一種自動(dòng)識別和提取睡眠腦電中k復(fù)合波的方法
【專利摘要】一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法，包括以下步驟：對腦電信號進(jìn)行小波分解和重構(gòu)；對重構(gòu)的數(shù)據(jù)采用Teager?energy能量算子的運(yùn)算并取絕對值；對得到的Teager能量曲線平滑并0/1粗?；?；對粗?；臄?shù)據(jù)進(jìn)行閾值檢測；對滿足閾值的重構(gòu)信號進(jìn)行形態(tài)學(xué)檢測，滿足形態(tài)學(xué)檢測條件則該位置的信號為K復(fù)合波并記錄下起點(diǎn)和終點(diǎn)位置以及波峰波谷的值和位置；本發(fā)明對小波分解重構(gòu)后的信號用Teager能量算子進(jìn)行分析，提取Teager能量算子的絕對值序列并進(jìn)行平滑、粗粒化處理，該方法實(shí)現(xiàn)容易，抗噪能力強(qiáng)，并能比較準(zhǔn)確地確定K復(fù)合波的位置以及波峰波谷的值和位置，為睡眠分期中非眼動(dòng)2期的識別及K復(fù)合波的研究奠定了基礎(chǔ)。
【專利說明】一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及腦電信號【技術(shù)領(lǐng)域】，特別涉及一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法。

【背景技術(shù)】
[0002]充足的睡眠是國際社會(huì)公認(rèn)的三項(xiàng)健康標(biāo)準(zhǔn)，但是隨著科學(xué)技術(shù)的進(jìn)步，生活節(jié)奏的加快和來自各方面壓力的不斷增大，人類越來越多的遭受著各種睡眠相關(guān)疾病的折磨，比如:失眠、嗜睡等。睡眠質(zhì)量的下降不僅影響到人的生理健康還會(huì)危害人的心理健康，因?yàn)樗哔|(zhì)量的下降，往往還伴隨著一些心理疾病的發(fā)生，比如:焦慮癥、抑郁，慢性疼痛，害怕失眠等癥狀。除了精神疾病，其他疾病與睡眠的關(guān)系也得到了廣泛的研究，通過睡眠腦電圖的檢測，可以為癲癇、腦血栓、腦缺氧、中樞神經(jīng)系統(tǒng)疾病以及智能障礙提供診斷和治療等方面的信息。因此對睡眠的觀察和監(jiān)護(hù)具有重要的意義。
[0003]睡眠效果的判定不僅要看睡眠時(shí)間的長短，更重要的是由睡眠深度來決定的。因此睡眠分期對研究睡眠有著重要意義。目前國際上將睡眠分為兩種狀態(tài):非快速眼動(dòng)期和快速眼動(dòng)期，非快速眼動(dòng)期又分為一、二、三和四期，其睡眠深度依次加深。睡眠進(jìn)入非快速眼動(dòng)二期的最重要的標(biāo)志特征就是腦電圖中出現(xiàn)K復(fù)合波。K復(fù)合波是大幅值的雙相慢波，即形態(tài)學(xué)上要求先有一個(gè)正向波，緊接著一個(gè)負(fù)向波，平均持續(xù)時(shí)間為0.5-1.5s，峰峰值在10v到400v之間。K復(fù)合波的識別不僅為睡眠分期提供了重要的判別特征，對探索睡眠的生理機(jī)制、睡眠障礙、認(rèn)知活動(dòng)等有著重要意義，在臨床睡眠障礙疾病檢測和治療中有很好的應(yīng)用前景。
[0004]傳統(tǒng)檢測K復(fù)合波的方法主要依靠人工，不僅費(fèi)時(shí)費(fèi)力而且主觀性強(qiáng)；隨著對K復(fù)合波的研究，逐漸出現(xiàn)了很多自動(dòng)識別K復(fù)合波的方法，主要有以下幾種:形態(tài)學(xué)檢測、時(shí)頻分析以及提取特征通過神經(jīng)網(wǎng)絡(luò)分類。形態(tài)學(xué)檢測容易受到噪聲的干擾，神經(jīng)網(wǎng)絡(luò)分類不能準(zhǔn)確地判斷K復(fù)合波出現(xiàn)的位置。近兩年，國外科研工作者提出了先采用數(shù)字濾波結(jié)合Teager能量算子方法檢測腦電中的K復(fù)合波，再利用小波分解重構(gòu)及形態(tài)學(xué)方法檢測K復(fù)合波，通過兩者結(jié)果對比，最終提取K復(fù)合波。
