本技术涉及睡眠质量评估，具体涉及一种基于眼电信号的睡眠质量方法及装置。
背景技术：
1、睡眠分期是睡眠研究中很重要的参考指标，为睡眠质量评估与诊断提供可靠的数据。而现行临床睡眠监测均采用多导睡眠监测仪，该方法主要运用脑电对睡眠进行分期，不够便携、长期佩戴不舒适，且这些监测系统大多需要在特定的医疗机构由专业的医疗技师进行操作，使用过程相对比较复杂、采集难度大，还会使用户紧张焦虑或者心理压力增大，睡眠监测质量会受到一定程度的影响。
2、市场上检测睡眠质量的可穿戴设备如蓝牙手环或手表等穿戴式非脑电睡眠监测仪器会使大部分人在佩戴入眠时产生不舒适感，而且其基于体动和心率进行睡眠分期，无标准的参考依据，可靠性低。
3、市场上现有的眼罩大部分只有助眠功能，无法有效地对睡眠进行监测与反馈。
技术实现思路
1、针对背景技术中的缺陷，本技术实施例提供了一种基于眼电信号的睡眠质量方法及装置，以解决现有技术中睡眠评估中的问题。
2、本技术实施例的第一方面，提供了一种基于眼电信号的睡眠质量评估方法，该方法包括：
3、步骤1：采集三处眼电信号，对应位置分别为：左眼外眦角、额头下部位、右眼外眦角；
4、步骤2：对采集到的眼电信号进行预处理，具体方法为：
5、对眼电信号进行近似的多级一维小波分解，对于给定的序列，小波分解为：
6、
7、其中，s(t)表示眼电信号，k∈z，决定ψ(t)和φ(t)的位置，ψ(t)是小波函数，φ(t)是伴随函数，也称为标度函数，cn,k表示第n层的近似系数，dj,k表示小波系数；再使用原信号减去由第十个分解系数重构而成的近似信号，得到校正后的眼电信号；
8、步骤3：对步骤2预处理后的信号识别出慢速眼动信号和快速眼动信号；
9、步骤4：从慢速眼动信号和快速眼动信号中提取特征；
10、步骤5：根据提取的慢速眼动特征和快速眼动特征计算出疲劳程度指数和精神状态指数；
11、步骤6：根据疲劳程度指数与精神状态指数计算一个睡眠质量指数；
12、步骤7：输出疲劳程度指数、精神状态指数、睡眠质量指数。
13、进一步的，所述步骤3中识别慢速眼动信号和快速眼动信号的方法为：
14、采用人工标注的样本数据，分别训练一个慢速眼动识别模型和一个快速眼动识别模型，两个眼动识别模型的基础都为lstm模型，所述lstm模型中：
15、遗忘门为：
16、ft＝σ(wf·[ht-1,xt]+bf)
17、输入门第一部分为：
18、it＝σ(wi·[ht-1,xt]+bi)
19、输入门第二部分为：
20、
21、更新记忆为：
22、
23、输出门第一部分：
24、ot＝σ(wo·[ht-1,xt]+bo)
25、输出门第二部分：
26、ht＝ot*tanh(ct)
27、其中，wf、wi、wc、w0表示对应的权重矩阵，ht表示该时刻的外部状态，xt为当前时刻的输入，σ表示sigmoid函数，bf为遗忘门的偏置向量，bi为输入门的偏置向量，bc为内部状态的偏置向量，bo为输出门的偏置向量；表示单元状态更新值；ct表示单元在t时刻的记忆状态；ft表示遗忘门，控制上一时刻的内部状态ct-1需要遗忘的信息；it表示输入门；ot表示输出门，控制当前时刻的内部状态ct有多少信息需要输出给外部状态ht；tanh为双曲正切激活函数；t表示时间步。
28、进一步的，所述步骤4中提取的特征包括：
29、慢速眼动所占比例sem_proportion；慢速眼动平均幅度sem_mam；慢速眼动幅度均值sem_vam；快速眼动比例saccade_proportion；快速眼动峰值熟读saccade_pve；快速眼动平均幅度saccade_mam；快速眼动幅度方差saccade_mam；水平眼电低频高频能量比heo_energy。
30、进一步的，所述步骤5中分别采用疲劳程度指数计算模型和精神状态指数计算模型对应计算疲劳程度指数和精神状态指数，疲劳程度指数计算模型和精神状态指数计算模型都采用lstm模型，其结构与步骤3中lstm模型的结构相同。
31、进一步的，所述步骤6中采用循环神经网络计算睡眠质量的指数，该循环神经网络包括前向传播和反向传播过程；
32、所述前向传播过程包括：
33、第i层隐藏层输出为：
34、
35、
36、其中，t表示时间，表示t时刻第i层隐藏层的输出，ui、bi分别表示为在当前epoch中t时刻输入层到第i隐藏层的权值和阈值矩阵；一次epoch表示使用训练集的全部数据对模型进行一次完整训练，wi表示权重矩阵；
37、输出层的输出
38、
39、
40、其中，n表示隐藏层的个数；表示t-时刻该n-层隐藏层神经网络的预测值；
