基于脑电监测的入睡触发式声光刺激闭环调控方法与流程

本发明涉及光刺激闭环调控，尤其涉及基于脑电监测的入睡触发式声光刺激闭环调控方法。

背景技术：

1、随着睡眠健康管理及神经调控技术的发展，基于生理信号监测的睡眠分析设备逐渐得到广泛应用。现有技术中，常见的睡眠监测设备包括可穿戴式手环、头戴式脑电采集装置以及基于压力或运动信号的非接触式监测设备等。该类设备通常通过采集用户的脑电信号、心率信号或体动信号，对睡眠阶段进行划分，并输出睡眠质量评估结果。然而，上述技术方案主要侧重于对睡眠状态的被动监测与分析，缺乏对睡眠过程的主动干预与调控能力，难以实现对特定脑电节律的定向调节。

2、另一方面，近年来已有研究表明，特定频率的外界刺激（如光刺激或声刺激）可对脑电活动产生调制作用，其中以约40 hz为代表的γ频段刺激被认为与认知功能及神经退行性疾病干预相关。现有技术中，部分研究或装置通过在清醒状态下施加40 hz光闪烁或声刺激，以诱发对应频率的脑电响应。然而，该类技术方案通常在受试者清醒状态下实施，缺乏对睡眠状态下应用场景的系统性设计，且未结合睡眠过程的动态变化进行调控。

3、此外，由于γ频段（30-100hz）光闪烁属于高频视觉刺激，在清醒状态下长时间作用于人眼，易引发视觉疲劳、不适甚至干扰正常感知过程，从而导致用户依从性较差，限制了其在长期使用场景中的推广与应用。

4、现有基于光环境调节的设备（如智能照明设备或助眠灯具）通常通过调节光照强度或色温改善入睡环境，但其输出光信号多为连续或低频变化，难以实现稳定、精确的特定频率闪烁控制。同时，该类设备通常未与用户的实时生理状态相结合，无法根据用户是否入睡或所处睡眠阶段进行自适应调节。

5、综上所述，现有技术至少存在以下不足：

6、（1）缺乏将睡眠监测与外界刺激相结合的闭环调控机制，无法根据用户实时睡眠状态动态调整刺激策略；

7、（2）现有视觉稳态电位诱发技术（ssvep）主要应用于清醒状态，在睡眠状态下的应用缺乏有效控制手段，易引起不适或干扰睡眠；

8、（3）光刺激参数（如频率、强度等）缺乏个性化调节机制，难以兼顾刺激效果与用户舒适性；

9、因此，有必要提供一种基于脑电监测的入睡触发式声光刺激闭环调控方法，以克服现有技术中的上述缺陷。

技术实现思路

1、本发明提出的基于脑电监测的入睡触发式声光刺激闭环调控方法，以解决上述背景技术中提出的问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、基于脑电监测的入睡触发式声光刺激闭环调控方法，包括以下步骤：

4、s1：将脑电采集模块贴附于用户前额区域，用于采集用户的前额脑电信号，并通过无线通信方式实时传输至移动终端；

5、s2：移动终端首先对采集的脑电信号进行预处理，然后通过睡眠分期模型进行分类处理，得到当前的睡眠状态；

6、s3：根据入睡时长是否>预设时间，来判断是否处于稳定入睡状态，若处于未稳定入睡状态，则重新执行s1，反之进行下一步；

7、s4：在判定用户稳定入睡后，控制模块向光刺激模块发送启动指令，开启40 hz光闪烁刺激，光刺激采用渐进式亮度调制方式，其在预设时间段内由初始亮度逐步提升至目标亮度；

8、s5：持续监测用户脑电信号及睡眠状态；

9、s6：判断用户是否处于清醒状态，若用户未处于清醒状态， 则重新执行s5，若用户处于清醒状态，则控制模块自动降低光刺激强度或关闭光刺激，然后重新执行s5；

10、s7：在判断用户是否处于清醒状态的同时，对脑电信号进行频谱分析或基于模型的特征提取，检测是否存在显著的伽马频段稳态视觉诱发电位响应，若检测到对应频段响应持续时间未达到预设阈值时，则不存在显著的伽马频段稳态视觉诱发电位响应，此时重新执行s5，当检测到对应频段响应持续时间达到预设阈值时，判定已实现有效刺激效果，控制模块自动停止光刺激，仅保留睡眠监测功能。

