本發明涉及一種檢測人體不同睡眠階段的方法及系統。

背景技術：

利用皮電反應技術來檢測人體睡眠的方法具有悠久的歷史，可以追溯到20世紀60年代[1]。皮電反應技術是最早應用在醫院睡眠診斷中的技術之一[2]。在利用該技術對睡眠的研究中發現，皮電反應數據的變化規律同腦電波的變化規律吻合[3]。在另一項研究中發現，GSR數據分析結果同PSG多導睡眠監測的結果有很高的相關性[4]。這些研究為利用皮電反應技術來檢測人體睡眠打下了基礎，但是，目前沒有利用皮電反應技術定量地判斷睡眠的不同階段及其轉換。

皮電反應和自主神經系統的交感神經有著密切的關系。當自主神經系統中的交感神經受刺激激發，引起腹腔內臟及皮膚末梢血管收縮、心搏加強和加速等。外在表現之一是皮膚電阻的下降。針對皮電反應和交感神經的關系，專利[5]公開了一種檢測人體情緒的方法及系統，利用皮膚電阻的大小、斜率以及狀態持續時間變化來反映情緒，通過數據來量化興奮程度。專利[6]公開了一種檢測人體生理狀態轉變的方法及系統，利用皮電反應分析來判斷人體在正常生活工作狀態、微睡眠狀態、睡眠狀態之間的轉變。但是，這兩篇專利均不能定量地判斷睡眠的不同階段及其轉換。

人體的睡眠分為非快速動眼睡眠和快速動眼睡眠，非快速動眼睡眠又分為淺睡眠階段和深睡眠階段。在對非快速動眼睡眠階段的科學研究發現，相對于人體的清醒階段，淺睡眠階段和深睡眠階段的腦電波變慢，交感神經受到抑制，副交感神經激發，人體呼吸、心跳減慢[7]。皮電反應同呼吸、心跳一樣，都由交感神經控制，所以可以認為，皮電反應在淺睡眠階段和深睡眠階段也會減弱；而且，深睡眠階段比淺睡眠階段的交感神經被抑制更多，皮電反應更弱。

在快速動眼睡眠階段，雖然腦電波活動相較非快速動眼睡眠階段加強，但人體肌肉卻處于一種麻痹的狀態。文獻[8，9]中，科學家發現，皮電反應數據在快速動眼睡眠階段的變化頻率遠遠低于在非快速動眼睡眠階段的變化頻率。因此，通過對皮電反應數據的分析，可以區別快速動眼睡眠和非快速動眼睡眠。

一般來說，在入睡過程中，人從清醒階段進入淺睡眠階段，然后進入深睡眠階段，進而進入快速動眼睡眠階段；快速動眼睡眠階段后回到淺睡眠階段，或者回到深睡眠階段。在睡眠過程的前半段，這樣的睡眠周期會重復多次；在睡眠過程的后半段，進入深睡眠階段的次數減少，更多是在淺睡眠階段和快速動眼睡眠階段之間轉換；在清晨時，人從淺睡眠階段或者快速動眼睡眠階段轉換為清醒階段。

因此，有必要設計一種通過對皮電反應數據的分析，檢測人體不同睡眠階段的方法及系統。

[1]M.W.Johns,B.A.Cornell,and J.P.Masterton,Monitoring sleep of hospital patients by measurement of electrical resistance of skin,Journal of Applied Physiology,vol.27,No.6,Dec 1969.

[2]Closs SJ,Assessment of sleep in hospital patients:a review of methods,Journal of Advanced Nursing,1988,13,501-510.

[3]Shiihara Y,Umezawa A,Sakai Y,Kamitamari N,Kodama M,Continuous recording of skin conductance change during sleep,Psychiatry and Clinical Neurosciences(2000),54,268-269

[4]Evaluation of a sleep switch device,Sleep.1999Dec 15；22(8):1110-7.

[5]中國專利號：201410128494.1，一種基于人體皮膚電阻變化的情緒檢測方法。

[6]中國專利申請號：201510045365.0，一種檢測人體生理狀態轉變的方法及系統。

[7]Fonseca P,Long X,Radha M,Haakma R,Aarts RM,Rolink J,Sleep stage classification with ECG and respiratory effort.Physiol Meas.2015 Oct 36.

