《一种自动识别和提取睡眠脑电中K复合波的方法.pdf》由会员分享，可在线阅读，更多相关《一种自动识别和提取睡眠脑电中K复合波的方法.pdf（10页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN104068849A43申请公布日20141001CN104068849A21申请号201410312709522申请日20140702A61B5/045220060171申请人西安交通大学地址710049陕西省西安市咸宁路28号72发明人徐进魏妍吴舒婷74专利代理机构西安智大知识产权代理事务所61215代理人弋才富54发明名称一种自动识别和提取睡眠脑电中K复合波的方法57摘要一种自动识别和提取睡眠脑电中K复合波的方法，包括以下步骤对脑电信号进行小波分解和重构；对重构的数据采用TEAGERENERGY能量算子的运算并取绝对值；对得到的TEAGER能量曲线平滑并0/1粗粒化；对。
2、粗粒化的数据进行阈值检测；对满足阈值的重构信号进行形态学检测，满足形态学检测条件则该位置的信号为K复合波并记录下起点和终点位置以及波峰波谷的值和位置；本发明对小波分解重构后的信号用TEAGER能量算子进行分析，提取TEAGER能量算子的绝对值序列并进行平滑、粗粒化处理，该方法实现容易，抗噪能力强，并能比较准确地确定K复合波的位置以及波峰波谷的值和位置，为睡眠分期中非眼动2期的识别及K复合波的研究奠定了基础。51INTCL权利要求书1页说明书4页附图4页19中华人民共和国国家知识产权局12发明专利申请权利要求书1页说明书4页附图4页10申请公布号CN104068849ACN104068849A1。
3、/1页21一种自动识别和提取睡眠脑电中K复合波的方法，其特征在于，具体实现步骤如下步骤一、读取睡眠脑电信号XT，对XT分段，段长为30S，对每一段的数据利用DB5小波进行八层的小波分解，依据K复合波的主要分布范围，选择第7、8层的低频系数进行重构，得到预处理后脑电信号YT；步骤二、对预处理后脑电信号YT的最大值MAXYT和最小值MINYT进行对比,若最大值和最小值的差的绝对值大于100V时，则对预处理后脑电信号YT进行TEAGER能量算子TEO的计算并取其绝对值，得到TEAGER能量算子TEO的绝对值序列ZN，若不满足上述条件，则不处理，进行下一段信号的处理；步骤三、对TEAGER能量算子TE。
4、O的绝对值序列ZN进行平滑处理，方法为加矩形窗求平均值,窗长为125，步长为1，得到新的序列ON；步骤四、将平滑后的序列ON进行粗粒化转化为0/1序列PN；步骤五、检测0/1序列PN中连续1的持续时间，若持续时间大于05S，则记录其起始和终止的位置，以此为据，去查找重构信号相对应的位置，然后对该位置的重构信号进行形态学检测，满足形态学检测条件则该位置的信号为K复合波，并记录下起点和终点位置以及波峰波谷的值和其位置。2根据权利要求1所述的一种自动识别和提取睡眠脑电中K复合波的方法，其特征在于，所述的步骤二中，对预处理后脑电信号YT进行TEAGER能量算子TEO的计算，具体为对TEAGER能量算子。
5、的定义为其中，XN代表预处理后脑电信号YT中第N个样本值信号，代表TEAGER能量算子TEO的输出序列。3根据权利要求1所述的一种自动识别和提取睡眠脑电中K复合波的方法，其特征在于，所述的步骤四中，粗粒化为0/1序列PN的公式为其中ON为平滑处理后所得序列，THRESHOLD为设定的阈值，其定义为THRESHOLD15MEANONSTDON，MEANON为ON的平均值，STDON为ON的标准差，PN为粗粒化转换后所得的新的0/1序列。4根据权利要求1所述的一种自动识别和提取睡眠脑电中K复合波的方法，其特征在于，所述的步骤五中，形态学检测的具体过程首先求重构信号相对应的位置的峰峰值，即连续1起始。
6、位置和终止位置对应的重构信号的峰峰值，检测峰峰值是否满足大于100V且小于400V的条件；其次检测正向以及负向波的持续时间是否满足大于总持续时间的1/4；最后检测峰峰值之间的斜率是否满足大于200V/S；若上述条件均满足，则该时间段的信号为K复合波。权利要求书CN104068849A1/4页3一种自动识别和提取睡眠脑电中K复合波的方法技术领域0001本发明涉及脑电信号技术领域，特别涉及一种自动识别和提取睡眠脑电中K复合波的方法。背景技术0002充足的睡眠是国际社会公认的三项健康标准，但是随着科学技术的进步，生活节奏的加快和来自各方面压力的不断增大，人类越来越多的遭受着各种睡眠相关疾病的折磨，比。
