本文選題：睡眠監(jiān)護　切入點：睡眠分期　出處：《電子科技大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：失眠或者睡眠質(zhì)量不高已經(jīng)成為影響現(xiàn)代人健康的一大問題。獲取并分析睡眠分期是科學(xué)評價睡眠質(zhì)量、尋找影響睡眠因素和改善睡眠狀況基礎(chǔ)。傳統(tǒng)的自動睡眠分期方法大多是針對腦電信號,然而腦電信號的采集需要借助精密的儀器和復(fù)雜的電極,無法滿足家庭睡眠監(jiān)護的需求。壓電感知床墊能夠?qū)⑺弑O(jiān)測對睡眠的影響降到最低,是非常適合家用睡眠監(jiān)護的解決方案,但是床墊采集的BCG信號是心跳、呼吸和體動的混合信號,體動信號會對提取心跳和呼吸信號的特征產(chǎn)生不可忽視的影響,而體動信號本身也對睡眠分期有顯著的價值。大多數(shù)的非腦電自動睡眠分期算法是基于其中某一種單一信號來分期的,很多方法采用的是通過多導(dǎo)睡眠圖收集的標準的生理電信號,而對長時間的睡眠壓電混合信號進行分期不一定有較高的準確率。本文提出一種融合多種生理數(shù)據(jù)的睡眠分期算法,基于床墊采集的壓電數(shù)據(jù)進行睡眠分期,同時實現(xiàn)了基于壓電感知的移動睡眠監(jiān)護系統(tǒng),為實現(xiàn)家庭睡眠監(jiān)測和遠程睡眠監(jiān)測提供了一套科學(xué)的解決方案。本文提出的融合多種生理數(shù)據(jù)的睡眠分期算法,首次將隱馬爾可夫模型運用到呼吸信號的睡眠分期應(yīng)用當中,證明隱馬爾可夫模型可以識別呼吸在不同睡眠時相中存在不同的模式和規(guī)律。本文提出的算法通過分析心率和呼吸率的隱馬爾可夫模型在識別不同睡眠分期時結(jié)果的優(yōu)勢與不足,綜合兩者的優(yōu)點改進原算法,同時設(shè)計了體動檢測算法與之結(jié)合,校正因為體動影響到心率、呼吸率特征而出現(xiàn)的錯誤分期,最終實現(xiàn)了對覺醒期、淺睡眠期、深睡眠期和REM期的自動識別以及體動的記錄,達到準確率66.91%,并在與同類產(chǎn)品的比較中有較好的表現(xiàn)。本文搭建了基于壓電感知的移動睡眠監(jiān)護軟件平臺,為實現(xiàn)家庭睡眠監(jiān)測和遠程睡眠監(jiān)測提供了一套科學(xué)的解決方案。軟件系統(tǒng)以基于Android平臺和Web技術(shù),定義了睡眠生理數(shù)據(jù)的通信方案和與用戶的交互方式,集成了融合多種生理數(shù)據(jù)的睡眠分期算法和BCG信號的預(yù)處理方法,實現(xiàn)了遠程睡眠監(jiān)測、睡眠結(jié)構(gòu)可視化、睡眠質(zhì)量分析、睡眠交流和睡眠知識等個性化功能。
[Abstract]:Insomnia or poor sleep quality has become a major problem affecting the health of modern people. Obtaining and analyzing sleep stages is a scientific evaluation of sleep quality. Traditional automatic sleep staging methods are mostly aimed at EEG signals, but EEG acquisition requires sophisticated instruments and complex electrodes. It can't meet the needs of family sleep monitoring. Piezoelectric sensing mattresses can minimize the impact of sleep monitoring on sleep, which is a perfect solution for home sleep monitoring, but the BCG signals collected by the mattresses are heartbeats. A mixture of breathing and body movement, which can have an unnegligible effect on extracting the characteristics of heartbeat and respiratory signals. The body motion signal itself has significant value for sleep staging. Most non-EEG automatic sleep staging algorithms are based on one of the single signals. Many methods use standard physiological signals collected through polysomnography. In this paper, a sleep staging algorithm is proposed, which is based on the piezoelectric data collected from the mattress. At the same time, a mobile sleep monitoring system based on piezoelectric perception is implemented, which provides a scientific solution for home sleep monitoring and remote sleep monitoring. For the first time, the hidden Markov model is applied to the sleep stages of respiratory signals. It is proved that the hidden Markov model can recognize the different patterns and rules of breathing in different sleep phases. The algorithm proposed in this paper is based on the analysis of heart rate and breathing rate of hidden Markov models to identify different sleep stages. The advantages and disadvantages of fruit, Combining the advantages of the two methods, we have improved the original algorithm, designed the body motion detection algorithm and combined it with it, corrected the wrong stages caused by the influence of body movement on heart rate and breathing rate, and finally realized the phase of awakening and shallow sleep. The automatic recognition of deep sleep period and REM phase and the recording of body movement can achieve the accuracy of 66.91and have good performance in comparison with the similar products. In this paper, a mobile sleep monitoring software platform based on piezoelectric perception is built. It provides a scientific solution for home sleep monitoring and remote sleep monitoring. Based on Android platform and Web technology, the software system defines the communication scheme of sleep physiological data and the way of interaction with users. A series of sleep staging algorithms and BCG signal preprocessing methods are integrated to realize the personalized functions of remote sleep monitoring, sleep structure visualization, sleep quality analysis, sleep communication and sleep knowledge.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R740;TN911.6

