One of the important measures for sleep quailty is sleep structure. Normal sleep consists of awake, rapid eye movement (REM) sleep and nonrapid eye movement (NREM) sleep states. NREM sleep can be further classified into stage 1, stage 2 and slow wave sleep (SWS). These stages can be analyzed quantitatively from various electrical signals such as the electroencephalogram (EEG), electro-oculogram (EOG), and electromyogram (EMG). The goal of this research is to develop a simple four-stage process to classify sleep into wake, REM, stage 1, stage 2 and SWS by using a single EEG channel. By applying the proposed approach to 48727 distinct epochs which are acquired from 62 persons, the experimental results show that the proposed method is achieves 76.98% of accuracy. The sensitivity and PPV for wake are 85.96% and 68.35%. Furthermore, the sensitivity and PPV for REM are 82.13% and 74.11%, respectively. The sensitivity and PPV for the stage 1 are 9.02% and 39.00%. The sensitivity and PPV for the stage 2 are 84.19% and 79.36%. The sensitivity and PPV for SWS are 81.53% and 85.40%.

There are several commercial electroencephalography (EEG) devices on the market; however, affordable devices are not versatile for diverse research applications. The purpose of this project was to investigate how to develop a low-cost, portable, single-channel EEG system for a research institute that could be used for neurofeedback-related applications in homecare. A device comparison was intended to examine what system requirements such a system would need to achieve the secondary objective of developing a neurofeedback application that demonstrates the functionalities of the new device. A portable, single-channel EEG device prototype was realized that consisted of an amplifier module called EEG Click, a single-board microcontroller, an electrode cable, some disposable wet electrode pads, and a custom 3D-printed headband. Three pieces of software were developed: firmware for the prototype, two supporting computer applications for data recording, and visual neurofeedback. The neurofeedback application replayed a first-person view roller coaster video at a varying frame rate based on the theta band's mean power spectral density (PSD). The prototype was compared against a commercial device, InteraXon MUSE 2 (Muse). Technical measurements included determining the amplitude-frequency characteristics and signal quality, such as signal-to-noise ratio (SNR), spurious-free dynamic range (SFDR), and total harmonic distortion (THD). Furthermore, four physiological measurements were performed on six human test subjects, aged between 21-31 (mean: 26.0, std: 3.11), to compare the altered brain activity and induced artifacts between the two devices. The four tests were respiratory exercise, head movement exercise, eye movement exercise, and paced auditory serial addition test (PASAT), where each measurement included several epochs with various stimuli. After the recordings, PSD was calculated for each bandpass filtered epoch, then the spectra were split into theta (4-8 Hz), alpha (8-12 Hz), and beta bands (12-30 Hz). The PSD values were averaged within each frequency band, and then these baseline-corrected mean values were the input for the repeated measures ANOVA statistical analysis. Results revealed that the amplitude-frequency characteristic of the prototype was low-pass filter-like and had a smaller slope than Muse's. The prototype's SNR, including and excluding the first five harmonics, was 6 dB higher, while SFDR and THD for the first five harmonics were roughly the same as Muse's. The two devices were comparable in detecting changes in most physiological measurements. Some differences between the two devices were that Muse was able to detect changes in respiratory activity in the beta band (F(8,16) = 2.510, p = .056), while the prototype was more sensitive to eye movement, especially lateral and circular eye movement in theta (F(2,8) = 9.144, p = .009) and alpha (F(2,8) = 6.095, p = .025) bands. A low-cost, portable EEG prototype was successfully realized and validated. The prototype was capable of performing homecare neurofeedback in the theta band. The results indicated it is worth exploring further the capabilities of the prototype. Since the sample size was too small, more complex physiological measurements with more test subjects would be more conclusive. Nevertheless, the findings are promising; the prototype may become a product once. / Det finns flera kommersiella EEG-apparater (elektroencefalografi) på marknaden; däremot är de prismässigt överkomliga apparaterna inte mångsidiga nog för olika forskningsapplikationer. Syftet med detta projekt var att undersöka hur man kan utveckla en billigt, portabelt, enkanaligt EEG-system för ett forskningsinstitut som skulle kunna användas för neurofeedbackrelaterade tillämpningar inom hemsjukvård. En apparatjämförelse var tänkt att undersöka vilka systemkrav ett sådant system skulle behöva uppnå för att realisera det sekundära målet att utveckla en neurofeedback-applikation för att demonstrera den nya apparatens funktioner. En prototyp av en bärbar, enkanalig EEG-apparat skapades som bestod av en förstärkarmodul kallad EEG Click, en enkortsmikrokontroller, en elektrodkabel, några utbytbara våta elektrodkuddar och ett 3D-tryckt specialpannband. Tre mjukvarodelar utvecklades: en firmware för prototypen och två stödjande datorapplikationer, en för datainspelning och en för visuell neurofeedback. Applikationen för neurofeedback spelade upp en berg-och-dalbana för förstapersonsvisning med en varierande bildhastighet baserat på thetabandets effektspektrumet (eng. power spectral density, PSD). Prototypen jämfördes mot en kommersiell apparat, InteraXon MUSE 2 (Muse). Tekniska mätningar inkluderade fastställande av amplitud-frekvensegenskaper och signalkvalitet, såsom signal-brusförhållande (eng. signal-to-noise ratio, SNR), spuriosfritt dynamiskt område (eng. spurious free dynamic range, SFDR) och total harmonisk distorsion (eng. total harmonic distortion, THD). Vidare utfördes fyra fysiologiska mätningar på sex mänskliga deltagare (medelålder: 26,0, std: 3,11) för att jämföra de två apparaterna med avseende på mätningar av den förändrade hjärnaktiviteten och inducerade artefakter. De fyra testerna var andningsövningar, huvudrörelseövningar, ögonrörelseövningar, och paced auditory serial addition test (PASAT), där varje mätning innehöll flera epoker med olika stimuli. Efter inspelningarna beräknades PSD för varje bandpassfiltrerad epok, sedan delades spektrumet upp i theta-, alpha- och beta-band. Medelvärdet för PSD-värdena kalkylerades för varje frekvensband och dessa baseline-korrigerade medelvärden var indata till den beroende ANOVA statistisk analysen. Resultaten avslöjade att amplitud-frekvenskarakteristiken för prototypen var lågpassfilterliknande och hade en mindre lutning än Muses. Prototypens SNR, inklusive och exklusive de första fem harmonik, var 6 dB högre, medan SFDR och THD för de första fem övertonerna var ungefär desamma som Muses. De två apparaterna var jämförbara när det gäller att upptäcka förändringar i de flesta fysiologiska mätningar. Vissa skillnader mellan de två apparaterna var att Muse kunde upptäcka förändringar i andningsaktivitet i beta-bandet (F(8,16) = 2,510, p = 0,056), medan prototypen var mer känslig för ögonrörelser, särskilt de laterala och cirkulära ögonrörelser, i theta-bandet (F(2,8) = 9,144, p = 0,009) och alfa-bandet (F(2,8) = 6,095, p = 0,025). Prototypen var generellt mer känslig för grundläggande hjärnaktivitet, buller från omgivningen och artefakter. Sammanfattningvis konstruerades en billig, bärbar EEG-prototyp, vilketvaliderades framgångsrikt. Den anpassade enheten kunde utföra neurofeedback för hemsjukvård. Resultaten visade att det är värt att utforska prototypens möjligheter ytterligare. Eftersom stickprovet var relativt litet skulle mer komplexa fysiologiska mätningar med flera testpersoner krävas för att fastställa framtida användningsområden. Icke desto mindre är resultaten lovande; prototypen kan bli en produkt en gång.