基于某腦電波地便攜式睡眠高質量監(jiān)測系統

1、實用標準文檔基于腦電波的便攜式睡眠質量監(jiān)測系統金旭揚導師：華東理工大學信息學院萬永菁上海中學信息學科組吳奕明摘要睡眠是人體重要的生理活動，睡眠質量近年來受到高度關注；本文從腦電波角度探尋睡 眠監(jiān)測的有效易行方法，從軟硬件角度設計了便攜式睡眠質量監(jiān)測系統。研究分析便攜式腦 電采集設備采集的數據和 CAP睡眠腦電數據庫，用功率譜分析和 BP神經網絡探究了睡眠分 期的有效算法。實驗進行了初步的睡眠分期與質量評估，證明了便攜式睡眠質量監(jiān)測系統的 準確性及利用腦電數據進行睡眠分期的有效性。本課題研究，提出了利用單導連腦電信號進 行睡眠分期的可行性，為之后研究便攜式、市場化的睡眠監(jiān)測設備以及其他應用提供了

2、重要 的實驗參考依據。關鍵詞：腦電；腦機接口；睡眠監(jiān)測；睡眠分期；BP神經網絡一、引言1.1睡眠質量研究背景及意義睡眠是一種重要的生理現象。從生到死，人類始終是在覺醒和睡眠中度過。人類通過高 質量的睡眠，可以消除疲勞，更好地恢復精神和體力，使人在睡眠之后保持良好的覺醒狀態(tài)， 提高工作、學習效率。人類用于睡眠的時間占人一生中的三分之一。然而迄今我們對這一重要的生理現象的認 識還微乎其微，對睡眠進行科學的研究只有短短的幾十年歷史。1937年，Lomis、Harvey和Hobart注意到，睡眠不是處于一種穩(wěn)定狀態(tài)，而是要發(fā)生一系列非常有規(guī)律的周期性變化。11986年，Rechtschaffe n 等

3、人重新肯定了 Deme nt和Kleitman的分期標準，并根據十年 來的經驗作了一些必要的修改和補充，使之更趨完善。22007年，美國睡眠醫(yī)學會基于上述標準進行改進，發(fā)布了新的睡眠分期專業(yè)標準，其 中規(guī)定了各個指標具體的采集標準及判定方法。31.2腦電信號分析方法綜述隨著電子技術的發(fā)展，數字處理技術逐步應用到EEG的分析中來。經典的EEG分析方法有：以分析EEG波形的幾何性質，如幅度、均值、峭度等為主的時域分析方法和以分析EEG各頻率功率、相干等為主的領域方法。早在70年代初，W.C.Yeo和J.P.Smith就應用Walsh譜分析離線地研究了一個處于睡眠狀態(tài)的男性的三段腦電圖。R.D.La

4、rsen等應用Walsh順序的Walsh函數對EEG進行展開，并定義了雙值自相關函數，爾后討論了可以按雙 值自相關函數來顯示各種睡眠 EEG的特征。1982年，美國物理學家Hopfield提出了 HNN模型，從而有力地推動了應用神經網絡方 法解釋許多復雜生命過程的進展。自八十年代末以來，人工神經網絡的應用已涉及到了腦電 分析的各個方面，其中包括自發(fā)腦電的睡眠分級及睡眠EEG分析。S. Roberts和 L.Tarassenko 6,7把人工神經網絡應用于睡眠EEG的自動分析。他們采用無監(jiān)督學習網絡對大量沒有經過人工判別的數據進行自組織分類，少量的經過人工判別的標準樣本則用來自組 織分類結果做解

5、釋和量化，從而在網絡中形成了8個聚類區(qū)。根據EEG在 8個聚類區(qū)之間隨時間運動的軌跡可以對一夜的睡眠狀況有定性的了解。1.3腦電監(jiān)測設備介紹目前，腦電監(jiān)測設備大致有二:一為大型的、醫(yī)院專用的多導睡眠監(jiān)測系統。這種系統需要測量多導連的腦電圖、眼電 圖、肌電圖、口鼻氣流、呼吸運動、血氧飽和度等眾多指標，且有嚴格的判定規(guī)則、需要專 業(yè)知識。二為便攜式腦機接口設備。此類設備通常體積小、使用方便、成本也較低，測量的腦電 圖多為單導連，但由于獲取的數據用途較為單一，可以很好地完成睡眠監(jiān)測的任務。1.4課題研究目標本課題利用便攜式腦電波采集設備實時獲取腦電數據，并且與終端設備通訊實時存儲、 分析數據。利用W

