一种基于脑电信号的睡眠记忆巩固指数的计算方法与流程

1.本发明涉及脑电信号分析技术领域，特别涉及一种基于脑电信号的睡眠记忆巩固指数的计算方法。


背景技术：

2.睡眠是人体的一个重要生理现象，对人体健康十分重要。一段高质量的睡眠可以让人精力充沛，通过睡眠可以改善人的大脑记忆能力。
3.通过对人体睡眠的进一步分析研究，睡眠中的脑电信号包含了众多特征，例如：纺锤波、慢波、k复合波、δ波、θ波、波、β波等。研究表明，睡眠中的纺锤波数据的增加和持续时间都会增加和改善睡眠质量，睡眠脑电信号中的纺锤波与人体的记忆力巩固相关。
4.睡眠纺锤波是脑电图(eeg)中表征第二阶段睡眠的一个事件。在电生理水平上，睡眠纺锤波反映了一种诱导新皮层长期突触变化的理想机制。研究表明，纺锤波密度频谱功率与人体的智力和记忆巩固密切相关。
5.然而，在居家场景下，仍然缺少一种能够直观表征受试者睡眠后记忆巩固水平的数据指标及其计算分析方法。


技术实现要素：

6.本发明的目的在于提供一种基于脑电信号的睡眠记忆巩固指数的计算方法，能够在居家场景下计算出受试者的睡眠记忆巩固指数，该睡眠记忆巩固指数能直观地反应受试者在睡眠后的记忆巩固水平。
7.本发明的目的是通过如下技术方案实现的：一种基于脑电信号的睡眠记忆巩固指数的计算方法，包括如下具体步骤：
8.步骤一：受试者在睡眠前，通过记忆力测试法测试受试者的睡前记忆力测试值；受试者在睡眠过程中，采集受试者的单导联eeg脑电数据和psg多导联脑电数据，psg多导联脑电数据自带分期标签；受试者在睡眠完成后，通过记忆力测试法测试受试者的睡后记忆力测试值；
9.步骤二：按照特定的分隔时长将单导联eeg脑电数据分割成若干个eeg脑电信号段si；
10.步骤三：采用深度学习模型对分割好的单导联eeg脑电数据进行睡眠分期，分为wake期、rem期、n1期、n2期、n3期；
11.步骤四：计算所有处于n1期、n2期中的eeg脑电信号段si中的纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r；
12.步骤五：建立关于纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r的睡眠记忆巩固指数计算公式：
13.m＝a*n
sp
+b*r
sp
+c*amp
avg
+d*r+e
14.其中，m为睡眠记忆巩固指数，a、b、c、d、e分别为特征系数；
15.步骤六：通过睡前记忆力测试值以及睡后记忆力测试值得到睡眠记忆巩固测试值；收集多组测试数据，并以睡眠记忆巩固测试值作为睡眠记忆巩固指数m，对睡眠记忆巩固指数计算公式进行多元线性回归，确定睡眠记忆巩固指数计算公式中的特征系数a、b、c、d、e；利用睡眠记忆巩固指数计算公式计算受试者的睡眠记忆巩固指数m。
16.作为优选，步骤一中，对得到的单导联eeg脑电数据进行预处理，去除干扰和基线漂移。
17.作为优选，步骤二中，所述分隔时长为20-60秒。
18.作为优选，步骤三中，所述深度学习模型为cnn-lstm模型。
19.作为优选，步骤四中，先判断各个eeg脑电信号段si是否处于n1期或n2期，并得到所有处于n1期和n2期中的eeg脑电信号段si，其中，i＝1,2,3,
…
,n，n为处于n1期和n2期中的eeg脑电信号段si的总个数；
20.计算纺锤波总数n
sp
：
[0021][0022]
其中，ni为第i段eeg脑电信号段的纺锤波个数；
[0023]
计算纺锤波比率r
sp
：
[0024]rsp
＝n
sp
/n
[0025]
计算纺锤波平均幅值amp
avg
：
[0026][0027]
其中，ampi为第i个纺锤波幅值；
[0028]
计算纺锤波高低频比率r：
[0029]
r＝p
high
/p
low
[0030]
其中，p
high
为高频纺锤波功率，p
low
为低频纺锤波功率；低于13.5hz的纺锤波为低频纺锤波，高于13.5hz的纺锤波为高频纺锤波。
[0031]
