[發明專利]計算機可讀存儲介質、入耳式耳塞檢測裝置

在審

• 申請號: 201710860945.4
• 申請日: 2017-09-21
• 公開（公告）號: CN107865638A
• 公開（公告）日: 2018-04-03
• 發明（設計）人: 陳滄毅;胡中驥;嚴文華
• 申請（專利權）人: 廣東思派康電子科技有限公司
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/0476;A61B5/0488;A61B5/0496;A61F11/08
• 代理公司: 東莞市華南專利商標事務所有限公司44215
• 代理人: 劉克寬

技術領域

本發明涉及生物電檢測領域，特別涉及一種用于檢測睡眠質量的入耳式耳塞檢測裝置，該裝置中設有計算機可讀存儲介質。

背景技術

現有技術中，專業睡眠檢測儀體積龐大且價格昂貴，測試睡眠質量時需在身體多處貼上電極導片，使用極為不便，甚至直接影響被測者的睡眠質量，難以得到準確的評估結果。為此，業內提出通過檢測腦電波從而分析評估睡眠質量的方法，如公告號為CN 103690161 B的專利文件，然而腦電波是由人體神經發出的微弱電信號，其十分容易受到干擾，僅通過腦電波來分析睡眠質量難以保證準確率。

發明內容

本發明的目的是方便又準確地評估睡眠質量。

為解決上述目的，發明人提出以下技術方案：

提供一種計算機可讀存儲介質，其存儲有計算機程序，該程序被處理器執行時實現以下步驟：腦電頻譜獲取步驟：獲取人體當前的腦電圖頻譜；眼電圖獲取步驟和/或肌電圖獲取步驟：獲取人體的眼電圖和/或肌電圖；判斷步驟：判斷眼電圖和/或肌電圖所對應的睡眠狀態與腦電圖頻譜所對應的睡眠狀態是否相符，若是則確定該睡眠狀態，若否則不確定該睡眠狀態。

在判斷步驟中，獲取腦電圖頻譜后，根據該頻譜中集中處所在的頻率范圍來判斷腦電圖頻譜所對應的睡眠狀態。在判斷步驟中，得出眼電圖和/或肌電圖的頻譜，根據該頻譜中集中處所在的頻率范圍來判斷眼電圖和/或肌電圖所呈現出的狀態。

上述所有的頻譜都通過短時傅里葉運算來得出。

上述程序還實現分類步驟，其只需通過貼合在人體表面的兩個電極片采集人體的混雜電信號，就能實現各個圖的獲取，十分方便。具體地，采集到混雜電信號后，對該混雜電信號進行分類，提取分類后的各個信號的特征，用該特征作為樣本來識別出對應的圖，從而實現上述獲取。其中，為避免有雜波影響分類計算，先將所述混雜電信號進行濾波，濾波后再放大以使得信號易于識別，然后才進行所述分類。

在分類步驟中，用支持向量機算法，采用間隔最大化的學習策略來對混雜信號進行分類，簡化分類計算過程，具有較好的“魯棒”性。

在分類步驟中，用NMF非負矩陣分解算法來提取所述特征并進行識別，其將善于將復雜的數據矩陣降維處理，處理大規模數據速度快。

還提供一種入耳式耳塞檢測裝置，包括耳塞和處理器，耳塞上設有用于采集人體表面電信號的兩個電極片，兩個電極片分別與處理器電連接，還包括如上述的計算機可讀存儲介質，該計算機可讀存儲介質上的程序可在處理器上運行。

其中，所述電極片設置在耳塞外壁的可以貼合人耳的外耳道的地方，由于外耳道呈孔洞狀，耳塞塞入人耳時，耳塞的彈性外壁充分擠壓外耳道，使得電極片與外耳道緊貼，電極片可以較好地采集電信號。

有益效果：

通過判斷眼電圖和/或肌電圖所對應的睡眠狀態與腦電圖頻譜所對應的睡眠狀態是否相符，若是則確定該睡眠狀態，若否則不確定該睡眠狀態，從而保障睡眠質量評估的準確性；通過在耳塞上設置電極片，耳塞塞入人耳時為人體睡眠提供一個安靜的環境，此時電極片貼合外耳道，十分方便地采集人體表面的電信號，而人耳分別離大腦神經系統和眼球的距離都較短，電極片采集到的腦電信號和眼電信號就不會有太大的丟失，為信號識別提高準確性保障。

附圖說明

利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。

圖1是本發明的計算機可讀存儲介質中的程序被執行時的流程圖。

圖2是入耳式耳塞檢測裝置的局部示意圖。

具體實施方式

參考圖1和圖2，入耳式耳塞2檢測裝置包括耳塞2和處理器，耳塞2的彈性外壁上設有用于采集人體表面電信號的兩個電極片1。兩個電極片1相互岔開，每個電極片1的末端都通過電線與處理器電連接。耳塞2被塞入人耳內時，耳塞2的彈性外壁充分擠壓外耳道，使得電極片1與外耳道緊貼，電極片1充分采集人體的混雜電信號。采集到的混雜電信號被傳輸至處理器，供被處理器執行的程序處理。具體如下：

處理器獲得混雜電信號后，將混雜電信號先進行陷波濾波，后進行帶通濾波，濾波后的信號再被放大以使得信號易于識別，然后通過支持向量機算法對混雜信號進行分類，再用NMF非負矩陣分解算法來提取分類后的各個信號的特征，具體地，將分類后的每個信號單獨作為獨立的非負矩陣X代入非負矩陣分解算法：

X＝WH

設置權值代價函數為：

D＝X/WH–log(X/WH)-1