申请/专利权人:南京畅享医疗科技有限公司
申请日:2021-02-25
公开(公告)日:2021-06-08
公开(公告)号:CN112568873B
主分类号:A61B5/00(20060101)
分类号:A61B5/00(20060101);A61B5/372(20210101);A61B5/397(20210101);G06K9/00(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2021.06.08#授权;2021.04.16#实质审查的生效;2021.03.30#公开
摘要:本发明公开了一种实时睡眠监测记录与分析方法,是生物医学领域研究人或其他动物睡眠状态的常用方法,提供了一种结合硬件与软件,进行实时睡眠监测的系统,硬件负责采集数据,软件负责对数据进行睡眠的分类,并达到实时性效果,分析算法使用有量纲参数(关键频段能量、有效值和运动数据)和无量纲参数(标准化后的卷积计算值)并分别使用欧氏距离和马氏距离进行距离计算确定睡眠状态的分类,增加了分类算法的准确性,并且完成实时从设备抓取数据进行睡眠状态的标定。
主权项:1.一种实时睡眠监测记录与分析方法,其特征在于:该方法包括以下步骤:S1、记录脑电信号、肌电信号并滤除干扰,记录运动行为的视频信号;脑电信号和肌电信号为等采样间隔的时间序列X,视频信号为等采样间隔的图像序列Y;X={x1,x2,...,xn,...,xN}Y={y1,y2,...,yn,...,yN}式中,xn为采样的第n个点的幅度值,N为采样点数;yn为采样的第n幅图像的矩阵值,矩阵维度I*J,I,J分别为图像传感器的长宽上的像素数;S2、对采集的信号进行预处理、特征提取与分类;具体包括:1针对脑电信号使用傅里叶变换提取delta、theta和alpha频段的能量信息,delta频段为1~4Hz,theta频段为4~9Hz,alpha频段为9~15Hz,傅里叶变换后的值为: 式中,Fk为第k个频点的能量,1≤k≤N;为脑电信号采样的第n个点的幅度值;则计算出各频段的能量为: 式中,Fdelta,Ftheta,Falpha分别为delta、theta和alpha频段的能量信息;提取肌电信号的有效值,即均方根值: 式中,为肌电信号采样的第n个点的幅度值;提取视频信号中目标的空间信息和移动信息,使用边缘检测的方式,检测出目标的轮廓,计算图像的梯度Gn以及Gn的标准差StdG: 式中,i,j表示图像上像素点;边缘像素集合EDn={Gni,j>StdG}作为空间信息,选取边缘像素集合的平均值信息作为目标的位置Ln,计算当前帧与上一帧的位置差,作为移动信息M=Ln-Ln-1;将以上计算的结果作为有量纲值参数DI,有DI={Fdelta,Ftheta,Falpha,Urms,M}2对原始脑电数据进行零均值标准化消除数据量纲,方法如下: 其中,Z为标准化的时间序列,μ为XEEG的平均值,σ为XEEG的标准差,Z={z1,z2,...,zn,...,zN}将标准化后的数据作为输入层,通过卷积计算得到卷积层数据{J1,J2,...,JN-1}, 其中zi为标准化后的数据节点,Wi为权重值,i=1,2,...,n,...,N;基于欧氏距离找到卷积层数据{J1,J2,...,JN-1}与数据节点{z1,z2,...,zN}最相配的激活节点zn,方法如下: 欧氏距离dn取最小值对应的zn为激活节点;找到激活节点zn后,对于邻域内的节点zi,i=1,2,...,N,i≠n分别分配一个更新权重其中αdn是邻域内第i个神经元和第n个神经元之间的拓扑距离函数;按照梯度下降法更新迭代权重,通过更新权重得到更新后的节点数据,直到更新后的节点数据收敛到不同的中心点,这些中心点即为不同特征的节点数据,这些节点数据标记为不同的睡眠状态,将最后的节点数据作为无量纲参数NDI,有NDI={nd1,nd2,...,ndn,...,ndN}3分别获取M段脑电信号时间序列,肌电信号时间序列和视频信号的图像序列,所对应的有量纲参数和无量纲参数的集合分别为BINDI={DI1,DI2,...,DIm,...,DIM}BINNDI={NDI1,NDI2,...,NDIm,...,NDIM}对数据集合进行聚类分析,确定中心值信息;睡眠分期分为若干阶段,阶段数量决定数据所分的类数,即中心值CV的个数A;计算类中心值的状态值,确定中心值对应的睡眠状态。
全文数据:
权利要求:
百度查询: 南京畅享医疗科技有限公司 一种实时睡眠监测记录与分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。