11、优选的，所述s1中，脑电采集模块采用额贴式脑电监测设备。

12、优选的，所述s2中，脑电信号的预处理包括带通滤波、去趋势处理及工频干扰抑制，带通滤波优选采用0.8-30 hz的带通滤波器对脑电信号进行滤波，以保留与睡眠分期相关的脑电节律特征，同时避开伽马频段范围；

13、去趋势处理可采用去趋势波动分析方法对脑电信号进行去趋势处理；

14、工频干扰抑制通过陷波滤波器抑制工频噪声。

15、优选的，所述s2中，睡眠分期模型可以为基于深度学习的时序模型，睡眠分期模型通过基于专家人工标注的睡眠数据分类数据进行训练，能够输出对应时间窗口的睡眠状态类别，睡眠状态包括清醒期、浅睡眠期、深睡眠期及快速眼动睡眠期。

16、优选的，所述s7中，伽马频段稳态视觉诱发电位响应的检测方法包括如下步骤：

17、s701：对采集的脑电信号进行分段处理，优选地选取预设时间窗口的脑电数据作为分析单元；

18、s702：对所述时间窗口内的脑电信号进行功率谱估计，优选采用welch方法计算功率谱密度，以获得不同频率分量的能量分布；

19、s703：以当前光刺激频率为中心，构建刺激频段及基线频段，然后计算对应功率特征，在此基础上，基于多条件判定策略识别是否存在显著ssvep响应，优选包括以下条件中的至少一项或多项组合：

20、s7031：信噪比判定条件：计算刺激频段与基线频段之间的功率比值，作为信噪比指标，当所述信噪比大于预设阈值时，判定该频段存在增强响应；

21、s7032：频谱峰值位置判定条件：在包含刺激频率的预设频率范围内搜索功率谱峰值，当所述峰值频率位于刺激频率附近预设范围内时，判定存在频率锁定响应；

22、s7033：伽马频段能量占比判定条件：计算刺激频段及其邻近基线频段功率在整个伽马频段中的占比，当该占比超过预设比例时，判定该频段响应具有显著性。

23、s7034：当上述s7031-s7033判定条件满足预设组合规则，并在连续多个时间窗口内保持成立且持续时间达到预设阈值时，确定存在稳定的伽马频段ssvep响应。

24、优选的，所述s703中，刺激频段优选为以刺激频率为中心的窄带范围，基线频段优选为邻近但不包含刺激频段的频率范围。

25、优选的，所述s703中，功率特征包括刺激频段的平均功率、基线频段的平均功率和伽马频段整体功率分布特征。

26、与现有技术相比，本发明能够在用户入睡后自动触发伽马波频段声光刺激，并通过渐进式调制降低刺激带来的不适感；同时结合脑电信号对应伽马波频段响应进行实时检测，实现闭环控制，在达到预期调控效果后自动停止刺激，从而在保证用户睡眠质量的前提下，实现无感知的神经调控干预，提高了使用依从性与实际应用价值。

1.基于脑电监测的入睡触发式声光刺激闭环调控方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于脑电监测的入睡触发式声光刺激闭环调控方法，其特征在于，所述s1中，脑电采集模块采用额贴式脑电监测设备。

3.根据权利要求2所述的基于脑电监测的入睡触发式声光刺激闭环调控方法，其特征在于，所述s2中，脑电信号的预处理包括带通滤波、去趋势处理及工频干扰抑制，带通滤波优选采用0.8-30 hz的带通滤波器对脑电信号进行滤波，以保留与睡眠分期相关的脑电节律特征，同时避开伽马频段范围；

4.根据权利要求3所述的基于脑电监测的入睡触发式声光刺激闭环调控方法，其特征在于，所述s2中，睡眠分期模型可以为基于深度学习的时序模型，睡眠分期模型通过基于专家人工标注的睡眠数据分类数据进行训练，能够输出对应时间窗口的睡眠状态类别，睡眠状态包括清醒期、浅睡眠期、深睡眠期及快速眼动睡眠期。

5.根据权利要求1所述的基于脑电监测的入睡触发式声光刺激闭环调控方法，其特征在于，所述s7中，伽马频段稳态视觉诱发电位响应的检测方法包括如下步骤：

6.根据权利要求5所述的基于脑电监测的入睡触发式声光刺激闭环调控方法，其特征在于，所述s703中，刺激频段优选为以刺激频率为中心的窄带范围，基线频段优选为邻近但不包含刺激频段的频率范围。

7.根据权利要求5所述的基于脑电监测的入睡触发式声光刺激闭环调控方法，其特征在于，所述s703中，功率特征包括刺激频段的平均功率、基线频段的平均功率和伽马频段整体功率分布特征。