个体化睡眠质量监控终端的开发及系统研究

张奔　吴映秋　孙文杰　毛耀

摘要：为了监控和改善人们的睡眠问题，基于脑电波表征脑部活跃度的原理，设计了一套睡眠质量监控系统。系统通过单通道脑电波传感器采样，应用程序接口接收用户脑电波；分析了脑电波对睡眠质量的影响；并在PC终端进行数据处理，从而表征用户的睡眠情况。研究结果表明，系统能够准确表征用户的睡眠质量，实现了利用脑电波作为介质的人机交互。

关键词：脑电波；睡眠监控；入机接口；TGMA模块

随着生活节奏的加快和社会压力的增加，睡眠障碍及其相关疾病的发生率日益升高。据世界卫生组织的调查报告显示，全球有27%的人有睡眠问题，睡眠异常严重影响人们的身心健康、生活质量和工作效率，睡眠问题现已成为威胁世界各国公众的一个突出问题。

然而，解决睡眠问题或者改善睡眠的首要任务是对睡眠过程进行监控。人体睡眠过程中，例如脑电、肌电、眼动、鼾声等信号都可一定程度上表征睡眠质量。医学上常采用具备40导联的数字睡眠监测系统，可监测脑电、心电、肌电、眼动、呼吸气流、胸腹呼吸运动、腿动、血氧、鼾声、体位等生物信号。此类医疗器械虽精度高、数据丰富，但造价高、使用繁琐，不适合个体随时对睡眠情况进行监控。人的大脑一直在产生脑电波。脑电波是大脑活动时，大量神经元同步发生的突触后电位经总和后所形成，它记录了脑波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。脑电波根据频率不同一般可划分为Delta波，Theta波，Alpha波，Beta波，Gamma波等多种类型。这些脑电波表征了人类大脑活动的频度和内容，进而可以表征人类的睡眠状态，而且单通道的脑电波采集成本低、数据采样稳定。

建立基于脑机制的睡眠监测大型数据库，综合信息技术、物联网技术以及神经影像技术对上述信息进行实时、远程、有效的融合，成为睡眠改善的首要任务。

本文试设计一种睡眠质量监控系统。整个系统由TGAM模块、藍牙模块、干电极、耳夹、电源和PC端睡眠监控程序等部分组成。系统整体结构如图1所示。TGAM模块完成脑电波信号的采集和处理，蓝牙模块部分将采样到的数据发送给PC，基于PC端完成各模块的初始化及数据的实时监测、处理，并通过网络同步到远程治疗中心的数据库。

1系统硬件设计

脑电波是人体大脑神经元和神经细胞生理活动引起的一种生物电，可以通过大脑皮层的电位相对参考点的变化测量得到。由于人体脑电波的脑诱发电位非常微弱（波幅为0～30mV），且常常淹没在背景噪声中，所以采集到的脑电波数据必须通过信号处理才能满足后续数据处理和分析对信号的要求。

1）信号采集

系统采用TGAM模块作为脑电波生物传感器，如图2所示，TGAM模块与干电极相连接，通过单个脑电波信号（EEG）和参考电极以及地线构成整个脑电波采集仪。

2）信号处理

信号处理电路包括前置放大电路、基线校正电路、工频陷波电路、带通滤波器、主放大电路和A/D转换电路。

3）蓝牙传输

TGAM模块采集到的脑电波数据通过信号处理后利用UART和蓝牙模块连接。通过蓝牙模块把采样到的数据发送给PC进行数据处理。

2系统软件设计

2.1基于Windows的监控软件设计

基于PC端的睡眠质量监控程序主要作用是完成各模块的初始化，采集脑电波数据，对数据进行实时监测、处理和同步。系统利用Windows Visual c++进行程序开发。主程序流程图如图3所示。

当用户睡眠时，打开脑电波传感器，进人睡眠。睡眠过程中，传感器实时采样脑电波数据通过蓝牙模块发送给PC。由于睡眠过程较长，采集的数据量较大，PC在数据接收到达一个小时后，比对该时段的数据，并自动保留。当用户睡眠结束时，关闭脑电波传感器，程序首先通过互联网上传整个睡眠过程中保留的睡眠数据到远程治疗中心的数据库；并对整个睡眠过程中的数据进行整合，给出睡眠质量评级以及典型睡眠数据，通过蓝牙推送到用户智能终端。

3实验与分析

3.1实验设计

实验选择年龄21岁、身体健康、无脑部病史的在校大学生作为被试者，其次在晚上人睡前为其佩戴相关硬件设备。如图4所示。监测其晚上21：30至第二天早晨7：00睡眠时的脑电波。

3.2实验数据采样及分析

1）数据解析

脑波模块每秒钟发送513个包，发送的包有小包和大包两种，如表1所示为实验时采集到的数据一。

以实验数据为例，选取表中第一行数据进行解析说明：小包的格式是AA AA 04 80 02 00 8c F1前面的AA AA 04 80 02是不变的，后3个字节是一直变化的，第6个和第7个字节组成了原始数据，最后一个字节是校验和。1个小包里面只包含了1个对开发者来说有用的数据是原始数据，1个小包就是1个原始数据，每秒钟会有512个原始数据。从小包中解析出原始数据的算法：原始数据=（0x00<<8）18c；if（rawdata>32768）{rawda-ta=65536；}，在算原始数据之前，应先检查校验和。检查校验和的算法：校验和=（0x80+Ox02+Ox00+Ox8C）0xFFFFFFFF）&0xFF。

在第513个大包里，大包的格式是相当固定的，以表1中最后一行数据即大包数据AAAA 20 02 00 83 18 04 46 FB 05 F4C4 01 77 62 00 7E 48 00 26 37 00 72 C6 00 20 93 00 71 5C 04 1805 2F 5B解析说明：如表2所示。

2）睡眠期典型脑电波的提取

成年人睡眠分期一般分为四个不同的时期，即：w清醒期、N1瞌睡期、N2浅睡期、N3深睡期、R快眼动睡眠期。本研究基于以上理论基础提取典型脑电波。以本次实验为例，如图5、图6、图7、图8、图9所示。

3）睡眠质量分析

通过睡眠质量监控软件实时监控各典型脑电波所占时间，并以纵坐标表示清醒状态及各期睡眠所占时间，以横坐标表示时间流程绘制出睡眠结构图。以实验为例，如图10所示。非快眼动期从N1期到N2期，然后再到N3期，接着出现快眼动（R）期睡眠。完成第一个睡眠周期，共约90分钟。上述试验者睡眠周期在整夜睡眠中重复了4至6次，NR期睡眠逐渐缩短，R期睡眠逐渐延长。在第一个睡眠周期中，N3期睡眠占主导地位，随后逐渐减少。

4结论

脑电数据是经过实验记录得到的，反映脑电活动随睡眠时间变化的实验数据。在睡眠过程中，脑电波的变化是睡眠质量的直接反应，利用睡眠时波形的变化判定睡眠质量是可行的。在本文研究的基础上，应扩大样本量，分析年龄，性别，睡眠习惯等对波形变化的影响规律，为运用脑电波判定睡眠质量提供理论和数据基础。

因此，基于本文的研究，建立基于脑机制的睡眠监测大型数据库，综合信息技术、物联网技术以及神经影像技术对上述信息进行实时、远程、有效的融合，可以实现实时监控睡眠质量并改善睡眠质量。