41、损失函值l：
42、
43、
44、其中，a表示尺度因子，yt表示真实值，‖‖2表示绝对值的平方；
45、激活函数f′(x)：
46、
47、f′(x)＝1-f2(x)
48、所述反向传播过程包括：
49、输出层的局域梯度
50、
51、其中，lt表示t时刻神经网络预测值与真实值的方差；
52、第n隐藏层到输出层的权值更新：
53、
54、
55、其中，t表示总时长，(·)t表示t次幂；
56、第n隐藏层到输出层的阈值更新：
57、
58、
59、其中，diag()表示除对角线外，其余值为0的方阵。
60、一种睡眠质量评估装置，该装置包括：获取模块、预处理模块、第一生成模块、第二生成模块、第三生成模块、第四生成模块；
61、所述获取模块，用于获取睡眠阶段人眼的水平眼电信号数据，对数据进行模数转换并把眼电数据传输到预处理模块；
62、所述预处理模块，对获取的眼电数据进行小波分解与重构去噪；
63、所述获第一生成模块，对眼电数据进行划分，然后对每段数据进行检测，识别出慢速眼动与快速眼动；
64、所述获第二生成模块，提取识别完成的慢速眼动数据的特征，输入预先训练好的循环神经网络，生成一个疲劳程度指数；
65、所述获第三生成模块，提取识别完成的快速眼动数据的特征，输入预先训练好的循环神经网络，生成一个精神状态评估指数；
66、所述获第四生成模块，将生成的疲劳程度指数与精神状态评估指数输入到一个循环神经网络，最后生成一个指示睡眠质量指数；
67、所述输出模块输出获得的疲劳程度指数、精神状态评估指数、睡眠质量指数。
68、一种穿戴设备，包括眼电信号采集装置、转换与传输装置、计算机设备；
69、所述眼电信号采集装置用于采集睡眠阶段人眼的水平眼电信号；
70、所述数据转换与传输装置用于对采集到的信号进行模数转换与接口协议转换以及把数据传输到计算机设备；
71、所述计算机设备包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行实现所述睡眠质量评估方法。
72、进一步的，所述眼电信号采集装置包括：眼罩、第一柔性电极、第二柔性电极、第三柔性电极；
73、所述眼罩为触感柔软的不透光眼罩；
74、所述第一柔性电极在眼罩的左内侧，对应人左眼外眦角皮肤；
75、所述第二柔性电极在眼罩中内侧上部，对应人额头下部位；
76、所述第三柔性电极在眼罩的右内侧，对应人右眼外眦角皮肤。
77、进一步的，所述数据转换与传输装置包括模数转换单元、接口协议转换单元和数据传输单元；
78、所述模数转换单元实现将采集的眼电数据转换为数字信号；
79、所述接口协议转换单元将ttl数据转换为usb数据；
80、所述数据传输单元将数据并行输入计算机设备。
81、本技术实施例与现有技术相比存在的有益效果至少包括：仅通过对两通道的眼电信号的综合使用来判断睡眠状态信息，并结合精神状态评估与精神状态的好坏来进行睡眠质量评估，大大简化了睡眠的评估过程，并且增加了对睡眠质量评估的精准度。
1.一种基于眼电信号的睡眠质量评估方法，该方法包括：
2.如权利要求1所述的一种基于眼电信号的睡眠质量评估方法，其特征在于，所述步骤3中识别慢速眼动信号和快速眼动信号的方法为：
3.如权利要求1所述的一种基于眼电信号的睡眠质量评估方法，其特征在于，所述步骤4中提取的特征包括：
4.如权利要求1所述的一种基于眼电信号的睡眠质量评估方法，其特征在于，所述步骤5中分别采用疲劳程度指数计算模型和精神状态指数计算模型对应计算疲劳程度指数和精神状态指数，疲劳程度指数计算模型和精神状态指数计算模型都采用lstm模型，其结构与步骤3中lstm模型的结构相同。
5.如权利要求1所述的一种基于眼电信号的睡眠质量评估方法，其特征在于，所述步骤6中采用循环神经网络计算睡眠质量的指数，该循环神经网络包括前向传播和反向传播过程；
6.一种采用权利要求1所述的一种基于眼电信号的睡眠质量评估方法的睡眠质量评估装置，该装置包括：获取模块、预处理模块、第一生成模块、第二生成模块、第三生成模块、第四生成模块；
7.一种采用权利要求1所述的一种基于眼电信号的睡眠质量评估方法的穿戴设备，包括眼电信号采集装置、转换与传输装置、计算机设备；
8.如权利要求7所述的穿戴设备，其特征在于，所述眼电信号采集装置包括：眼罩、第一柔性电极、第二柔性电极、第三柔性电极；
9.如权利要求7所述的穿戴设备，其特征在于，所述数据转换与传输装置包括模数转换单元、接口协议转换单元和数据传输单元；
