基于腦電信號特征提取的睡眠分期方法研究.pdf

1、睡眠的研究與許多學(xué)科相關(guān)，例如生理學(xué)、神經(jīng)生物學(xué)、康復(fù)醫(yī)學(xué)、心理學(xué)以及計算機等學(xué)科，目前各個國家都開始加強研究人類的睡眠。睡眠研究的目的之一是實現(xiàn)睡眠質(zhì)量評估，而睡眠質(zhì)量評估的一個重要依據(jù)就是睡眠狀態(tài)的變化，這也是研究睡眠與睡眠相關(guān)疾病的基礎(chǔ)，具有非常重要的意義。長期以來，由于睡眠狀態(tài)的分期工作都由專家人工完成，分期規(guī)則具有一定的主觀性。二十世紀八十年代起，由計算機輔助的自動睡眠分期逐漸引起關(guān)注并成為熱點。但是目前常規(guī)的自動睡眠分期系統(tǒng)

2、的分期準確率仍不高，還存在較大的提高空間。傳統(tǒng)的自動睡眠分期方法都是以判斷一個睡眠時期的時間片為單位進行特征參數(shù)提取，因此考慮按照不同的時間尺度提取特征參數(shù)，結(jié)合不同的分類模型設(shè)計高準確率、高效率的自動睡眠分期系統(tǒng)。
　　本文首先論述了睡眠分期的國內(nèi)外研究現(xiàn)狀，以及睡眠EEG信號在睡眠分期研究中的應(yīng)用。其次將4個不同分量小波包系數(shù)的均值和標準差、排列熵、Petrosian分形維數(shù)作為睡眠分期的特征參數(shù)，應(yīng)用到隨機分類森林與支持向量

3、機系統(tǒng)中進行自動睡眠分期。本文的創(chuàng)新之處主要體現(xiàn)在以下方面：
　?。?）針對睡眠腦電采用30秒、90秒、150秒以及210秒的不同時間尺度提取4個分量小波包系數(shù)的均值和標準差、排列熵、Petrosian分形維數(shù)，通過對不同睡眠階段腦電信號特征參數(shù)的分析對比，發(fā)現(xiàn)EEG的上述幾類特征都隨著睡眠階段的不同呈現(xiàn)一定的差別和變化規(guī)律，所以就將它們作為自動睡眠分期的特征指標。
　?。?）介紹基于隨機森林與支持向量機的分類識別器，通過對