6、in dows An droid等移動平臺下編寫的軟件實現此功能，實現人體的睡眠 監(jiān)控。二、方法和假設2.1系統軟硬件平臺的基本架構2.1.1睡眠質量監(jiān)測系統的硬件組成用于采集數據的設備是宏智力公司出品的 Brai nli nk 意念力頭箍，它采用基于 Neurosky 芯片平臺的Thi nkgear芯片，主要用于檢測腦電信號。實驗采用手機（ An droid ）系統和電 腦（WindowS系統作為采集終端。rxB_J3廣卩廿也斷幣井L_Jr、圖2-1睡眠質量監(jiān)測系統框圖圖2-2宏智力公司出品的Brainlink 意念力頭箍2.1.2睡眠質量監(jiān)測系統的數據采集方式NeuroSky的腦電波采集設

7、備較為輕便，只有前額、左耳垂兩個電極（一導連）。設備采 用AAA電池供電，根據介紹續(xù)航能力有 8小時（若再并聯一顆電池可以更長），沒有傳統腦 電采集中與腦電頻段接近的 50Hz工頻交流干擾信號。設備采用無線藍牙連接，更有利于睡 眠時數據的傳輸；耳垂采用導電夾，容易固定；利用心電圖電極片改裝前額電極，也可以彌 補原本接觸不良的缺點。為了完成單向傳輸數據的目的，使用的藍牙模擬串口（發(fā)送）芯片能耗低、續(xù)航能力強、 編程較為簡易。接收端可以是任何藍牙 4.0設備，只需一次配對后就可自動連接，對于手機、 電腦硬件的要求不高。初步測試時，采集使用的是 Microsoft Windows 平臺，使用 Neu

8、rosky提供的API接口,在Visual C+上編寫簡單的程序即可完成數據的存盤。采樣頻率約為513.5Hz,遠高于腦電信號的最咼有效頻率30Hz的兩倍，符合采樣定理圖2-3 Windows 7下的采集、分析軟件利用Neurosky提供的An droid API接口，在An droid平臺下的腦電波預覽、采集工作 也得以完成，程序可以在后臺運行，并且將采樣數據即使存盤，在實際使用過程中更為方便， 也省去了用電腦建立連接、定義接口的繁雜步驟，適合移動平臺。EEG Viewer文案大全仙 中Logging Now 1 $ 537SET FILENAME圖2-4 An droid下的采集、預覽軟件

9、2.2基于腦電信號的睡眠質量監(jiān)測方法2.2.1腦電信號預處理方法腦電波在時域上屬于非平穩(wěn)隨機信號，實驗中采集的腦電波只有一導連，因此信號不穩(wěn) 定、噪波嚴重。需要經過初步的低通數字濾波預處理。為方便起見，頻率衰減帶上限取到高 于腦電波分析中有效頻率30Hz的50Hz。數字濾波器包括有限沖激響應(FIR)濾波器和無限沖激響應(IIR)濾波器兩大類。FIR濾 波器可以得到嚴格的線性相位，相比IIR需要采用較高的階數(約是IIR的五至十倍)，但 軟件實現方便。10假設FIR濾波器的單位沖擊響應h(n)為一個長度為N的序列，那么濾波器的系統函數為：H(z)= 龍&何州h=o(2-1)上式的差分形式為：y

10、(n)=工瓜恥)鞏癢ml(2-2) 由于理想濾波器在邊界頻率處不連續(xù)，故其時域信號hd(n) 定是無限時寬的，無法實現。因此，需要把具有理想線性相位特性的濾波器曲線用窗函數截?。?杜擄二選字阮幀曲(2-3)這種設計思想稱為窗函數設計法。其中，常用的漢明窗(Hamming WindoW函數如下：(2-4)Wm() = 0.54一0.46咖 * _ JRn)幅值函數為:iiH血3 = (創(chuàng)叭3)+仏23你3-右寸)+(畑心(a I 4(2-5) 使用Matlab的fir1工具設計300點的FIR低通濾波器，采用漢明窗，以 512Hz作為采 樣頻率，50Hz作為率減帶，得到的濾波器幅頻響應曲線如下：

