基于腦電波的便攜式睡眠質(zhì)量監(jiān)測(cè)系統(tǒng)-預(yù)覽頁(yè)
【正文】 劃分規(guī)則（僅含腦電，且忽略例外情況）W（覺(jué)醒期）枕區(qū)α波含量大于50%N1（非快速眼動(dòng)期1）α波減弱，低幅度、4～7Hz的波含量大于50%N2（非快速眼動(dòng)期2）開(kāi)始階段：出現(xiàn)與覺(jué)醒無(wú)關(guān)的K復(fù)合波或者紡錘波持續(xù)階段：低幅度、4～7Hz的波（不含K復(fù)合波或紡錘波）N3（非快速眼動(dòng)期3）～2Hz的慢波含量大于20%R（快速眼動(dòng)期）出現(xiàn)低幅度、4～7Hz的波（不含K復(fù)合波或紡錘波） 表22 睡眠分期的腦電標(biāo)準(zhǔn)[3]其中，非快速眼動(dòng)期睡眠深度從深到淺，依次是：NNN1。BP算法最早是由Werbos在1974年提出來(lái)的，Rumelhart等人于1985年發(fā)展了該理論，提出了清晰而又嚴(yán)格的算法。在前向傳播中，把Xi作為網(wǎng)絡(luò)的輸入，根據(jù)現(xiàn)有的W計(jì)算網(wǎng)絡(luò)的輸出Yi=(yi1, yi2,… , yin)。在訓(xùn)練過(guò)程中總是以盡可能快的減小E的方式進(jìn)行。權(quán)值的調(diào)整決定于傳播過(guò)程中的每一步。因?yàn)榈谝环N方式只能針對(duì)某一特定的訓(xùn)練對(duì)減小誤差函數(shù)，而可能增大其它訓(xùn)練對(duì)的誤差函數(shù)；第二種方式總是以減小總體誤差函數(shù)為目標(biāo)的。圖31 濾波前后的腦電信號(hào)波形對(duì)比（采樣率512Hz）圖32 濾波前后的腦電信號(hào)頻譜對(duì)比（采樣率512Hz） 加窗頻域分析效果驗(yàn)證由于睡眠深時(shí)低頻率的腦電波所占功率比例會(huì)增強(qiáng)，睡眠淺時(shí)會(huì)減弱，因此使用單一頻段的波所占功率比例可以簡(jiǎn)單判讀睡眠的深淺程度。圖33 加窗頻域分析后所得δ波所占的功率比例 睡眠分期判定方法 睡眠深淺的目測(cè)方法實(shí)驗(yàn)對(duì)象佩戴腦電采集設(shè)備，未服用任何輔助藥物或干預(yù)治療，進(jìn)行了連續(xù)五晚的睡眠腦電波采集。多次取連續(xù)十分鐘（600秒）片段，每30秒加漢明窗頻域分析得到了各頻段的腦電波所占的功率比例。這部分研究采用從PhysioNet[17]獲得的CAP睡眠腦電數(shù)據(jù)庫(kù)[18]進(jìn)行分析和算法驗(yàn)證。受試者為9名女性、7名男性，年齡從23歲至42歲不等。K規(guī)則中把NREM睡眠分成了四個(gè)階段，由淺至深依次為S1至S4。根據(jù)數(shù)據(jù)附帶的睡眠分期注釋，對(duì)于睡眠的六個(gè)分期（這里以W、SSSSREM計(jì)），都各自隨機(jī)選出三個(gè)片段，共18個(gè)。另外，由于在實(shí)際實(shí)驗(yàn)中會(huì)合并S3和S4，且會(huì)增加一個(gè)輸入變量——θ波所占的功率比例，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證的方法的可行性得以證明。設(shè)計(jì)實(shí)驗(yàn)所需的BP網(wǎng)絡(luò)時(shí)，輸入層有三個(gè)節(jié)點(diǎn)，即δ波、θ波和α波所占的功率比例，以1至1分別進(jìn)行歸一化處理。由于本文的樣本數(shù)為60個(gè)，故n取6，即隱含層有6個(gè)節(jié)點(diǎn)。經(jīng)過(guò)驗(yàn)證，用于驗(yàn)證的樣本中有4個(gè)判斷錯(cuò)誤，神經(jīng)網(wǎng)絡(luò)的效果并不十分理想。本文的實(shí)驗(yàn)證明，便攜式腦電波采集設(shè)備具有傳統(tǒng)設(shè)備無(wú)可比擬的移動(dòng)性，適合個(gè)人、家庭用戶使用；利用它可以獲得較高質(zhì)量的腦電信號(hào)、用于分析，結(jié)合神經(jīng)網(wǎng)絡(luò)等算法也可以對(duì)于睡眠質(zhì)量進(jìn)行可靠的監(jiān)測(cè)與評(píng)估，還能夠初步實(shí)現(xiàn)對(duì)于睡眠的分期。此外，探究腦電波的誘發(fā)、治療理論，和便攜式腦電波采集設(shè)備的準(zhǔn)確性、可靠性及其市場(chǎng)化后的診斷、評(píng)估等應(yīng)用價(jià)值，也可以作為本課題后續(xù)的發(fā)展方向。 30: 509~517.[7]Roberts S, et al. IEEE procedingsF 1992。[10]鐃志強(qiáng), 葉念渝. FIR和IIR數(shù)字濾波器的探討與實(shí)現(xiàn). 計(jì)算機(jī)與數(shù)字工程, 2005, 33(7). [11]史潔玉. MATLAB信號(hào)處理超級(jí)學(xué)習(xí)手冊(cè). 人民郵電出版社, 2014. 9.[12]陳群. 腦電生物反饋治療儀與睡眠分期的研究. 廣東工業(yè)大學(xué), 2013.[13]李穎潔, 邱意弘, 朱貽盛. 腦電信號(hào)分析方法及其應(yīng)用. 北京: 科學(xué)出版社, 2009.[14]Petre Stoica, Randolph L. Moses. Spectral Analysis of Signals. Pearson Prentice Hall, 2005. [15]施鴻寶. 神經(jīng)網(wǎng)絡(luò)及其應(yīng)用. 西安: 西安交通大學(xué)出版社, 1993. [16]王春峰, 萬(wàn)海暉, 張維. 基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估. 系統(tǒng)工程理論與實(shí)踐, 1999年9月第9期. [17]MG Terzano, L Parrino, A Sherieri, R Chervin, S Chokroverty, C Guilleminault, M Hirshkowitz, M Mahowald, H Moldofsky, A Rosa, R Thomas, A Walters. Atlas, rules, and recording techniques for the scoring of cyclic alternating pattern (CAP) in human sleep. Sleep Med 2001 No
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1