需對訓練 數據進行模式訓練，減少模型訓練時間，分類結果不依賴于訓練數據。本發明充分利用腦電 信號中的低頻腦電信號(包括眼動和Delta波），計算出a Hz~b Hz的相對功率，避免了被試 者之間的個體差異性，并且a Hz~b Hz正好處在Delta頻段(包括眼動和Delta波），此頻段 的腦電信號相對高頻腦電信號具備更好的通用性，可避免不同個體之間差異性，更能表征 睡眠深度的特征信息，有利于睡眠狀態分類。
[0052]如圖2所述，本發明還提供了一種基于低頻腦電的睡眠分析系統。所述系統包括腦 電采集裝置100、分析裝置200。
[0053]其中，
[0054]所述腦電采集裝置100,用于采集并或獲取腦電信號，所述腦電信號的采樣頻率為 125Hz；
[0055] 所述分析裝置200,用于獲取所述腦電采集裝置采集的腦電信號，將所述腦電信號 進行分析處理，判斷所述腦電信號的用戶的睡眠等級及睡眠狀態信息。
[0056] 具體實施時，本發明所述的腦電采集裝置可選的為眼罩等方便佩戴的裝置。
[0057]進一步，如圖3所示，所述分析裝置包括
[0058]預處理模塊201，用于將所述腦電信號進行預處理獲取低頻腦電信號，所述預處理 包括異常信號去除、標準化、基線漂移信號濾除和低通濾波，所述低通濾波的頻率為6Hz;
[0059] 眨眼去除模塊202,用于對所述低頻腦電信號進行眨眼信號去除。
[0060] 所述眨眼信號去除，用于計算差分信號，通過特定算法檢測出每個眨眼信號的起 始點和結束點，通過所述低頻腦電信號減去眨眼信號得到一幀去除眨眼的低頻腦電信號。
[0061] 特征提取模塊203,用于將去除眨眼信號后所述低頻腦電信號劃分為N段，將每段 腦電信號進行傅里葉變換，計算傅里葉變換后的每段所述腦電信號在預設頻段范圍內的平 均相對功率與平均重心頻率；
[0062] 特征去噪模塊204,利用移動平均對所述平均相對功率和所述平均重心頻率進行 平滑去噪，去除局部噪聲對睡眠深度特征的影響；
[0063]睡眠分析模塊205，用于根據所述平均相對頻率與所述平均重心頻率之比計算所 述低頻腦電信號的用戶睡眠深度指數，查詢預設的睡眠分級表獲取所述睡眠深度指數對應 的睡眠等級及睡眠狀態信息，所述預設的睡眠分級表包括睡眠深度指數與睡眠等級及睡眠 狀態信息的關聯關系。
[0064] 所述預設頻段包括a Hz~b Hz、a Hz~c Hz，0 · l〈 = a〈 = I，l〈b〈4,4〈 = c〈 = 6。
[0065] 進一步，a為0.5，b為3.5，c為6。
[0066]傳統的腦電采集裝置結構復雜不利于產品結構化，例如多導聯采集。本發明所述 腦電采集裝置包括信號采集電路、模數轉換電路和通信電路，所述模數轉換電路分別與所 述信號采集電路、通信電路連接。其中，信號采集電路可選的包括信號測試電極、參考電極 和接地電極。具體實施時，可選的將信號采集電路、模數轉換電路和通信電路三個結構簡單 的電路內置于眼罩、發帶等結構內，從而方便用戶佩戴；同時，不同于傳統笨重的腦電采集 儀器，本發明所述的腦電采集裝置通過內置信號采集電路、模數轉換電路和通信電路的發 帶或者眼罩等提高了采集腦電信號過程中的用戶體驗的舒適性。具體實施時，所述通信電 路包括發送天線。具體實施時，所述腦電采集裝置還可選的包括分別與所述信號采集電路、 模數轉換電路連接的放大電路。所述放大電路將所述信號采集電路采集的腦電信號放大 后，再利用所述模數轉換電路將信號放大后的所述腦電信號進行模數轉換。
[0067] 進一步，具體實施時，本發明所述的腦電采集裝置還可選的包括分別與所述信號 采集電極、所述數模轉換電路和所述通信電路連接的保護電路。
[0068] 以上所述僅為本發明的優選實施案例而已，并不用于限制本發明，對于本領域的 技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原則之內，所作的任何 修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