[8]Kobayashi R,Koike Y,Hirayama M,Ito H,Sobue G,Skin sympathetic nerve function during sleep--a study with effector responses,Autonomic Neuroscience:Basic and Clinical 103(2003)121-126.

[9]R.Liguori,V.Donadio,E.Foschini,V.Di Stasi,G.Plazzi,E.Lugaresi,P.Montagna,Sleep stage-related changes in sympathetic sudomotor and vasomotor skin responses in man,Clinical Neurophysiology 111(2000)434-439.

技術實現要素：

本發明所解決的技術問題是，針對現有技術的不足，提出了一種檢測人體不同睡眠階段的方法及系統，通過對皮電數據的采集來分析人體神經系統的活動情況，進而定量地檢測測試者在睡眠過程中所經歷的不同階段及其轉換情況。

本發明的技術方案為：

一種檢測人體不同睡眠階段的方法，包括以下步驟：參數初始化、采集人體電阻數據、對人體電阻數據進行分析、輸出人體不同睡眠階段及其轉換情況；

對人體電阻數據進行分析包括以下步驟：

1)對采集的人體電阻數據進行預處理；對預處理后的人體電阻數據取自然對數，得到電阻的對數值；將時刻j前一窗口W1內所有電阻的對數值取平均值，得到時刻j前一窗口W1內所有電阻的對數平均值MeanSum(j)；求取時刻j的電阻對數值ln(data(j))與其前一窗口W1內的所有電阻的對數平均值MeanSum(j)的差值Diff(j)；窗口W1的大小為WinSize；其中j為當前時刻i的前一窗口W2內各個采樣時刻，j＝i-WinLength+1,i-WinLength+2,…,i，WinLength為窗口W2的大小；

2)通過差值Diff(j)分析人體神經系統的活動情況，計算當前人體狀態值CurrState(i)；對一段時間內的當前人體狀態值CurrState(i)進行處理，獲得某個區間T的區間狀態值PeriodState(T)；使用區間狀態值PeriodState(T)，判斷人體所處睡眠階段及其轉換情況。

進一步地，所述通過差值Diff(j)分析人體神經系統的活動情況，計算當前人體狀態值CurrState(i)包括以下步驟：

首先，使用差值Diff(j)判斷交感神經是否激發，并計算交感神經激發程度值SArouseD(j)；

然后，使用對數差值Diff(j)判斷副交感神經是否激發，并計算副交感激發程度值PSArouseD(j)；

最后，根據交感神經激發程度值SArouseD(j)和副交感神經激發程度值PSArouseD(j)判斷當前人體體表神經反應狀態，獲得當前人體狀態值CurrState(i)。

進一步地，通過比較Diff(j)和Sthreshold_n的大小，判斷交感神經激發程度值SArouseD(j)，具體公式為：

其中，Sthreshold_n(n＝1,2,3，…N)為預先設定的交感神經不同激發程度閾值；N取區間[1,20]內的整數；Sthreshold_n取值范圍為(-1,0)，同時Sthreshold₁>Sthreshold₂>…>Sthreshold_n>…>Sthreshold_N；

通過比較Diff(j)和PSthreshold_m的大小，判斷副交感神經激發程度值PSArouseD(j)；具體公式為：

其中，PSthreshold_m(m＝1,2,3，…M)為預先設定的副交感神經不同激發程度閾值；M取區間[1,20]內的整數；PSthreshold_m取值范圍為(0,1)，同時PSthreshold₁<PSthreshold₂<…<PSthreshold_m<…<PSthreshold_M。

進一步地，所述當前人體狀態值CurrState(i)取當前時刻i前一個窗口W2內的交感神經激發程度值SArouseD(j)的總和和副交感神經激發程度值PSArouseD(j)的總和的差值，其計算公式為：

