脑电信号的复杂度在睡眠分期中的应用

睡眠既是人体重要的生理状态，也是临床监护重要的一环，按国际通用的睡眠分期方法，必须在脑电信号之外增加脑功能信号，本文研究了单纯的脑电信号的特征———复杂度作睡眠分期的依据的可能性，在数例已按国际通例作了睡眠分期的病例中，应用了本文提出的方法，在对分期结果的比较中提出了需要进一步研究的方面。     

基于脑电功率谱密度和随机森林的自动睡眠分期方法

采用深度学习技术实现睡眠自动分期计算复杂度较高，且需大量数据支撑。本文提出一种基于功率谱密度和随机森林的自动睡眠分期方法，先提取脑电信号6种特征波（K复合波、δ波、θ波、α波、纺锤波、β波）的功率谱密度作为特征，然后利用随机森林分类器实现5种睡眠状态（W、N1、N2、N3、REM）自动分类。采用Sleep-EDF数据库中健康受试者整晚睡眠脑电数据作为实验数据，对比了使用不同输入通道脑电信号（FpzCz单通道、Pz-Oz单通道、Fpz-Cz+Pz-Oz双通道）、不同分类器（随机森林、自适应增强、梯度提升、高斯朴素贝叶斯、决策树、K近邻）、不同训练集与测试集划分方法（2折、5折、10折交叉验证及单个受试者）对分类效果的影响。实验结果表明，当采用Pz-Oz单通道脑电信号和随机森林分类器时效果最好，无论怎样变换训练集与测试集，分类准确率都达到90.79%以上，总体分类准确率、宏观平均F1值、Kappa系数最高分别可达到91.94%、73.2%、0.845，证明该方法是有效的，且不易受数据量影响，具有较好的稳定性。与已有研究相比，该方法分类准确率更高、实现更简单，适用于自动化。     

基于动态贝叶斯估计的疲劳驾驶识别研究

疲劳驾驶是导致交通事故的主要原因之一。为了对驾驶员的疲劳状态进行有效识别,通过无线测量设备采集6名长途客车驾驶员的脑电、肌电和呼吸信号,并对其进行分析处理。结合当下时刻的上下文信息(睡眠质量、驾驶条件、生理节律),利用信息融合技术,建立3层隐马尔可夫模型,从而实现对疲劳驾驶的动态估计。从两种不同情况出发,估计驾驶过程中不同时刻驾驶员疲劳的概率。基于贝叶斯模型的预测结果与主观评分结果的一致性达到了0.87,表明所提出的模型能够对驾驶员的疲劳状态进行有效的动态识别。     

基于回声状态网络的脑电信号特征提取

在脑电(EEG)信号自动检测和分类的研究中,EEG信号的特征提取至关重要。本文分析了目前主要EEG信号特征提取方法的优缺点,并提出了一种基于回声状态网络(ESN)的EEG信号特征提取方法。该方法可以实现EEG信号的非线性特征提取,并且其特征提取过程是近似可逆的,因而在特征提取过程中损失的信息较少。该方法在EEG信号特征提取过程中,主要计算量是求解状态矩阵的伪逆,计算简单高效。在对波恩大学癫痫研究所的EEG数据库进行多类别分类的实验中,本文所提出的EEG信号特征提取方法展现出了良好的性能。     

基于复杂性测度的睡眠脑电分期处理方法研究

提高临床脑部及神经系统疾病的早期诊断水平,及时予以控制和治疗,是降低脑疾病对人类危害最有效的途径。探讨复杂性测度在睡眠脑电分期中的应用,主要利用加窗的Lempel-Ziv复杂度处理算法对经采用小波变换滤波算法滤除生理干扰后的睡眠脑电信号进行分期处理,并与没有加窗的Lempel-Ziv复杂度处理算法的仿真处理结果进行比较。结果表明：加窗的Lempel-Ziv复杂度算法能更好地将睡眠脑电不同状态分开,在一定程度上减少由脑电的非平稳性带来的计算上的片面性,同时兼顾各期睡眠脑电状态的不均匀性,在很大程度上满足临床的应用要求。     

睡眠状态下人体生理信号的监测

监测睡眠中的一些生理参数不仅可以使我们评估睡眠的质量，而且能够对某些疾病提供有力的诊断依据。本文介绍了睡眠状态下人体生理信号蕴含的信息，以及近年来睡眠监测中用到的一些人体生理信号的监测方法及仪器，并对睡眠监测中人体生理信号的检测与处理方法作了进一步的研究。     