作为优选，睡眠记忆巩固测试值的计算方式如下：通过睡后记忆力测试值减去睡前记忆力测试值得到睡眠记忆巩固测试值。
[0032]
本发明的有益效果是：本发明提供了一种睡眠记忆巩固指数的计算方法，只需通过单通道脑电数据采集仪对受试者的脑电数据进行采集，即可最终计算得到睡眠记忆巩固指数，通过睡眠记忆巩固指数m能够直观地表征受试者睡眠后的记忆巩固水平；并且单通道脑电数据采集仪电极数量少，设备造价低，对使用者的操作要求低，完全可以满足居家环境的使用需求。
附图说明
[0033]
图1为本发明的流程图。
[0034]
图2为深度学习模型的网络图。
[0035]
图3为纺锤波提取示意图。
具体实施方式
[0036]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
[0037]
本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
[0038]
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
[0039]
如图1所示，一种基于脑电信号的睡眠记忆巩固指数的计算方法，包括如下具体步骤：
[0040]
步骤一：受试者在睡眠前，通过记忆力测试法测试受试者的睡前记忆力测试值；受试者在睡眠过程中，按照预设的采样频率和采样时长采集受试者的单导联eeg脑电数据和psg多导联脑电数据，psg多导联脑电数据自带分期标签；受试者在睡眠完成后，通过记忆力测试法测试受试者的睡后记忆力测试值。
[0041]
该步骤中，记忆力测试法为现有技术，记忆力测试法结合了数字记忆、词组记忆和图像记忆，对受试者的记忆力测试值进行测试，其中，记忆力测试值的评价分数在0～100之间。
[0042]
在得到单导联eeg脑电数据后，需要对得到的单导联eeg脑电数据进行预处理，去除干扰和基线漂移。
[0043]
其中，单导联eeg脑电数据通过单通道脑电采集仪采集，psg多导联脑电数据通过多导联脑电采集仪采集。
[0044]
步骤二：按照特定的分隔时长将单导联eeg脑电数据分割成若干个eeg脑电信号段si。
[0045]
其中，分隔时长可根据实际需求而定；，本发明中，分隔时长为20-60秒。
[0046]
步骤三：采用深度学习模型对分割好的单导联eeg脑电数据进行睡眠分期，分为wake期、rem期、n1期、n2期、n3期。
[0047]
该步骤中所用到的深度学习模型为cnn-lstm模型。深度学习模型的网络图如图2所示。
[0048]
利用深度学习模型进行睡眠分期时，具体方法如下：
[0049]
s1：同时采集多组单导联eeg脑电数据和psg多导联脑电数据，psg多导联脑电数据自带分期标签；
[0050]
s2：构建深度学习模型(cnn-lstm模型)；
[0051]
s3：利用自带分期标签的psg多导联脑电数据对深度学习模型进行训练调优；
[0052]
s4：利用训练调优后的深度学习模型对单导联eeg脑电数据进行睡眠分期。
[0053]
步骤四：计算所有处于n1期、n2期中的eeg脑电信号段si中的纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r；具体如下：
[0054]
先判断各个eeg脑电信号段si是否处于n1期和n2期：选择其中一个eeg脑电信号段si，判断该eeg脑电信号段si是否处于n1期或n2期；若是，则将该eeg脑电信号段si筛选出来；若不是，则跳过该eeg脑电信号段si，并进行下一个eeg脑电信号段si的判断，直至将处于n1期和n2期中的所有eeg脑电信号段si都筛选出来，并得到所有处于n1期和n2期中的eeg脑电信号段si，其中，i＝1,2,3,
…
,n，n为处于n1期和n2期中的eeg脑电信号段si的总个数；
[0055]
纺锤波总数n
sp
为处于n1期和n2期中的各个eeg脑电信号段si中s的纺锤波个数总和，纺锤波总数n
sp
计算公式如下：
[0056][0057]
其中，ni为第i段eeg脑电信号段的纺锤波个数；