其中，α是交感神經激發程度值SArouseD(j)的權值，β是副交感神經激發程度值PSArouseD(j)的權值。

進一步地，通過對人體狀態值CurrState(i)取平均的方法，計算區間T的區間狀態值PeriodState(T)；具體計算公式為：

其中，T^-是區間T前的一段時間，T⁺是區間T后的一段時間。

進一步地，當PeriodState(T)小于閾值REM_Th時，判斷為快速動眼睡眠階段；當PeriodState(T)大于閾值REM_Th同時小于閾值DS_Th時，判斷為深睡眠階段；當PeriodState(T)大于閾值DS_Th同時小于閾值LS_Th時，判斷為淺睡眠階段；當PeriodState(T)大于閾值LS_Th時，判斷為清醒階段；

其中，REM_Th為快速動眼睡眠階段閾值，DS_Th為深睡眠階段閾值，LS_Th為淺睡眠階段閾值，其取值在參數初始化中設置；根據測試者的年齡、性別、體質，以及人體電阻的采集部位的不同，設置不同的閾值，從而克服個體差異問題，更加準確地反映測試者的睡眠階段情況。

進一步地，所述參數初始化中，設置窗口W1的大小WinSize為100，電阻采樣頻率為50Hz；設置變量N為4，Sthreshold₁為-0.0030，Sthreshold₂為-0.0035，Sthreshold₃為-0.0040，Sthreshold₄為-0.0045；設置M為1，PSthreshold₁為0.0045；設置窗口W2的大小WinLength為100；設置α為0.25，β為0.25；設置變量T為1分鐘，T^-為7分鐘，T⁺為7分鐘。

進一步地，所述采集人體電阻數據是通過采集人體電導數據，再根據電阻與電導的倒數關系來計算電阻值。

一種檢測人體不同睡眠階段的系統，包括依次連接的醫療極片、橋式電阻/電導測量電路、放大電路、A/D轉換電路、CPU和人機交互界面；

所述橋式電阻/電導測量電路用于采集人體電阻/電導數據，所述CPU采用權利要求1～7中任一項所述的方法檢測人體不同睡眠階段及其轉換情況；所述人機交互界面輸出人體不同睡眠階段及其轉換情況給用戶。

進一步地，所述CPU為單片機、移動通信設備、移動電腦設備或臺式電腦設備。

在本發明方法中，兩處采用了窗口處理，分別采用的窗口大小為WinSize和WinLength；WinSize在比較時刻j的電阻與之前電阻的差值時使用，WinLength在計算當前人體狀態值時使用。

有益效果

本發明基于不同睡眠階段皮電反應的特殊性，利用人體皮膚電阻的變化規律，來檢測人體生理狀態的活動情況，判斷人體不同睡眠階段，包括了清醒階段、淺睡眠階段、深睡眠階段、快速動眼睡眠階段。

本發明基于時刻j的電阻對數值ln(data(j))與其前一窗口內的電阻對數平均值MeanSum(j)的差值Diff(j)，來判斷交感神經和副交感神經的活動情況?？紤]到單一數據包含了較強的噪聲，使最終結果產生誤差，因此選用一定的窗口進行平滑以減小噪聲，即利用當前時刻前一個窗口內的交感神經激發程度值SArouseD(j)的總和和副交感神經激發程度值PSArouseD(j)的總和之間的差值來判斷當前人體體表神經反應狀態，獲得當前人體狀態值CurrState(i)。然后對一段時間內的當前人體狀態值CurrState(i)進行處理，獲得某個區間的區間狀態值，這樣不僅有利于對睡眠階段的判斷，也可以進一步的減小單一數據包含的噪聲。計算區間狀態值時，為了增加狀態值的連續性，在計算當前區間狀態值時，加入當前區間之前和當前區間之后某個時間段內的人體狀態值；再通過對人體狀態值CurrState(i)取平均的方法，計算區間T的區間狀態值PeriodState(T)。最后基于區間狀態值判斷不同睡眠階段。