【參考文獻】

相關(guān)期刊論文 前10條

1 李延軍;仲崇發(fā);李琳;祝瑞云;;一種僅使用呼吸信號檢測非眼動睡眠的方法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2015年04期

2 鄒慧莉;陳國艷;胡曉輝;楊婷;雷革勝;宿長軍;;不寧腿綜合征多導(dǎo)睡眠圖監(jiān)測情況分析[J];中華實用診斷與治療雜志;2014年07期

3 湯靜;李澤葵;賽雙橋;;便攜式睡眠呼吸監(jiān)測對OSAHS的診斷價值[J];臨床肺科雜志;2014年06期

4 朱彩兵;宋艷濤;魏蘭蘭;葉繼倫;張旭;;微型睡眠監(jiān)護評價系統(tǒng)的研究[J];中國醫(yī)療器械雜志;2013年06期

5 張健;石江明;;基于Java技術(shù)的高清交互網(wǎng)絡(luò)資源信息管理系統(tǒng)的研究[J];有線電視技術(shù);2012年05期

6 孟麗麗;易紅良;;微動敏感床墊式睡眠監(jiān)測系統(tǒng)和多道睡眠監(jiān)測同步檢查的比較[J];中國耳鼻咽喉頭頸外科;2011年08期

7 劉慧;謝洪波;和衛(wèi)星;王志中;;基于模糊熵的腦電睡眠分期特征提取與分類[J];數(shù)據(jù)采集與處理;2010年04期

8 王海濤;鄭慧君;曹征濤;楊軍;俞夢孫;;考慮個體特征的非腦電睡眠分期[J];中國生物醫(yī)學(xué)工程學(xué)報;2010年02期

9 鄭慧君;王海濤;曹征濤;朱瑩瑩;姬超;俞夢孫;;利用心率的去趨勢波動分析提取睡眠呼吸暫停低通氣綜合癥患者的睡眠結(jié)構(gòu)信息[J];中國生物醫(yī)學(xué)工程學(xué)報;2009年05期

10 潘集陽;;睡眠調(diào)節(jié)機制及睡眠障礙分類[J];實用老年醫(yī)學(xué);2007年01期

相關(guān)博士學(xué)位論文 前2條

1 金晶晶;心沖擊圖信號的無感覺檢測與分析方法研究[D];東北大學(xué)　;2010年

2 李j;身體鍛煉對大學(xué)生睡眠質(zhì)量的影響及其心理機制的研究[D];華東師范大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 唐晨斌;睡眠狀態(tài)的轉(zhuǎn)換以及睡眠呼吸暫停綜合癥的影響[D];南京大學(xué);2015年

2 程佳;基于腦電信號的睡眠分期研究[D];北京理工大學(xué);2015年

3 馮曉明;基于腕動信號的睡眠質(zhì)量監(jiān)測裝置設(shè)計[D];華南理工大學(xué);2014年

4 啜阿丹;失眠癥患者相關(guān)因素、證候與漢密爾頓焦慮量表的相關(guān)研究[D];北京中醫(yī)藥大學(xué);2014年

5 傅則名;便攜式睡眠監(jiān)測儀與多導(dǎo)睡眠監(jiān)測儀同步監(jiān)測相關(guān)指標分析[D];吉林大學(xué);2014年

6 陳曉偉;基于腦電的自動睡眠分期[D];南京郵電大學(xué);2014年

7 張晶;壓電薄膜式心沖擊圖信號采集系統(tǒng)的開發(fā)與應(yīng)用[D];河北工業(yè)大學(xué);2014年

8 李向新;基于多生理參數(shù)的睡眠分期研究及其應(yīng)用[D];天津大學(xué);2012年

9 江麗儀;睡眠過程心率變異性分析及睡眠呼吸暫停綜合征的判別研究[D];華南理工大學(xué);2011年

10 崔娜;微動敏感床墊式睡眠監(jiān)測儀在OSAHS診斷中的應(yīng)用[D];吉林大學(xué);2011年

，

本文編號：1635935