脑电图微状态分析及应用研究进展EI北大核心

脑电信号具有高时间分辨率的特征,各类脑电信号分析方法近年来发展迅速。脑电微状态分析方法能够研究毫秒级范围内的大脑变化,同时也可呈现脑电信号在拓扑层面上的分布,从而反映全脑的不连续和非线性特征。经历三十多年的丰富和完善,脑电微状态分析已经渗透到脑科学相关的多个研究领域。本文总结了脑电微状态分析方法的基本原理,系统阐述了微状态特征参数改变、微状态与脑功能网络的关系以及微状态特征提取与分类在脑疾病和脑认知方面的主要应用进展,期望能够为该领域的研究人员提供一定的参考。     

SRSS对13273名正常人睡眠状态的评定分析

目的　维护和促进人们的心理健康 ,制定一个标准化睡眠状况评定工具和适合中国人的常模。方法　采用 self- rating scale sleep of(SRSS)对不同年龄、不同性别、不同职业的人群进行标准化评定。结果　 1 32 73名正常人的总分值为 2 2 .1 4± 5.48,男女总分均值分别为2 2 .0 0± 5.47和 2 2 .2 7± 5.51 ,并计算出 1 0个因子和不同年龄均值的标准差。结论　总分和因子分均值可作为中国人睡眠状况的常模比较与参考     

基于平均能量耗散的睡眠分期研究

目的 睡眠质量影响身体健康与工作效率,睡眠分期结果是衡量睡眠质量的重要指标和诊治睡眠障碍性疾病的重要途径.方法 通过提取相同个体相同时刻的清醒期和非快速眼动睡眠Ⅰ期的EEG信号,分别符号化后计算平均能量耗散,对两个睡眠阶段的相对熵进行统计分析及多样本验证.结果 研究结果表明,平均能量耗散很好地反映了睡眠状态的变化,在清醒期较大,在非快速眼动睡眠Ⅰ期较小,并通过差异显著性检验和多样本验证.结论 平均能量耗散可以作为睡眠自动化分期参数补充到睡眠分期研究中来,在临床上可通过多参数分析,提高睡眠分期的准确性.     

基于多特征融合的睡眠分期

目的 为了有效实现睡眠自动分期,对睡眠障碍等相关疾病的诊断提供更多依据,本文提出了一种基于多特征融合的睡眠分期方法.方法 数据来自ISRUC-Sleep数据库,首先对10名健康受试者和10名睡眠障碍患者的脑电(electroencephalogram,EEG)信号计算3种特征——样本熵、小波包能量和去趋势波动.然后采用支持向量机(support vector machine,SVM)构建睡眠分期模型,并验证该模型的准确性.此外,为了进行比较加入心电(electrocardiogram,ECG)和肌电(electromyogram,EMG)通道.结果 健康受试者和睡眠障碍患者睡眠分期的准确率分别达到87.4％和86.3％.结论 基于多特征融合的睡眠分期方法能够有效地提高睡眠分期的准确率.     

利用心率的去趋势波动分析提取睡眠呼吸暂停低通气综合症患者的睡眠结构信息

以经基于心率变异性的睡眠分期大都是针对健康人进行的,拟利用心率变异性分析睡眠呼吸暂停低通气综合症(SAHS)病人的睡眠结构.根据微动敏感式床垫式睡眠监测系统(MSMSMS)所得10名健康者的心率和30名不同程度SAHS患者的心率,利用去趋势波动分析(DFA)方法,计算他们在各睡眠阶段的标度指数.实验结果显示,SAHS患者各个睡眠阶段的标度指数具有明显差异,与健康者也有不同,为基于心率变异性对SAHS患者进行睡眠分期以及SAHS患者的判定提供了依据.     

睡眠呼吸暂停综合征患者的睡眠分期算法研究

针对可穿戴睡眠监测缺乏有效的自动睡眠分期和睡眠质量评价方法这一问题,提出一种适用于睡眠呼吸暂停综合征患者的自动睡眠分期方法。通过心电图R-R间期序列,分别得到心率变异性、呼吸幅度变异性和呼吸率变异性信号。以此为基础,提取时域、频域及非线性特征共55个。利用门控循环单元网络,分别构建清醒-睡眠二分类、清醒-快速眼动-非快速眼动睡眠三分类、清醒-快速眼动-浅睡-慢波睡眠四分类、清醒-快速眼动-非快速眼动Ⅰ-Ⅱ-Ⅲ期五分类等共4个不同分类粒度的睡眠分期模型;采用损失函数类别加权方法,有效降低数据非平衡对分期结果的影响。验证数据来自SHRS数据库的274例患者。借助准确率、Cohen's Kappa系数和睡眠结构指标对该睡眠分期方法进行性能评价。结果表明4个分类器的准确率分别为85.06%、75.44%、63.80%、62.13%,Cohen's Kappa系数达到了0.54、0.49、0.41、0.41,睡眠结构分析评估与临床结果之间的差异无统计学意义。所提出的方法基本满足睡眠质量评估的需求,适用于可穿戴睡眠监测应用。     

