王肖文，肖碧波，陳旭創(chuàng)

1 佛山市第一人民醫(yī)院設備科（廣東佛山 528000）；2 佛山市第三人民醫(yī)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(xiàn)之一，有研究發(fā)現(xiàn)，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(shù)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(chǎn)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(tǒng)，包括便攜式睡眠心電監(jiān)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(jiān)測模塊

便攜式睡眠心電監(jiān)測模塊的工作原理為，便攜式心電監(jiān)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(jiān)測儀采集的數(shù)據(jù)，并通過網(wǎng)絡上傳數(shù)據(jù)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(jiān)測儀通過采集患者心電數(shù)據(jù)實現(xiàn)心電數(shù)據(jù)的存儲和轉發(fā)，結合程序的編寫，實現(xiàn)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(shù)據(jù)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(jiān)測抑郁癥患者的睡眠心電數(shù)據(jù)，包括心電圖和呼吸頻率數(shù)據(jù)；（2）利用MCU STM32F405單片機進行心電圖和呼吸頻率數(shù)據(jù)的濾波和統(tǒng)計，得出數(shù)據(jù)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(shù)據(jù)傳輸至網(wǎng)絡終端；（5）利用微型的LED 燈珠進行狀態(tài)顯示，實現(xiàn)低電量、數(shù)據(jù)上傳、數(shù)據(jù)記錄等狀態(tài)的顯示，方便使用者了解設備實時狀態(tài)。

1.2 軟件設計

手機傳送服務應用端開發(fā)平臺為Android Studio 4.0.1，心電數(shù)據(jù)傳送服務端開發(fā)功能包括以下兩點：（1）藍牙模塊Bubletooth Receive.class 實現(xiàn)將便攜式心電監(jiān)測儀采集的數(shù)據(jù)發(fā)送至手機端；（2）網(wǎng)絡數(shù)據(jù)發(fā)送接收模塊Upload Download Data.class 實現(xiàn)手機終端與服務器的連接，手機端將RR 間期數(shù)據(jù)和呼吸頻率數(shù)據(jù)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(xiàn)給用戶。心電數(shù)據(jù)傳送服務端工作模式見圖 1。

圖1 心電數(shù)據(jù)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(fā)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(shù)據(jù)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(shù)據(jù)在睡眠分期模型的深度學習評估模塊進行分期識別，實現(xiàn)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(guī)律，描述動力學系統(tǒng)的運動軌跡，可克服傳統(tǒng)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(xiàn)出節(jié)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(jīng)網(wǎng)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(jīng)網(wǎng)絡算法[10]進行深度學習建模，見圖3。分期模型使用公開數(shù)據(jù)集或者臨床采集數(shù)據(jù)計算的RR 間期龐加萊圖進行深度學習。為避免出現(xiàn)過擬合現(xiàn)象，模型使用兩層循環(huán)交叉驗證訓練，首先按受試者數(shù)量將數(shù)據(jù)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(huán)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(jīng)網(wǎng)絡參數(shù)訓練和驗證，最后外層循環(huán)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(jù)。

圖3 基于卷積神經(jīng)網(wǎng)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(fā)現(xiàn)，抑郁癥患者的睡眠模式發(fā)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(jiān)測儀采集患者數(shù)據(jù)后，服務器接收手機端上傳的數(shù)據(jù)，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(tǒng)，旨為臨床上抑郁癥的輔助診斷提供新的監(jiān)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(shù)據(jù)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(tǒng)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(jiān)測評估中。