基于無創數據采集系統的睡眠分期方法

郭天文

摘 要 本文提出了以STM32L1為核心的無創人體生理數據采集與處理系統，采集人體的脈搏和度和體動信號的數據，并將數據傳輸到數據中心。利用樸素貝葉斯-滑動窗口算法對數據進行融合處理，得出整夜睡眠的分期情況。最后將分期情況與多導睡眠監測系統的結果進行比較，證明了此方法能較為準確的對睡眠進行分期。

【關鍵詞】STM32 睡眠分期 脈搏 體動信號

隨著睡眠研究的深入，人們了解到睡眠對人類的重要性。本文設計了無創數據采集系統，通過多種傳感器采集脈搏和體動信號，彌補了單一數據的缺陷。并設計了樸素貝葉斯-滑動窗口算法，對數據進行融合，最后得到了較為準確的睡眠分期。

1 無創數據采集系統的整體機構

系統硬件由核心板和外圍擴展電路構成。核心板為主要包括STM32L1151C8T6、晶振和電源模塊。外圍擴展電路主要包括加速度傳感器、脈搏探頭。其中，加速度傳感器采用低功耗、高精度的ADXL345，脈搏探頭選擇目前醫用的Nellcor公司生產的DS-100A。STM32接收傳感器返回的數據，并提取出脈搏和體動信號并進行分析。

2 樸素貝葉斯-滑動窗口睡眠分期算法

對于睡眠分期，美國睡眠醫學學會的最新的標準是將其劃分為兩個部分，即快速眼動期（REM）和非快速眼動期（NREM），而NREM期可以劃分為4個階段，即NREM1，NREM2，NREM3和NREM4。人類睡眠狀況是一個周期性過程，從清醒狀態進入REM，隨著睡眠的深入進入NREM1，NREM2，NREM3，再到達NREM4；再由NREM4進入NREM3，NREM2，NREM1，最后回到REM，完成一個睡眠周期。

2.1 脈搏和體動信號睡眠分期的劃定

研究表明隨著睡眠的深入，人體各種生理活動都將發生變化，如脈搏每分鐘將減慢10-30次，絕大部分骨骼肌舒張，動作次數減少。因此，脈搏和體動信號對于睡眠分期有極好的對應關系。首先將睡眠分期進行量化處理，把Awake期，REM期，NREM1期，NREM2期，NREM3期，NREM4期量化為數值，如表1所示。

2.2 算法實現

樸素貝葉斯法是通過計算對象的先驗概率來判斷其后驗概率，以最大后驗概率作為該對象所屬的類。在本設計中，通過計算數據與睡眠分期之間的相關系數，并將其歸一化，分別計算出各自所占總和的比值，選取比值最大的一類數據作為本頁睡眠分期劃分的依據。

滑動窗口法是將每次的計算結果作為本次窗口的第一個數據的結果，窗口后移一位，將第一個數據移出并加入一個新的數據在末尾重新計算，提高了結果的準確度。在本設計中，所采用的窗口大小為16頁。

其具體算法如下：

（1）對全部數據進行分期判定，根據公式

求出體動數據和脈搏數據關于整夜睡眠分期的相關系數，其中：i=1、2；xi代表每一頁的各類數據，是各類數據整夜的均值，y代表各類數據每頁計算所得的睡眠分期， 代表整夜睡眠分期的均值。

（2）求出三個相關系數所占和的比例系數，對全部數據進行處理，其中為各類數據相關系數的比例系數，x1、x2為各類數據的每一頁數據，、為各類數據的整夜均值。

（3）根據樸素貝葉斯分類法在三個相關系數中選擇最大的那類數據所對應的睡眠分期作為本次窗口第一頁數據的睡眠分期；如果存在兩類或者兩類以上數據的相關系數相同，則放棄本次數據，以上一頁數據作為本次的計算結果。

（4）窗口向后移動一頁，進行相同的計算，直到移動到數據末端。

3 結果分析

為驗證算法的可靠性，本文在采集數據的時候同時使用了多導睡眠儀與本文所設計的無創數據采集系統。并針對同一睡眠數據進行分期，將多導睡眠儀分期結果和本方法的分期進行了比較，驗證了本方法的有效性。

4 結論

本文設計了無創睡眠數據采集系統，通過設計樸素貝葉斯-滑動窗口算法，將采集到的體動數據，脈搏數據進行數據融合，計算出整夜的睡眠分期，并與專業的多導睡眠儀的監測結果進行比較，證實了本算法的準確性。此方法在便攜式家用睡眠監測系統中可以得到很好的應用。

參考文獻

[1]齊華.心率變異與睡眠質量關系的研究[D].北京體育大學，2009.

[2]段晶.樸素貝葉斯分類及其應用研究[D].大連海事大學，2011.

作者單位

1.南京工業大學 江蘇省南京市 211800

2.西安電子科技大學 陜西省西安市 710071endprint