本發明對檢測不同睡眠階段的應用具有很強的使用價值。測試者可以準確的了解自身睡眠情況，進而調整生活規律來改善睡眠狀況。對于有睡眠疾病的患者，除了定期在醫院做醫療檢測和治療以外，醫生可以使用本發明在日常跟蹤評估治療效果。對于生產睡眠疾病相關藥物的公司和研發機構，可以使用本發明定量監測評估藥物的療效。對于生產睡眠輔助設備的公司和研發機構，可以使用本發明定量監測評估睡眠輔助設備的效果。

本發明通過分析人體電阻的變化規律，來判斷人體在睡眠期間生理狀態的活動情況，從而定量的檢測測試者在睡眠過程中所經歷的不同階段。

附圖說明

圖1為本發明所述的人體不同睡眠階段及其相互轉換；

圖2為本發明數據分析流程圖；

圖3為本發明當前人體狀態值計算流程圖；

圖4為本發明睡眠階段判斷流程圖；

圖5為本發明的系統原理圖；

圖6為在測試實例1中的區間狀態值PeriodState的變化情況；

圖7為在測試實例1中的睡眠階段判斷結果；

圖8為在測試實例2中的區間狀態值PeriodState的變化情況；

圖9為在測試實例2中的睡眠階段判斷結果；

圖10為在測試實例3中的區間狀態值PeriodState的變化情況；

圖11為在測試實例3中的睡眠階段判斷結果。

具體實施方式

以下結合附圖和具體實施方式對本發明進行進一步具體說明。

圖1為本發明所述的人體不同睡眠階段及其相互轉換情況。人體不同睡眠階段包括清醒階段、淺睡眠階段、深睡眠階段、快速動眼睡眠階段。其相互轉換包括了從清醒階段到淺睡眠階段，從淺睡眠階段到清醒階段，從淺睡眠階段到深睡眠階段，從深睡眠階段到淺睡眠階段，從淺睡眠階段到快速動眼睡眠階段，從快速動眼睡眠階段到淺睡眠階段，從深睡眠階段到快速動眼睡眠階段，從快速動眼睡眠階段到深睡眠階段，從快速動眼睡眠階段到清醒階段，從清醒階段到清醒階段，從淺睡眠階段到淺睡眠階段，從深睡眠階段到深睡眠階段，從快速動眼睡眠階段到快速動眼睡眠階段。

本發明的一種檢測人體不同睡眠階段的方法，包括以下步驟：參數初始化、采集人體電阻數據、對人體電阻數據進行分析、輸出人體不同睡眠階段及其轉換情況。

圖2為本發明方法中對人體電阻數據進行分析的流程圖，包括了預處理、取對數、窗口處理、對數差值比較、計算當前人體狀態值、計算區間狀態值、分析判斷不同睡眠階段情況。測試時，首先讀取測試者的皮膚電阻數據，進行預處理，然后數據經過一個取對數過程，得到時刻j的電阻對數值。窗口處理是將窗口內的電阻對數取平均值，對數差值比較求得時刻j的電阻對數值和其前一窗口的電阻對數平均值的差值。對該對數差值的大小進行判斷，獲得時刻j的電阻的變化。綜合一段時間內的電阻的變化規律，計算出當前人體狀態值。綜合一段時間內當前人體狀態值的變化規律，計算出區間狀態值。利用這個區間狀態值判斷不同睡眠階段。

對人體電阻數據進行分析包括以下步驟：

對采集的人體電阻數據進行預處理，data(j)為預處理后的時刻j的電阻值；對預處理后的人體電阻數據取自然對數，得到電阻對數值；將時刻j前一窗口內的電阻對數值取平均值，得到時刻j前一窗口內的電阻對數平均值MeanSum(j)，其中窗口大小為WinSize；求取時刻j的電阻對數值ln(data(j))與其前一窗口內的電阻對數平均值MeanSum(j)的差值Diff(j)。

所述的窗口長度WinSize設置為100，電阻采樣頻率為50Hz，即一個窗口覆蓋2秒內的電阻數據。

預處理、取對數、窗口處理、對數差值比較這幾個步驟在專利[6]中有更詳細的描述，所得到的對數差值Diff(j)，反映的是，相對于過去一段時間內的皮膚電阻值，時刻j的皮膚電阻值的變化趨勢。