7、如失眠、嗜睡等。睡眠质量的下降不仅影响到人的生理健康还会危害人的心理健康，因为睡眠质量的下降，往往还伴随着一些心理疾病的发生，比如焦虑症、抑郁，慢性疼痛，害怕失眠等症状。除了精神疾病，其他疾病与睡眠的关系也得到了广泛的研究，通过睡眠脑电图的检测，可以为癫痫、脑血栓、脑缺氧、中枢神经系统疾病以及智能障碍提供诊断和治疗等方面的信息。因此对睡眠的观察和监护具有重要的意义。0003睡眠效果的判定不仅要看睡眠时间的长短，更重要的是由睡眠深度来决定的。因此睡眠分期对研究睡眠有着重要意义。目前国际上将睡眠分为两种状态非快速眼动期和快速眼动期，非快速眼动期又分为一、二、三和四期，其睡眠深度依次加深。睡眠进入非。
8、快速眼动二期的最重要的标志特征就是脑电图中出现K复合波。K复合波是大幅值的双相慢波，即形态学上要求先有一个正向波，紧接着一个负向波，平均持续时间为0515S，峰峰值在100V到400V之间。K复合波的识别不仅为睡眠分期提供了重要的判别特征，对探索睡眠的生理机制、睡眠障碍、认知活动等有着重要意义，在临床睡眠障碍疾病检测和治疗中有很好的应用前景。0004传统检测K复合波的方法主要依靠人工，不仅费时费力而且主观性强；随着对K复合波的研究，逐渐出现了很多自动识别K复合波的方法，主要有以下几种形态学检测、时频分析以及提取特征通过神经网络分类。形态学检测容易受到噪声的干扰，神经网络分类不能准确地判断K复合。
9、波出现的位置。近两年，国外科研工作者提出了先采用数字滤波结合TEAGER能量算子方法检测脑电中的K复合波，再利用小波分解重构及形态学方法检测K复合波，通过两者结果对比，最终提取K复合波。0005但是，由于TEAGER能量算子是一种适用于单分量信号分析的方法，容易受噪声、干扰影响；而数字滤波技术不能很好地完全去除低频段的噪声、干扰，从而导致滤波结合能量算子的方法对于临床实际信号中K复合波的识别有较大误差，最终导致整体检测效果不佳，算法的通用性、鲁棒性较差。发明内容0006为了克服上述现有技术的缺陷，本发明的目的在于提供一种自动识别和提取睡眠脑电中K复合波的方法，首先采用小波分解和重构方法提取K复。
10、合波所在相应频段的信号，然后对重构信号采用TEAGER能量算子进行分析并提取TEAGER能量算子序列，计算该序列的绝对值序列，并对其进行平滑、粗粒化处理。这些措施保证了用TEAGER能量算子识别和说明书CN104068849A2/4页4提取K复合波的精度，去除了噪声对于该方法的不良影响，提高了算法的抗噪能力和鲁棒性。0007为了达到上述目的，本发明通过以下技术方案实现0008一种自动识别和提取睡眠脑电中K复合波的方法，具体实现步骤如下0009步骤一、读取睡眠脑电信号XT，对XT分段，段长为30S，对每一段的数据利用DB5小波进行八层的小波分解，依据K复合波的主要分布范围，选择第7层、8层的低频。
11、系数进行重构，得到预处理后脑电信号YT；0010步骤二、对预处理后脑电信号YT的最大值MAXYT和最小值MINYT进行对比,若最大值和最小值的差的绝对值大于100V时，则对预处理后脑电信号YT进行TEAGER能量算子TEO的计算并取其绝对值，得到TEAGER能量算子TEO的绝对值序列ZN，若不满足上述条件，则不处理，进行下一段信号的处理；0011步骤三、对TEAGER能量算子TEO的绝对值序列ZN进行平滑处理，方法为加矩形窗求平均值,窗长为125，步长为1，得到新的序列ON；0012步骤四、将平滑后的序列ON进行粗粒化转化为0/1序列PN；0013步骤五、检测0/1序列PN中连续1的持续时间，。
12、若持续时间大于05S，则记录其起始和终止的位置，以此为据，去查找重构信号相对应的位置，然后对该位置的重构信号进行形态学检测，满足形态学检测条件则该位置的信号为K复合波，并记录下起点和终点位置以及波峰波谷的值和其位置。0014所述的步骤二中，对预处理后脑电信号YT进行TEAGER能量算子TEO的计算，具体为0015对TEAGER能量算子的定义为00160017其中，XN代表预处理后脑电信号YT中第N个样本值信号，代表TEAGER能量算子TEO的输出序列。0018所述的步骤四中，粗粒化为0/1序列PN的公式为00190020其中ON为平滑处理后所得序列，THRESHOLD为设定的阈值，其定义为TH。