[0005]但是，由于Teager能量算子是一種適用于單分量信號分析的方法，容易受噪聲、干擾影響；而數(shù)字濾波技術(shù)不能很好地完全去除低頻段的噪聲、干擾，從而導(dǎo)致濾波結(jié)合能量算子的方法對于臨床實(shí)際信號中K復(fù)合波的識別有較大誤差，最終導(dǎo)致整體檢測效果不佳，算法的通用性、魯棒性較差。


【發(fā)明內(nèi)容】

[0006] 為了克服上述現(xiàn)有技術(shù)的缺陷，本發(fā)明的目的在于提供一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法，首先采用小波分解和重構(gòu)方法提取K復(fù)合波所在相應(yīng)頻段的信號，然后對重構(gòu)信號采用Teager能量算子進(jìn)行分析并提取Teager能量算子序列，計(jì)算該序列的絕對值序列，并對其進(jìn)行平滑、粗?；幚?。這些措施保證了用Teager能量算子識別和提取K復(fù)合波的精度，去除了噪聲對于該方法的不良影響，提高了算法的抗噪能力和魯棒性。
[0007]為了達(dá)到上述目的，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn):
[0008]一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法，具體實(shí)現(xiàn)步驟如下:
[0009]步驟一、讀取睡眠腦電信號X (t)，對X (t)分段，段長為30s，對每一段的數(shù)據(jù)利用db5小波進(jìn)行八層的小波分解，依據(jù)K復(fù)合波的主要分布范圍，選擇第7層、8層的低頻系數(shù)進(jìn)行重構(gòu)，得到預(yù)處理后腦電信號y(t)；
[0010]步驟二、對預(yù)處理后腦電信號y(t)的最大值max(y(t))和最小值min(y(t))進(jìn)行對比，若最大值和最小值的差的絕對值大于100μ V時(shí)，則對預(yù)處理后腦電信號y(t)進(jìn)行Teager能量算子(TEO)的計(jì)算并取其絕對值,得到Teager能量算子(TEO)的絕對值序列ζ (η)，若不滿足上述條件，則不處理，進(jìn)行下一段信號的處理；
[0011]步驟三、對Teager能量算子(TEO)的絕對值序列ζ (η)進(jìn)行平滑處理，方法為加矩形窗求平均值，窗長為125，步長為1，得到新的序列ο(η)；
[0012]步驟四、將平滑后的序列ο(η)進(jìn)行粗?；D(zhuǎn)化為0/1序列ρ(η)；
[0013]步驟五、檢測0/1序列P (η)中連續(xù)I的持續(xù)時(shí)間，若持續(xù)時(shí)間大于0.5s,則記錄其起始和終止的位置，以此為據(jù)，去查找重構(gòu)信號相對應(yīng)的位置，然后對該位置的重構(gòu)信號進(jìn)行形態(tài)學(xué)檢測，滿足形態(tài)學(xué)檢測條件則該位置的信號為K復(fù)合波，并記錄下起點(diǎn)和終點(diǎn)位置以及波峰波谷的值和其位置。
[0014]所述的步驟二中，對預(yù)處理后腦電信號y(t)進(jìn)行Teager能量算子(TEO)的計(jì)算，具體為:
[0015]對Teager能量算子的定義為:
[0016]

【權(quán)利要求】