下面對獲得對數差值后的步驟進行詳細的說明。

1、計算當前人體狀態值，具體流程見附圖3。

對數差值Diff(j)的變化反應了交感神經和副交感神經的活動情況。當對數差值Diff(j)為負數時，表示時刻j的皮膚電阻在相對于過去一段時間內的皮膚電阻值有減小的趨勢。皮膚電阻減小反應了交感神經激發，因此可以用對數差值Diff(j)來判斷交感神經是否激發，以及激發程度值SArouseD(j)。

通過比較Diff(j)和Sthreshold_n，判斷交感神經激發程度值SArouseD(j)，具體公式為：

其中，Sthreshold_n(n＝1,2,3，…N)為預先設定的交感神經不同激發程度閾值；N取區間[1,20]內的整數；Sthreshold_n取值范圍為(-1,0)，同時Sthreshold₁>Sthreshold₂>…>Sthreshold_n>…>Sthreshold_N；

當對數差值Diff(j)為正數時，表示時刻j的皮膚電阻在相對于過去一段時間內的皮膚電阻值有增加的趨勢。皮膚電阻增加反應了副交感神經激發從而交感神經被抑制，因此可以用對數差值Diff(j)來判斷副交感神經是否激發，以及激發程度值PSArouseD(j)。

通過比較Diff(j)和PSthreshold_m，判斷副交感神經激發程度值PSArouseD(j)，具體公式為：

其中，PSthreshold_m(m＝1,2,3，…M)為預先設定的副交感神經不同激發程度閾值；M取區間[1,20]內的整數；PSthreshold_m取值范圍為(0,1)，同時PSthreshold₁<PSthreshold₂<…<PSthreshold_m<…<PSthreshold_M。

單一數據包含了較強的噪聲，使最終結果產生誤差。因此選用一定的窗口進行平滑以減小噪聲。利用當前時刻前一個窗口內的交感神經激發程度值SArouseD(j)的總和和副交感神經激發程度值PSArouseD(j)的總和之間的差值來判斷當前人體體表神經反應狀態，獲得當前人體狀態值CurrState(i)：

其中WinLength是窗口的長度，α是交感神經激發程度值SArouseD(j)的權值，β是副交感神經激發程度值PSArouseD(j)的權值。

作為一種實施例，變量N設置為4，Sthreshold₁設置為-0.0030，Sthreshold₂設置為-0.0035，Sthreshold₃設置為-0.0040，Sthreshold₄設置為-0.0045；M設置為1，PSthreshold₁設置為0.0045；WinLength設置為100，α設置為0.25，β設置為0.25。

2、計算區間狀態值

當前人體狀態值CurrState(i)的更新頻率和皮膚電阻的采樣頻率相同，約為幾Hz到幾十Hz，而不同睡眠階段的持續時間在幾分鐘到幾十分鐘。對一段時間內的當前人體狀態值CurrState(i)進行處理，獲得某個區間的區間狀態值，這樣不僅有利于對睡眠階段的判斷，也可以進一步的減小單一數據包含的噪聲。

計算區間狀態值時，為了增加狀態值的連續性，在計算當前區間狀態值時，加入當前區間之前和當前區間之后某個時間段內的人體狀態值。通過對人體狀態值CurrState(i)取平均的方法，計算區間T的區間狀態值PeriodState(T)。

其中T^-是區間T前的一段時間，T⁺是區間T后的一段時間。

所述的變量T設置為1分鐘，T^-設置為7分鐘，T⁺設置為7分鐘。

3、判斷不同睡眠階段，具體流程見附圖4。

使用區間狀態值PeriodState(T)，可以判斷不同的睡眠階段。

快速動眼睡眠階段期間，人體肌肉處于麻痹的狀態，人體體表神經反應被深度抑制，SArouseD(j)達到極小值，PSArouseD(j)增大，當前人體狀態值CurrState(i)和區間狀態值PeriodState(T)也達到極小值。當PeriodState(T)小于閾值REM_Th時，判斷為快速動眼睡眠階段。