13、RESHOLD15MEANONSTDON，MEANON为ON的平均值，STDON为ON的标准差，PN为粗粒化转换后所得的新的0/1序列。0021所述的步骤五中，形态学检测的具体过程是首先求重构信号相对应的位置的峰峰值，即连续1起始位置和终止位置对应的重构信号的峰峰值，检测峰峰值是否满足大于100V且小于400V的条件；其次检测正向以及负向波的持续时间是否满足大于总持续时间的1/4；最后检测峰峰值之间的斜率是否满足大于200V/S；若上述条件均满足，则该时间段的信号为K复合波。0022本发明中所提出的用于自动识别和提取睡眠脑电中K复合波的方法，首先采用小波分解和重构方法提取K复合波所在相应频段的。
14、信号，然后对重构信号采用TEAGER能量算说明书CN104068849A3/4页5子进行分析并提取TEAGER能量算子序列，计算该序列的绝对值，并进行平滑、粗粒化处理来检测K复合波的位置，再对该位置进行时域上的波形特征检测，判断是否满足K复合波的形态学要求。0023本发明能够很好地自动识别和提取睡眠脑电中的K复合波，算法简便，抗干扰能力强，同时能较准确地标注K复合波的位置以及其波峰波谷的值和位置，另外也为非快速眼动2期的识别和K复合波的研究奠定了基础。附图说明0024图1是本发明算法总体流程图。0025图2是原信号和小波重构后的信号的效果图，其中图2A是原信号的效果图，图2B是小波重构后的信号。
15、的效果图。0026图3是TEO的绝对值序列的效果图。0027图4是平滑后的TEO序列的效果图。0028图5是0/1转换后所得序列的效果图。0029图6是K复合波检测的结果的效果图。具体实施方式0030下面结合附图对本发明进一步进行说明。0031一种自动识别和提取睡眠脑电中K复合波的方法，其实现的具体实施步骤参照图10032步骤一、读取睡眠脑电并对其分段，由于睡眠分期一般以30S为一期，因此分段的段长为30S，根据K复合波的频域特点其频率一般在052HZ，因此选用DB5小波进行八层的小波分解，选择第7、8层的低频系数进行重构，图2就是原信号和小波重构后的信号。0033步骤二、K复合波的幅值很大，。
16、一般在100400V，因此对重构信号求最大值和最小值的差的绝对值,若大于100V时，则对其进行TEO的计算并取其绝对值，得到TEO的绝对值序列；否则这段信号不包含K复合波，则不处理，进行下一段信号的处理；0034其中TEO的定义为00350036其中，XN代表预处理后脑电信号YT中第N个样本值信号，代表TEAGER能量算子TEO的输出序列，图3为TEO的绝对值序列。0037步骤三、为了能更好地检测出TEO的变化情况，需要对TEO序列进行平滑处理，即加矩形窗求平均值,窗长为125，步长为1，为了得到和TEO序列同样长度的新序列，在加窗前需在原数据后补124个值，补得值为最后一点的幅值，图4为平滑。
17、后的TEO序列的效果图。0038步骤四、将平滑后的TEO序列粗粒化为0/1序列PN，粗粒化的标准为0039说明书CN104068849A4/4页60040其中ON为原序列，THRESHOLD为设定的阈值，其定义为THRESHOLD15MEANONSTDON，MEANON为ON的平均值，STDON为ON的标准差，PN为粗粒化转换后的新的0/1序列。该阈值的设定是多次实验验证得到的，图5为0/1转换的结果。0041步骤五、由于K复合波的持续时间一般为05S15S，因此检测0/1序列中连续1的持续时间，若持续时间大于05S，则该段数据有可能是K复合波，记录其起始和终止的位置；为了更加准确地判断是否是。
18、K复合波，则要对对应位置上的重构信号进行形态学检测，并记录波峰波谷的值和其位置；0042其中形态学检测需要满足三个条件0043A该段信号的峰峰值需大于100V且小于400V；0044B正向波以及负向波的持续时间需大于总持续时间四分之一；0045C峰峰值之间的斜率需不小于200V/S。0046若满足形态学检测的条件，则说明该段信号为K复合波，并用框框在原信号上给标注出来，同时还用“”号标注其波峰波谷；若不满足该形态学检测的条件，说明该段信号不是K复合波，图6为K复合波检测的结果。说明书CN104068849A1/4页7图1说明书附图CN104068849A2/4页8图2说明书附图CN104068849A3/4页9图3图4说明书附图CN104068849A4/4页10图5图6说明书附图CN104068849A10。