[0058]
纺锤波比率r
sp
为纺锤波总数与处于n1期和n2期中的eeg脑电信号段si的总个数的比值，纺锤波比率r
sp
计算公式如下：
[0059]rsp
＝n
sp
/n
[0060]
纺锤波平均幅值amp
avg
为所有处于n1期和n2期中的纺锤波的幅值的平均值，纺锤波平均幅值amp
avg
的计算公式如下：
[0061][0062]
其中，ampi为第i个纺锤波幅值；
[0063]
计算纺锤波高低频比率r：
[0064]
r＝p
high
/p
low
[0065]
其中，p
high
为高频纺锤波功率，p
low
为低频纺锤波功率；低于13.5hz的纺锤波为低频纺锤波，高于13.5hz的纺锤波为高频纺锤波。
[0066]
如图2所示，图2为纺锤波提取示意图，该图中，相邻两虚线之间的波形曲线即为一个纺锤波，从图2中可看出，该波形曲线中，总共可提取三个纺锤波。
[0067]
步骤五：建立关于纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r的睡眠记忆巩固指数计算公式，公式如下：
[0068]
m＝a*n
sp
+b*r
sp
+c*amp
avg
+d*r+e
[0069]
其中，m为睡眠记忆巩固指数，a、b、c、d、e分别为特征系数，a、b、c、d、e为固定值，a、b、c、d、e的数值大小可通过后续步骤求得。通过该公式可看出，睡眠记忆巩固指数由纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r这四个参量决定。
[0070]
步骤六：通过睡前记忆力测试值以及睡后记忆力测试值得到睡眠记忆巩固测试值；其中，睡眠记忆巩固测试值的计算方式如下：通过睡后记忆力测试值减去睡前记忆力测试值得到睡眠记忆巩固测试值；收集多组测试数据，并以睡眠记忆巩固测试值作为睡眠记忆巩固指数m，对睡眠记忆巩固指数计算公式进行多元线性回归，确定睡眠记忆巩固指数计算公式中的特征系数a、b、c、d、e；利用睡眠记忆巩固指数计算公式计算受试者的睡眠记忆巩固指数m。
[0071]
该步骤中，在收集多组测试数据时，每组测试数据均包括受试者的睡前记忆力测试值、睡后记忆力测试值、纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r，通过多组数据的多元线性回归，即可确定公式中各个特征系数a、b、c、d、e的具体数值。
[0072]
在确定了睡眠记忆巩固指数计算公式中的各个特征系数a、b、c、d、e后，即可利用睡眠记忆巩固指数计算公式计算受试者的睡眠记忆巩固指数m。在计算时，只需通过单通道脑电采集仪采集受试者的单导联eeg脑电数据，通过单导联eeg脑电数据即可得到纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r四个参量，最终通过睡眠记忆巩固指数计算公式即可计算出睡眠记忆巩固指数m。
[0073]
在得到睡眠记忆巩固指数计算公式后，只需通过单通道脑电数据采集仪对受试者的脑电数据进行采集，即可最终计算得到睡眠记忆巩固指数m；而单通道脑电数据采集仪电极数量少，设备造价低，对使用者的操作要求低，完全可以满足居家环境的使用。
[0074]
睡眠记忆巩固指数m的数值范围为0-100之间，通过睡眠记忆巩固指数m能够直观地表征受试者睡眠后的记忆巩固水平；睡眠记忆巩固指数m的数值越高，表明受试者睡后其记忆力巩固越好，遗忘的越少。
[0075]
下方表格1中，记录了五个测试样本的睡眠记忆巩固指数的实验测试值和公式计算值，从表格中可知，通过睡眠记忆巩固指数计算公式计算得到的睡眠记忆巩固指数与实验测试值非常接近，计算结果较为准确，可靠度高。
[0076][0077]
表格1
[0078]
本发明不局限于上述最佳实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本技术相同或相近似的技术方案，均落在本发明的保护范围之内。