11、-IQQQ100.1OJQjB QA 40 D.T M MH隔伽I血世Amiuen (： 44*1!丁暑亍.w圖2-5 300點低通濾波器幅頻響應曲線(采用歸一化角頻率，2 n即為實際采樣頻率的512Hz)2.2.2腦電信號的頻域分析腦電波按頻率從高到低劃分依次為：B波 (1430Hz) ,口波(814Hz) ,B波(48Hz) 波(0.54Hz) 0腦電波頻率范圍精神狀態(tài)B波1430Hz運動感覺節(jié)律，放松可集中注意力，有協調性，思 考，對于自我和周圍環(huán)境意識清楚機警，激動a波814Hz放松但不困倦，安靜，有意識B波48Hz直覺的，回憶的，幻想，想象，淺睡S波0.54Hz深度睡眠，非快動眼睡眠

12、，無意識表2-1腦電波的頻段劃分以及不同類型腦電波所反映出的腦部精神狀態(tài)12離散時間序列x(n)的傅立葉(Fourier Transform )變換是：=工(對-扣粹n=J(2-6)如已知隨機信號x(n)的自相關函數r(k)，那么功率譜密度函數就定義為：I+oo尸)二工 rk)e-k(2-7)功率譜函數的另一定義是：亠心1丨(2-8)理論上，離散信號處理方法對有限帶寬的信號能做準確分析，但有限帶寬信號在時域上 是無限長的，只取其中有限長的一段進行傅立葉變換，相當于在原信號上加了矩形窗運算。 加窗在頻域上，對原功率譜起到了平滑的作用。I1 NF(w)二可刀皿5)工(切-513人 n=l(2-9)

13、其中，w(n)表示窗口函數。常用的窗有三角窗、漢寧窗、漢明窗、布萊克曼窗等。這些 窗的旁瓣電平比矩形窗低，但分辨率也較矩形窗低。14這里使用的是漢明窗，在 2.2.1節(jié)已有詳細介紹。其中，非快速眼動期睡眠深度從深到淺，依次是:N3 N2、N1。2.2.3睡眠分期判定的改進算法根據美國睡眠醫(yī)學會2007年的標準，睡眠分期的腦電標準如下:睡眠階段劃分規(guī)則(僅含腦電，且忽略例外情況)W(覺醒期)枕區(qū)a波含量大于50%N1 (非快速眼動期1)a波減弱，低幅度、47Hz的波含量大于50%N2 (非快速眼動期2)開始階段：出現與覺醒無關的 K復合波或者紡錘波 持續(xù)階段：低幅度、47Hz的波(不含K復合波或

14、紡 錘波)N3(非快速眼動期3)0.52Hz的慢波含量大于20%R (快速眼動期)出現低幅度、47Hz的波(不含K復合波或紡錘波)表2-2睡眠分期的腦電標準3人工神經網絡(Artificial Neural Network )是由大量簡單的處理單元廣泛連接組成 的復雜網絡，用于模擬人類大腦神經網絡的結構和行為。它反映了人腦功能的許多基本特性，但它并不是 人腦全部的真實寫照，而只是對其作某種簡化、抽象和模擬15 o在各種學習算法中，多層網絡的反向傳播算法(簡稱BP算法)應用最為廣泛。BP算法最早是由Werbos在1974年提出來的，Rumelhart等人于1985年發(fā)展了該理論，提出了清 晰而又

15、嚴格的算法。BP算法適用于前向網絡，它采用有導師學習的訓練形式，提供輸入矢 量集的同時提供輸出矢量集，通過反向傳播學習算法，調整網絡的連接權值，以使網絡輸出 在最小均方差意義下，盡量向期望輸出接近，反向學習的進程由正向傳播和反向傳播組成。 在正向傳播過程中，輸入信息經隱含神經元逐層處理并傳向輸出層，如果輸出層不能得到期 望的輸出，則轉入反向傳播過程，將實際輸出與期望輸出之間的誤差沿原來的連接通路返回， 通過修改各層神經元的連接權值，使誤差減小，然后轉入正向傳播過程，反復循環(huán)，直至誤 差小于給定的值為止。設有N個訓練對組成的訓練集，每一個訓練對用輸入矢量X= (X i1, x i2,，x im)

16、和輸出矢量D=(dii, d i2,，d in)，1 i N。在前向傳播中，把 X作為網絡的輸入，根據現有的W計算網絡的輸出Y=(y ii, y i2,，y in)算每一個輸出單元的平方誤差2(yj- d j)，i.V7工i=l j=l比較實際輸出Y與期望輸出D之間的差異，計 j m其中n為隱含節(jié)點數19。由于本文的樣本數為60個，故n取 6，即隱含層有6個節(jié)點。隱含層采用對數 S形轉移函數(Logarithmic sigmoid transfer fun cti on)f&)= ;rr1 + &(3-1)輸出層采用線性函數：f(x) = X(3-2)使用Matlab的newff工具，采用梯度

