前额单通道脑电睡眠分期算法设计

 




算法流程:

1. 以30s 为一个epoch进行基本处理。


2. 用巴特沃斯高通滤波器滤除0.5Hz以上高通，简单去除基线。


3. 眨眼检测, 利用中值滤波器提取短时间内荆棘状的波形，出现一次与静态EEG值偏差1/128以上的波谷和波峰时，即认定为眨眼。


3. 利用巴特沃斯带通滤波器提取δ，θ，α，σ，β，EMG等波段信号，并提取其包络，作为其基础功率近似值。


4. 人工伪迹检测，当人体移动，或碰触电极，将造成顺时高功率输出或饱和。由此：
(1)将30秒的epoch分解为1秒段,并分别检测其AF波段(0.5~7hz)内的峰峰值和斜率是否超过阈值。
(2) 对源信号检查β波段和EMG平均功率是否超过阈值。


5. 觉醒检测，因为人在清醒的时候,α和β波段能量较高，并且在出现睡意的时候，主要能量会朝着低频方向移动。所以，对每一个epoch,检查前15秒内和后15秒内α，β波段功率和中心频率比值来判别。


6. 检测纺锤波，根据AASM规则，人进入深睡期间时，很可能会出现持续时间大于0.5秒，频率11~16hz的纺锤波。检测方法是，将一个epoch再细分成2秒的段，每段里如果每个的σ包络大于θ，α，β波段的包络(90%情况下大于)，或其时域瞬时值大于30秒内的σ包络的平均幅度的2倍， 就被认为是纺锤波。


7. 各波段能量相对比，人在清醒和不同睡眠程度情况下，各个波段相对能量比值有所不一
样。比如 ,Pα/Pθ,Pδ/Ptotal 等，利用此能大致判别睡眠阶段。


8. 分层决策树
   R0:如果一各epoch内，人工伪迹检测器检测到50%以上为伪迹，就将此epoch判断为伪
迹。否则进入下一步判断。
   R1:R1主要用来区分开清醒，快速动眼，浅睡，深睡。如果此epoch内，β波段占优并且
清醒探测器检测为清醒就将其分类到R3作进一步筛查，否则，分类到R2。
   R2:如果σ波段能量占优或者纺锤波检测器检测到此epoch内存在纺锤波，则将此epoch
判断为深睡，否则，判断为潜睡。
R3:如果眨眼探测器在此时检测到眨眼次数超过一定阈值，并且接下来2分钟内眨眼次数
也超过此阈值，就认为是在做梦(REM)，否则，认为其处于清醒状态。
R4:对上述各30秒epoch判断出的睡眠阶段进行梳理。例如，两个判别为清醒(W)的epoch
之间的任一epoch ，也一定是清醒。R4规则如下表。


R4 阶段检测 连续段替代
1 清醒-任何-清醒 清醒-清醒-清醒
2 浅睡-任何-浅睡 浅睡-浅睡-浅睡
3 深睡-任何-深睡 深睡-深睡-深睡

4 做梦-任何-做梦 做梦-做梦-做梦

另外，基于深度学习的单通道分期参考：

https://github.com/akaraspt/deepsleepnet