技术特征：
1.一种基于脑电信号的睡眠记忆巩固指数的计算方法，其特征在于，包括如下具体步骤：步骤一：受试者在睡眠前，通过记忆力测试法测试受试者的睡前记忆力测试值；受试者在睡眠过程中，采集受试者睡眠时的单导联eeg脑电数据和psg多导联脑电数据，psg多导联脑电数据自带分期标签；受试者在睡眠完成后，通过记忆力测试法测试受试者的睡后记忆力测试值；步骤二：按照特定的分隔时长将单导联eeg脑电数据分割成若干个eeg脑电信号段s
i
；步骤三：采用深度学习模型对分割好的单导联eeg脑电数据进行睡眠分期，分为wake期、rem期、n1期、n2期、n3期；步骤四：计算所有处于n1期、n2期中的eeg脑电信号段s
i
中的纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r；步骤五：建立关于纺锤波总数n
sp
、纺锤波比率r
sp
、纺锤波平均幅值amp
avg
、纺锤波高低频比率r的睡眠记忆巩固指数计算公式：m＝a*n
sp
+b*r
sp
+c*amp
avg
+d*r+e其中，m为睡眠记忆巩固指数，a、b、c、d、e分别为特征系数；步骤六：通过睡前记忆力测试值以及睡后记忆力测试值得到睡眠记忆巩固测试值；收集多组测试数据，并以睡眠记忆巩固测试值作为睡眠记忆巩固指数m，对睡眠记忆巩固指数计算公式进行多元线性回归，确定睡眠记忆巩固指数计算公式中的特征系数a、b、c、d、e；利用睡眠记忆巩固指数计算公式计算受试者的睡眠记忆巩固指数m。2.根据权利要求1所述的一种基于脑电信号的睡眠记忆巩固指数的计算方法，其特征在于，步骤一中，对得到的单导联eeg脑电数据进行预处理，去除干扰和基线漂移。3.根据权利要求1所述的一种基于脑电信号的睡眠记忆巩固指数的计算方法，其特征在于，步骤二中，所述分隔时长为20-60秒。4.根据权利要求1所述的一种基于脑电信号的睡眠记忆巩固指数的计算方法，其特征在于，步骤三中，所述深度学习模型为cnn-lstm模型。5.根据权利要求1所述的一种基于脑电信号的睡眠记忆巩固指数的计算方法，其特征在于，步骤四中，先判断各个eeg脑电信号段s
i
是否处于n1期或n2期，并得到所有处于n1期和n2期中的eeg脑电信号段s
i
，其中，i＝1，2，3，
…
，n，n为处于n1期和n2期中的eeg脑电信号段s
i
的总个数；计算纺锤波总数n
sp
：其中，n
i
为第i段eeg脑电信号段的纺锤波个数；计算纺锤波比率r
sp
：r
sp
＝n
sp
/n计算纺锤波平均幅值amp
avg
：
其中，amp
i
为第i个纺锤波幅值；计算纺锤波高低频比率r：r＝p
high
/p
low
其中，p
high
为高频纺锤波功率，p
low
为低频纺锤波功率；低于13.5hz的纺锤波为低频纺锤波，高于13.5hz的纺锤波为高频纺锤波。6.根据权利要求1所述的一种基于脑电信号的睡眠记忆巩固指数的计算方法，其特征在于，睡眠记忆巩固测试值的计算方式如下：通过睡后记忆力测试值减去睡前记忆力测试值得到睡眠记忆巩固测试值。

技术总结
本发明提供了一种基于脑电信号的睡眠记忆巩固指数的计算方法，包括如下具体步骤：步骤一：测试受试者的睡前记忆力测试值和睡后记忆力测试值，并采集受试者睡眠时的单导联EEG脑电数据和PSG多导联脑电数据；步骤二：对单导联EEG脑电数据进行分割；步骤三：对单导联EEG脑电数据进行睡眠分期；步骤四：计算纺锤波总数N


技术研发人员：晏水平 郑潜 刘冰
受保护的技术使用者：浙江柔灵科技有限公司
技术研发日：2023.04.06
技术公布日：2023/7/12