17、下降自適應學習率訓練函數創(chuàng)建 BP神經網絡。學 習率定為0.01，目標誤差0.01，最大迭代次數500。60個樣本中，隨機選取50個用于訓練, 另外未經過訓練的10個用于驗證。經過驗證，用于驗證的樣本中有4個判斷錯誤，神經網絡的效果并不十分理想。但這四組判斷錯誤的數據中，有一組把 W誤判為N1,有一組把N1誤判為REM誤差并未影響對睡 眠深淺度的判斷。此外，對于十組檢驗樣本中的N3(深度睡眠)均為判斷錯誤，可見 BP神經網絡還是有著一定的準確程度。四、結論本文主要探究了基于腦電波的便攜式睡眠質量監(jiān)測系統的可行性以及其硬件、軟件系統 的技術路線和實現方法，注重考慮了硬件系統的便攜性與成本，在關注

18、算法的有效性同時， 探究其簡易和可操作程度。本文的實驗證明，便攜式腦電波采集設備具有傳統設備無可比擬 的移動性，適合個人、家庭用戶使用；利用它可以獲得較高質量的腦電信號、用于分析，結 合神經網絡等算法也可以對于睡眠質量進行可靠的監(jiān)測與評估，還能夠初步實現對于睡眠的 分期。但若要根據醫(yī)學上嚴格的睡眠分期標準進行評估，需要采集多導連的腦電以及其他心電、呼吸等信號綜合評估，且要求較高的職業(yè)技能與素養(yǎng)，只憑便攜式睡眠監(jiān)測系統難以滿 足要求。本文的實驗結果，將為人們更好地研究便攜的睡眠監(jiān)測系統提供有意義的實驗依據 與參考。探究單導連腦電信號與人體睡眠的相關性，以及腦電波的現代高級分析算法，是對 本文實驗

19、結果進行探討的重要理論基礎。此外，探究腦電波的誘發(fā)、治療理論，和便攜式腦 電波采集設備的準確性、可靠性及其市場化后的診斷、評估等應用價值，也可以作為本課題 后續(xù)的發(fā)展方向。參考文獻1 蔡文英，鐘龍云，張作生睡眠腦電波的計算機分析中國科學技術大學學報 Vol.20, No.2, Jun.,1990.2 Rechtschaffen, A. and Kales, A. A Manual of Standardized Terminology, Tech niq ues, and Scori ng System for Sleep Stages of Huma n Subjects. Un ivers

20、ity of California, Brain In formatio n Service/Brain Research In stitute, Los An geles, CA,1968.3 lber C, An coli-Israel S, Chess on A, and Qua n SF for the America n Academy of Sleep Medici ne. The AASM Manual for the Scori ng of Sleep and Associated Eve nts: Rules, Termino logy and Tech ni cal Spe

21、cificati ons, 1st ed.: Westchester, Illi no is: America n Academy of Sleep Medici ne, 2007.4 Yeo W.C., et al. Naval Res Catholic Univ of Amer 1972; 293297.5 Larsen R.D., et al. Math Biosci 1976; 31: 237253.6 Roberts S, et al. Med Biol Eng Comput 1992; 30: 509517.7 Roberts S, et al. IEEE procedi ngs-

22、F 1992; 139(6): 420425.8 張杰，王明時.睡眠腦電的研究.國外醫(yī)學生物醫(yī)學工程分冊,1997年第20卷第2期.9 SHAMBROOM, J. R., F a BREGAS, S. E. and JOHNSTONE, J. (2012), Validation of anautomated wireless system to monitor sleep in healthy adults. Journal of Sleep Research, 21:221 230. doi:10.1111/j.1365-2869.2011.00944.x.10 鐃志強，葉念渝.FIR 和IIR數字濾波器的探討與實現.計算機與數字工程，2005, 33(7).11 史潔玉.MATLAB信號處理超級學習手冊.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，2013.13 李穎潔，邱意弘，朱貽盛.腦電信號分析方法及其應用.北京：科學出版社，2009.14 PetreStoica,Ran dolph L. Moses. Spectral An alysis of Sig nals.Pears onPren tice Hall, 2005.15 施鴻寶.神經網絡及其應用.西安：西安交通大學