【主權項】
1. 一種基于低頻腦電的睡眠分析方法及系統，其特征在于，包括如下步驟： 采集并或獲取腦電信號，所述腦電信號的采樣頻率為125HZ; 將所述腦電信號進行預處理獲取低頻腦電信號，所述預處理包括異常信號去除、標準 化、基線漂移信號濾除和低通濾波，所述低通濾波的頻率為6Hz; 對所述低頻腦電信號進行眨眼信號去除； 將去除眨眼信號后的所述低頻腦電信號劃分為N段，將每段腦電信號進行傅里葉變換， 計算傅里葉變換后的每段所述腦電信號在預設頻段范圍內的平均相對功率與平均重心頻 率； 利用移動平均法對所述平均相對功率和所述平均重心頻率進行平滑去噪； 根據平滑去噪后的所述平均相對功率與所述平均重心頻率之比計算用戶的睡眠深度 指數，查詢預設的睡眠分級表獲取所述睡眠深度指數對應的睡眠等級及睡眠狀態信息，所 述預設的睡眠分級表包括睡眠深度指數與睡眠等級及睡眠狀態信息的關聯關系。2. 根據權利要求1所述的基于低頻腦電的睡眠分析方法，其特征在于，所述預設頻段包 括a Hz ~b Hz、a Hz ~c Hz，0.1〈 = a〈 = l，l〈b〈4,4〈 = c〈 = 6。3. 根據權利要求2所述的基于低頻腦電的睡眠分析方法，其特征在于，a為0.5，b為3.5， c為6 〇4. 根據權利要求1所述的基于低頻腦電的睡眠分析方法，其特征在于，所述腦電信號是 利用單通道腦電采集裝置采集的。5. 根據權利要求4所述的基于低頻腦電的睡眠分析方法，其特征在于，所述腦電采集裝 置包括信號采集電路、模數轉換電路和通信電路，所述模數轉換電路分別與所述信號采集 電路、通信電路連接。6. -種基于低頻腦電的睡眠分析系統，其特征在于，包括腦電采集裝置、分析裝置，其 中， 所述腦電采集裝置，用于采集并或獲取腦電信號，所述腦電信號的采樣頻率為125Hz; 所述分析裝置，用于獲取所述腦電采集裝置采集的腦電信號，將所述腦電信號進行分 析處理，判斷所述腦電信號的用戶睡眠等級及睡眠狀態信息。7. 根據權利要求6所述的基于低頻腦電的睡眠分析系統，其特征在于，所述分析裝置包 括 預處理模塊，用于將所述腦電信號進行預處理獲取低頻腦電信號，所述預處理包括異 常信號去除、標準化、基線漂移信號濾除和低通濾波，所述低通濾波的頻率為6Hz; 眨眼去除模塊，用于對所述低頻腦電信號進行眨眼信號去除； 特征提取模塊，用于將去除眨眼信號后的所述低頻腦電信號劃分為N段，將每段低頻腦 電信號進行傅里葉變換，計算傅里葉變換后的每段所述低頻腦電信號在預設頻段范圍內的 平均相對功率與平均重心頻率； 特征去噪模塊，利用移動平均法對所述平均相對功率和所述平均重心頻率進行平滑去 噪； 睡眠分析模塊，用于根據平滑去噪后的所述平均相對功率與所述平均重心頻率之比計 算用戶的睡眠深度指數，查詢預設的睡眠分級表獲取所述睡眠深度指數對應的睡眠等級及 睡眠狀態信息，所述預設的睡眠分級表包括睡眠深度指數與睡眠等級及睡眠狀態信息的關 聯關系。8. 根據權利要求6所述的基于低頻腦電的睡眠分析系統，其特征在于，所述腦電采集裝 置包括信號采集電路、模數轉換電路和通信電路，所述模數轉換電路分別與所述信號采集 電路、通信電路連接。9. 根據權利要求6所述的基于低頻腦電的睡眠分析系統，其特征在于，所述預設頻段包 括a Hz ~b Hz、a Hz ~c Hz，0.1〈 = a〈 = l，l〈b〈4,4〈 = c〈 = 6。10. 根據權利要求9所述的基于低頻腦電的睡眠分析方法，其特征在于，a為0.5，b為 3 · 5，c為6〇
【文檔編號】A61B5/00GK105942974SQ201610231751
【公開日】2016年9月21日
【申請日】2016年4月14日
【發明人】廖春平
【申請人】禪客科技（上海）有限公司