基于便攜式睡眠心電采集及深度學習的抑郁癥患者睡眠質量評估系統

王肖文，肖碧波，陳旭創

1 佛山市第一人民醫院設備科（廣東佛山 528000）；2 佛山市第三人民醫院設備科（廣東佛山 528000）

抑郁癥是常見的精神疾病，嚴重影響患者及其家庭成員的生命質量。睡眠障礙是抑郁癥患者的主要表現之一，有研究發現，改善抑郁癥患者的睡眠質量能夠減輕抑郁癥的嚴重程度[1-2]。因此，評估抑郁癥患者的睡眠質量十分重要。目前，臨床上常采用多導睡眠圖或匹茲堡睡眠質量指數評估抑郁癥患者的睡眠質量，但這兩種評估方式均受患者主觀因素的影響較大，且所采用的有線設備采集均會對患者的睡眠質量產生一定影響。而無線的便攜式設備采集能夠提升抑郁癥患者的使用舒適感，更真實地反映抑郁癥患者的睡眠質量[3-4]。鑒于此，本研究構建了一套抑郁癥患者睡眠領域關于心電采集及深度學習的睡眠質量評估系統，包括便攜式睡眠心電監測模塊和深度學習評估模塊，具體介紹如下。

1 便攜式睡眠心電監測模塊

便攜式睡眠心電監測模塊的工作原理為，便攜式心電監測儀長時間采集和存儲抑郁癥患者睡眠時的心率和呼吸信號，手機通過藍牙接收心電監測儀采集的數據，并通過網絡上傳數據至服務器，服務器使用深度學習評估模塊評估抑郁癥患者的睡眠質量。

1.1 硬件設計

便攜式心電監測儀通過采集患者心電數據實現心電數據的存儲和轉發，結合程序的編寫，實現心電圖ECG 波形的自動濾波、實時計算RR 間期和呼吸頻率、自動記錄數據至SD 存儲卡，并通過藍牙技術傳送至手機應用端[5-6]。硬件工作流程如下：（1）通過用于生物電勢測量的ADS1292R 芯片，實時監測抑郁癥患者的睡眠心電數據，包括心電圖和呼吸頻率數據；（2）利用MCU STM32F405單片機進行心電圖和呼吸頻率數據的濾波和統計，得出數據RR 間期和呼吸頻率[7-8]；（3）利用SD 存儲卡，實時記錄抑郁癥患者的RR 間期和呼吸頻率[9]；（4）利用藍牙模塊HC-06與手機應用端進行通信，手機端再將數據傳輸至網絡終端；（5）利用微型的LED 燈珠進行狀態顯示，實現低電量、數據上傳、數據記錄等狀態的顯示，方便使用者了解設備實時狀態。

1.2 軟件設計

手機傳送服務應用端開發平臺為Android Studio 4.0.1，心電數據傳送服務端開發功能包括以下兩點：（1）藍牙模塊Bubletooth Receive.class 實現將便攜式心電監測儀采集的數據發送至手機端；（2）網絡數據發送接收模塊Upload Download Data.class 實現手機終端與服務器的連接，手機端將RR 間期數據和呼吸頻率數據傳送至服務器終端，同時接收服務器終端計算結果并通過手機移動端用戶界面呈現給用戶。心電數據傳送服務端工作模式見圖 1。

圖1 心電數據傳送服務端工作模式

2 深度學習評估模塊

深度學習評估模塊開發平臺基于Linux，抑郁癥患者睡眠分期模型的分型軟件為Python和TensorFlow。首先，在Python中使用心電數據計算出RR間期龐加萊圖，然后，基于TensorFlow的深度學習對龐加萊圖進行睡眠分期模型的構建，最后，將患者的心電數據在睡眠分期模型的深度學習評估模塊進行分期識別，實現對抑郁癥患者睡眠質量的評估。

2.1 生成RR 間期龐加萊圖

RR 間期龐加萊圖算法是心電信號輸入睡眠分期模型前的預處理。RR 間期龐加萊圖算法度量心電信號的時間序列空間分布規律，描述動力學系統的運動軌跡，可克服傳統非線性方法分析短時甚至極短時序列的不足；使用滑動時間窗口，將相鄰RR 間期定義為點并歸一化，得到散點圖（圖2）；龐加萊圖描述了逐次心跳的心率加快和減速信息，反映了心率總體的變異率。

圖2 RR 間期龐加萊圖示意圖

2.2 構建睡眠分期模型

睡眠時心率和呼吸頻率會隨著睡眠時相的變化表現出節律性變化[7]，因此，從心電中提取時間序列可以表征睡眠的不同階段[8]。睡眠分期分析指標包括實時睡眠分期階段圖、各階段（清醒、淺睡、深睡、快動眼睡眠）時長以及時長占比等[9]。由于卷積神經網絡具有良好的圖像處理能力，所以睡眠分期模型使用卷積神經網絡算法[10]進行深度學習建模，見圖3。分期模型使用公開數據集或者臨床采集數據計算的RR 間期龐加萊圖進行深度學習。為避免出現過擬合現象，模型使用兩層循環交叉驗證訓練，首先按受試者數量將數據隨機分成k 份，并按照（k-2）∶1∶1的比例分為訓練集、驗證集和測試集，然后內層循環使用k-1折交叉驗證的方法，對訓練集和驗證集進行卷積神經網絡參數訓練和驗證，最后外層循環對測試集使用k 折交叉驗證，得到k 次測試結果的平均值，作為睡眠分期模型的準確性評估依據。

圖3 基于卷積神經網絡的睡眠分期模型訓練

2.3 評估抑郁癥患者的睡眠質量

有研究發現，抑郁癥患者的睡眠模式發生改變，睡眠分期與正常人不同，尤其是快速眼動期。便攜式心電監測儀采集患者數據后，服務器接收手機端上傳的數據，分析生成RR 間期龐加萊圖，并輸入睡眠分期模型進行睡眠分期識別，對比患者與正常人的睡眠分期，評估患者的睡眠質量，從而評估患者的疾病嚴重程度。

3 結束語

本研究通過軟、硬件設計，研制了一套成本可控、擴展性強的睡眠質量評估系統，旨為臨床上抑郁癥的輔助診斷提供新的監測技術，為臨床在睡眠質量評估等方面的應用及研究提供數據資料。同時，建設模式隨著計算機軟、硬件技術的變化也在不斷演變，本系統具有極佳的延展性，還可應用到如失眠等其他病種患者的睡眠監測評估中。