基于多事件融合的睡眠质量评测算法研究

依据人体睡眠期呼吸紊乱事件、心血管事件、醒觉反应事件及对睡眠期分阶的研究,进行多事件融合算法的分析。经过对睡眠分阶以及一系列睡眠呼吸事件的评测分析,表明该算法研究能够有效帮助睡眠医生对睡眠障碍患者的睡眠质量进行充分、有效的评估,且相关评估结果也能为医生后续的诊断治疗提供有效帮助。     

Effect of Sleep Stage and Stimulus Intensity on Auditory Average Evoked Responses

Auditory average evoked responses (AERs) to clicks ranging from 50 to 80 dB were studied in 9 normal adults while awake and during sleep. AER amplitude tended to increase little from 50 to 80 dB in waking subjects but increased markedly in sleeping subjects during stages 3 and 4. Rapid eye movement (REM) and stage 1 sleep had small amplitude AER.S in comparison with other sleep stages, individuals who showed decreases in amplitude at high intensities while awake slept significantly longer during the experimental nights.     

基于心率变异性分析的睡眠分期算法研究和验证

为实现睡眠分期,为穿戴式生理参数监测技术在慢病监测领域的应用提供技术支撑,发展基于心率变异性和支持向量机模型的睡眠分期算法。从心率时间间期序列中提取时域、频域和非线性等86个特征,将多导睡眠图仪的三分类结果(醒、快速眼动期、非快速眼动期)作为“金标准”,采用支持向量机作为多分类器模型;为保证训练集数据质量,使用开放睡眠数据库SHHS中由专家确认挑选的67例PSG样本作为训练集,实现特征筛选和模型参数训练。为验证模型的泛化性能,从SHHS数据库中进一步随机提取939例PSG样本,对模型性能进行测试。睡眠分期模型在训练集上的五折交叉验证的准确率为84.00%±1.33%,卡帕系数为0.70±0.03;在939例测试集上的准确率为76.10%±10.80%,卡帕系数为0.57±0.15。剔除RR间期异常(110例)和明显睡眠结构异常(29例)的样本后,测试集(800例)的准确率为82.00%±5.60%,卡帕系数为0.67±0.14。所提出的基于心率变异性分析的睡眠分期算法具有较高的准确性,大样本人群测试结果表明,该模型具有较好的普适性。     

Sleep bruxism based on self-report in a nationwide twin cohort

The relative roles of genetic and environmental factors in bruxism are not known. In 1990 a questionnaire sent to the Finnish Twin Cohort yielded responses from 1298 monozygotic and 2419 dizygotic twin pairs aged 33–60 years. We used structural equation modelling to estimate genetic and environmental components of variance in the liability to bruxism. There was a significant gender difference both in childhood (P =0.001) and adult (P =0.007) bruxism. Females compared to males reported childhood bruxism ‘often’ 5.2% vs 4.1% and ‘sometimes’ 17.4% vs 17.3%, and as adults ‘weekly’ 3.7% vs 3.8% and ‘monthly’ 3.9% vs 4.6%, respectively. Bruxism in childhood and adulthood is highly correlated (0.86 in males and 0.87 in females). The proportion of total phenotypic variance in liability to bruxism attributed to genetic influences in childhood bruxism was 49% (95% CI 37–60%) in males and 64% (55–71%) in females, and for adults 39% (27–50%) among males and 53% (44–62%) among females. The correlation between the genetic effects on childhood bruxism and the genetic effects on adult bruxism was estimated in a bivariate model to be 0.95 (95% CI 0.94–0.96) in males and 0.89 (0.88–0.90) in females. Bruxism appears to be quite a persistent trait. There are substantial genetic effects on bruxism both in childhood and as adults, which appear to be highly correlated.     