深睡眠階段期間，人體處于放松的狀態，但交感神經被抑制程度高，SArouseD(j)較小，PSArouseD(j)較大，當前人體狀態值CurrState(i)和區間狀態值PeriodState(T)也較小。當PeriodState(T)大于閾值REM_Th同時小于閾值DS_Th時，判斷為深睡眠階段。

淺睡眠階段期間，交感神經也是被抑制的，但抑制程度沒有深睡眠階段高，區間狀態值PeriodState(T)也相對深睡眠階段要大。當PeriodState(T)大于閾值DS_Th同時小于閾值LS_Th時，判斷為淺睡眠階段。

清醒階段期間，人體處在絕對安靜的正常生活狀況，其區間狀態值PeriodState(T)相對于睡眠階段期要高。當PeriodState(T)大于閾值LS_Th時，判斷為清醒階段。

通過對PeriodState(T)數值的比較可以判斷不同睡眠階段，及其相互轉換情況。

對REM_Th，DS_Th，LS_Th的設置，同測試者的年齡、性別、體質，以及人體電阻的采集部位有關系。

因為電導是電阻的倒數，所以以上分析方法同樣適用于基于電導變化來分析人體不同睡眠階段。

本發明的一種基于人體皮膚電阻變化的不同睡眠階段檢測系統，包括依次連接的醫療極片、橋式電阻/電導測量電路、放大電路、A/D轉換電路、CPU和人機交互界面。

圖5為本發明一種檢測人體不同睡眠階段的系統原理圖，包括依次連接的醫療極片、橋式電阻/電導測量電路、放大電路、A/D轉換電路、CPU和人機交互界面。醫療極片、橋式電阻/電導測量電路用來采集人體皮膚電阻(電導)數據，進而基于人體皮膚電阻(電導)變化檢測人體不同睡眠階段及其轉換，實現本發明的方法。所述CPU可以選擇單片機、移動通信設備、移動電腦設備或臺式電腦設備等帶有數據處理能力的設備。

圖6和圖7，圖8和圖9，圖10和圖11，分別是3個不同實驗對象的睡眠階段檢測結果。其中，圖6、圖8和圖10是區間狀態值PeriodState(T)的輸出值；圖7、圖9和圖11是最終睡眠階段判斷結果。

實施例1：

圖6和圖7的實驗對象是一位35歲的男性。在實驗對象上床睡覺40分鐘前，將數據采集探頭安置在實驗對象的手腕上。REM_Th設置為7，DS_Th設置為13，LS_Th設置為20。實驗結果顯示，在深夜12點左右，實驗對象進入睡眠階段；在凌晨7點前，實驗對象完成了多次睡眠周期，一個睡眠周期包括了淺睡眠階段、深睡眠階段、快速動眼睡眠階段；在凌晨7點后，實驗對象在淺睡眠階段和快速動眼睡眠階段之間轉換；在早晨9點左右，實驗對象從睡眠中醒過來。這一實驗結果顯示了一個典型的睡眠過程。

實施例2：

圖8和圖9的實驗對象是一位67歲的男性。在實驗對象上床睡覺20分鐘前，將數據采集探頭安置在實驗對象的手腕上。REM_Th設置為6，DS_Th設置為10，LS_Th設置為17。實驗結果顯示，實驗對象在剛入睡階段完成了1次睡眠周期；在整個睡眠過程中完全清醒過來兩次；在第二次清醒過來又重新入睡后，經歷了很長一段時間的REM睡眠。這一實驗結果顯示，該實驗對象雖然整體睡眠時間較短，但因為有足夠長時間的深層睡眠，包括了深睡眠和REM睡眠，從而保證了整體睡眠質量；但該實驗對象在睡眠過程中容易清醒過來。

實施例3：

圖10和圖11的實驗對象是一位5歲的男性。在實驗對象上床睡覺10分鐘后，已經快要睡著時，將數據采集探頭安置在實驗對象的腳掌上。REM_Th設置為14，DS_Th設置為18，LS_Th設置為26。實驗結果顯示，實驗對象在整個睡眠過程中完成了多個睡眠周期；深睡眠階段和快速動眼睡眠階段在整個睡眠過程中所占的比例很大。這一實驗結果符合對兒童睡眠的一般認識。