基于腦電信號(hào)的自動(dòng)睡眠分期研究.pdf

1、隨著當(dāng)前社會(huì)生活節(jié)奏的加快，社會(huì)生活各方面的壓力越來(lái)越大，與睡眠相關(guān)的疾病對(duì)人們生活的影響也越來(lái)越大。其中失眠是最常見(jiàn)的影響人們生活的睡眠障礙類疾病。腦電信號(hào)(EEG)是目前進(jìn)行睡眠障礙疾病治療診斷的重要依據(jù)。腦電信號(hào)是大腦神經(jīng)細(xì)胞群的電生理活動(dòng)的主要反映，當(dāng)人們進(jìn)入深入睡眠時(shí)，大腦神經(jīng)細(xì)胞群減緩活動(dòng)，同時(shí)腦電信號(hào)也會(huì)反映這種變化。由于腦電信號(hào)非平穩(wěn)性、隨機(jī)性、非線性、低信噪比的特性，因而進(jìn)行有效的睡眠分期一直是研究的難點(diǎn)，傳統(tǒng)的人工識(shí)

2、別睡眠分期的效率低、耗時(shí)費(fèi)力，因此睡眠腦電自動(dòng)分期對(duì)于改善睡眠質(zhì)量、醫(yī)學(xué)的臨床研究具有重要意義。
　　本文的主要目的是研究一種基于雙導(dǎo)聯(lián)的腦電信號(hào)自動(dòng)分期方法。實(shí)驗(yàn)數(shù)據(jù)來(lái)源于MIT-BIH中Sleep-EDF數(shù)據(jù)庫(kù)的8個(gè)正常受試者睡眠腦電信號(hào)。本文從信號(hào)預(yù)處理、腦電特征提取、特征參數(shù)分類三個(gè)方面實(shí)現(xiàn)睡眠腦電自動(dòng)分期系統(tǒng)的設(shè)計(jì)。本文的主要工作內(nèi)容如下:
　　1.利用小波變換的方法對(duì)睡眠腦電原始信號(hào)進(jìn)行預(yù)處理，利用小波包的方法，

3、提取腦電波信號(hào)基本節(jié)律波α波，θ波，δ波，∥波并分別計(jì)算α波，θ波，δ波，β波特征波的相對(duì)能量（Ei/Eall），睡眠腦電信號(hào)的總能量值Eall以及α波和θ波的能量的比值Eα/Eθ，δ波和θ波能量比值Eδ/Eθ。
　　2.首先用樣本熵算法來(lái)提取腦電信號(hào)的樣本熵特征，針對(duì)樣本熵算法必須含有模板匹配的缺點(diǎn)，研究模糊熵作為睡眠分期特征參數(shù)的可行性。把提取基本節(jié)律δ波和θ波作為特征向量，選擇模糊熵的方法對(duì)睡眠各階段進(jìn)行分析，最后用模糊熵的

4、方法提取睡眠腦電模糊熵特征。
　　3.在提取信號(hào)特征的基礎(chǔ)上利用支持向量機(jī)對(duì)睡眠腦電信號(hào)進(jìn)行自動(dòng)分期，驗(yàn)證分類器的泛化能力。利用能量特征值、樣本熵特征值、模糊熵特征值的對(duì)腦電信號(hào)進(jìn)行分期并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。根據(jù)腦電信號(hào)特點(diǎn)并結(jié)合熵值特征性質(zhì)、能量特征性質(zhì)，提出基于樣本熵、模糊熵、能量特征值相結(jié)合的睡眠腦電自動(dòng)分期方法并驗(yàn)證該方法的分類效果。
　　本文的主要?jiǎng)?chuàng)新之處下:
　　1.基于樣本熵算法必須含有模板匹配的缺點(diǎn)，研

5、究模糊熵作為睡眠分期特征參數(shù)的可行性。利用提取基本節(jié)律δ波和θ波作為特征向量，選擇模糊熵的方法對(duì)睡眠各階段進(jìn)行分析，驗(yàn)證模糊熵值在睡眠各階段的變化趨勢(shì)。
　　2.鑒于腦電信號(hào)的特點(diǎn)，能量特征以及熵值的特點(diǎn)，本文提出的能量特征、樣本熵特征、模糊熵特征相結(jié)合的方式進(jìn)行睡眠腦電自動(dòng)分期。
　　實(shí)驗(yàn)結(jié)果表明，小波包、樣本熵、模糊熵都能夠有效的提取睡眠腦電信號(hào)的睡眠特征。在利用睡眠特征進(jìn)行睡眠分期時(shí)發(fā)現(xiàn)小波包提取的能量特征的識(shí)別正確率