基于加速度传感器的睡眠体位监测方法的研究

目的：睡眠质量是保证身体健康的重要因素,目前常用的评价方法有主观评价法和客观评价法两种,各有利弊。持续监测睡眠过程中身体位置的变化是客观评价睡眠质量的方法之一。为了能够低成本、大量、准确的采集睡眠状态信息,介绍一种基于加速度传感器的睡眠体位检测的方法。方法：加速度传感器能准确感知人体体位变化,具有体积小精度高的特点。通过佩戴在小腹位置的以IAP12LE5A62AD单片机和MMA7361加速度传感器为核心的微型体位状态采集设备连续采集睡眠期间的身体位置状态,然后通过上位机软件对体位信号的突变、渐变、状态间相似度进行分析,从中分离出相关体位信息。结果：对静态体位信号和身体位置的快速变化的识别率较高,查全率达到98.9%以上,查准率超过93%,对于缓慢变化的身体状态的识别率略低,查全率达到85%以上,查准率达到96%。结论：该方法结构简单、成本低,对睡眠影响很小,能够比较准确的反映睡眠过程中体位状态,可以用来评价睡眠质量,适用于对大量患者长时间的睡眠监测。     

Evidence for Circadian Influence on Human Slow Wave Sleep During Daytime Sleep Episodes

The occurrence of slow wave sleep within spontaneously initiated daytime sleep episodes was studied to examine hypothesized associations with prior wakefulness and circadian factors. There was a strong relationship between measures of slow wave sleep and the proximity of sleep episodes to the maximum of body core temperature. Those sleep episodes that began within 4 hours of the maximum in body core temperature contained significantly more slow wave sleep than did all other daytime sleep periods, approximating proportions typical of nocturnal sleep. Multiple regression analysis revealed no relationship between measures of slow wave sleep and prior wakefulness. These findings are consistent with an hypothesized approximately-12-hour rhythm in the occurrence of slow wave sleep and they underscore the influence imposed on human sleep by the endogenous circadian timing system.     

基于条件生成对抗网络的三维肝脏及肿瘤区域自动分割

肝脏计算机断层扫描成像(CT)的三维(3D)肝脏和肿瘤分割对于辅助医生的诊断及预后具有非常重要的临床价值。为了准确快速地分割肝脏及肿瘤区域,本文提出了一种基于条件生成对抗网络(cGAN)的肿瘤3D条件生成对抗分割网络(T3scGAN),同时采用了一个由粗到细的3D自动分割框架对肝脏及肿瘤区域实施精准分割。本文采用2017年肝脏和肿瘤分割挑战赛(LiTS)公开数据集中的130个病例进行训练、验证和测试T3scGAN模型。最终3D肝脏区域分割的验证集和测试集的平均戴斯(Dice)系数分别为0.963和0.961,而3D肿瘤区域分割的验证集和测试集的平均Dice系数分别为0.819和0.796。实验结果表明,提出的T3scGAN模型能够有效地分割3D肝脏及其肿瘤区域,因此能够更好地辅助医生进行肝脏肿瘤的精准诊断和治疗。     

Central Deficiency of Corticotropin-Releasing Hormone Receptor Type 1 (CRH-R1) Abolishes Effects of CRH on NREM But Not on REM Sleep in Mice

Study Objectives:

Corticotropin-releasing hormone (CRH) is the major activator of the hypothalamic-pituitary-adrenocortical (HPA) system and orchestrates the neuroendocrine, autonomous as well as behavioral responses to stress. Many studies suggest an influence of CRH on sleep-wake regulation even in the absence of stressors. However, none of these studies yet clearly distinguished between central and peripheral effects of CRH. Therefore, we investigated in CNS-specific CRH receptor type 1 deficient mice whether centrally administered CRH could induce its sleep-wake modulatory effects without peripheral induction of HPA activity.

Design:

Male mice (C57BL/6J, CNS-specific CRH-R1 knockout [CKO] mice and their control littermates [CL]) were intracerebroventricularily (i.c.v.) injected with vehicle or 3 different doses of CRH shortly before the beginning of the light period. Electroencephalogram (EEG) and electromyogram (EMG) were monitored to compare the effects of CRH on vigilance states with or without presence of central CRH-R1. To quantify HPA-axis reactivity to CRH injections in CKO and CL animals, blood samples were analyzed to determine plasma corticosterone concentrations.

Results:

I.c.v. injections of CRH promoted wakefulness while decreasing NREMS in C57BL/6J and CRH-R1 CL animals, whereas such changes were not exerted in CKO mice. However, REMS suppression after CRH application persisted in all animals. I.c.v. injected CRH increased plasma corticosterone levels in both CL and CKO mice.

Conclusions:

The results demonstrated that CRH has a major impact on wake and NREMS regulation which is predominantly mediated through central CRH-R1. Peripheral actions of CRH, i.e., elevated HPA activity, may interfere with its central effects on REMS but not on NREMS suppression.

Citation:

Romanowski CPN; Fenzl T; Flachskamm C; Wurst W; Holsboer F; Deussing JM; Kimura M. Central deficiency of corticotropin-releasing hormone receptor type 1 (CRH-R1) abolishes effects of CRH on NREM but not on REM sleep in mice.SLEEP 2010;33(4):427-436.