1.一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法，其特征在于，具體實(shí)現(xiàn)步驟如下: 步驟一、讀取睡眠腦電信號X (t)，對X (t)分段，段長為30s，對每一段的數(shù)據(jù)利用db5小波進(jìn)行八層的小波分解，依據(jù)K復(fù)合波的主要分布范圍，選擇第7、8層的低頻系數(shù)進(jìn)行重構(gòu)，得到預(yù)處理后腦電信號y(t)； 步驟二、對預(yù)處理后腦電信號y(t)的最大值max(y(t))和最小值min (y (t))進(jìn)行對比，若最大值和最小值的差的絕對值大于100μν時(shí)，則對預(yù)處理后腦電信號y(t)進(jìn)行Teager能量算子(TEO)的計(jì)算并取其絕對值,得到Teager能量算子(TEO)的絕對值序列z (η)，若不滿足上述條件，則不處理，進(jìn)行下一段信號的處理； 步驟三、對Teager能量算子(TEO)的絕對值序列ζ (η)進(jìn)行平滑處理，方法為加矩形窗求平均值，窗長為125，步長為1，得到新的序列ο(η)； 步驟四、將平滑后的序列ο(η)進(jìn)行粗粒化轉(zhuǎn)化為0/1序列ρ(η)； 步驟五、檢測0/1序列P (η)中連續(xù)I的持續(xù)時(shí)間,若持續(xù)時(shí)間大于0.5s,則記錄其起始和終止的位置，以此為據(jù)，去查找重構(gòu)信號相對應(yīng)的位置，然后對該位置的重構(gòu)信號進(jìn)行形態(tài)學(xué)檢測，滿足形態(tài)學(xué)檢測條件則該位置的信號為K復(fù)合波，并記錄下起點(diǎn)和終點(diǎn)位置以及波峰波谷的值和其位置。
2.根據(jù)權(quán)利要求1所述的一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法，其特征在于，所述的步驟二中，對預(yù)處理后腦電信號y(t)進(jìn)行Teager能量算子(TEO)的計(jì)算，具體為: 對Teager能量算子的定義為:
其中，x(n)代表預(yù)處理后腦電信號y(t)中第η個(gè)樣本值信號，代表Teager能量算子(TEO)的輸出序列。
3.根據(jù)權(quán)利要求1所述的一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法，其特征在于，所述的步驟四中，粗?；癁?/1序列P (η)的公式為:
「l，o(n) > threshold
p(n) = 3
[O, o(n) < threshold 其中o(n)為平滑處理后所得序列，threshold為設(shè)定的閾值，其定義為-threshold =1.5 X (mean (ο (η)) + (std (ο (η)))), mean (ο (η))為 ο (η)的平均值，std (ο (η))為 ο (η)的標(biāo)準(zhǔn)差，P (η)為粗粒化轉(zhuǎn)換后所得的新的0/1序列。
4.根據(jù)權(quán)利要求1所述的一種自動(dòng)識別和提取睡眠腦電中K復(fù)合波的方法，其特征在于，所述的步驟五中，形態(tài)學(xué)檢測的具體過程:首先求重構(gòu)信號相對應(yīng)的位置的峰峰值，即連續(xù)I起始位置和終止位置對應(yīng)的重構(gòu)信號的峰峰值，檢測峰峰值是否滿足大于10v且小于400ν的條件；其次檢測正向以及負(fù)向波的持續(xù)時(shí)間是否滿足大于總持續(xù)時(shí)間的1/4 ;最后檢測峰峰值之間的斜率是否滿足大于200v/s ;若上述條件均滿足，則該時(shí)間段的信號為K見合波。
【文檔編號】A61B5/0452GK104068849SQ201410312709
【公開日】2014年10月1日 申請日期:2014年7月2日 優(yōu)先權(quán)日:2014年7月2日
【發(fā)明者】徐進(jìn), 魏妍, 吳舒婷 申請人:西安交通大學(xué)