单通道脑电信号LSTM睡眠分期智能终端

优质的睡眠，是人们在日常工作和生活保持精力充沛的前提和保证。提出一种依托APP和云端服务器的智能终端。设计了一种基于深度学习方法的全新睡眠阶段自动分析方法。该方法基于单通道脑电信号

本睡眠是生命体一种正常的生理现象，同时也是人类最重要的活动之一，长期的睡眠不足会使人体免疫力下降，并诱发心血管、脑血管等疾病。便携式睡眠监测方法一般分为两种：基于脑电信号(EEG)和基于其余各种生理信号的方法[1]。国内有名的厂商“小米”推出的智能手环，曾拥有智能唤醒功能， 能智能识别用户所在的睡眠周期，并在用户适合被唤醒的时期通过响铃震动，将用户唤醒，但由于其睡眠分期准确率的不足，导致准确唤醒的成功率低，遭部分用户投诉，最终该功能被取消[2]。

小米手环的睡眠分期准确率不高，很大程度上是由于手环只能采集心率、翻身等信号，无法采集对睡眠分期十分有用的脑电等生理电信号。传统基于脑电信号的睡眠阶段分析方法为睡眠研究专家人工根据多导睡眠监测(Polysomnography, PSG)的数据，按照美国睡眠医学学会(American Academy of Sleep Medicine, AASM)的睡眠分期准则进行睡眠阶段分析。但多导睡眠监测方法采集过程繁琐， 降低睡眠环境的舒适度，对使用者造成不必要的影响[3]。国外著名厂商Zeo 研发的头带装置[4]，采集脑电信号进行睡眠分期和睡眠质量评分，准确率接近睡眠实验室的权威数据，但由于用户需要佩戴额外的头带，同样降低了用户入睡的舒适度。

为了在尽可能减少产品对使用者睡眠舒适度影响的同时，保证睡眠分期的准确率，本文在前端脑电采集眼罩的基础上，提出了一种基于LSTM 深度学习模型的睡眠分期系统。该系统依托手机APP 和云端服务器，实现精准的用户睡眠分期，实现睡眠质量监控和智能唤醒的功能。本系统既能辅助睡眠专家诊断睡眠障碍疾病，减轻人工睡眠分期的工作负担，又能为使用者提供睡眠质量监测和智能唤醒功能，具有良好的应用前景，对促进可穿戴睡眠监测设备的发展具有重要意义。

2. 总体设计 2.1. 设计关键部分 本文方法的两个关键问题是： 1) 为提高系统的可靠程度，应如何提升睡眠自动分期的准确率。

针对这个问题，本文提出了一种适用于自动睡眠分期的LSTM 模型。该方法基于单通道脑电(EEG)信号， 创新性地使用临床多导睡眠监测(PSG)得到的大规模数据集对LSTM 神经网络进行建模， 并利用该模型进行睡眠阶段自动分析。

2) 如何能在保证运算速度和模型精度的同时，使算法模型所需的手机资源尽可能的少。