李 斐,馬千里
(南京郵電大學 通信與信息工程學院,江蘇 南京 210003)
基于腦電信號特征提取的睡眠分期方法研究
李 斐,馬千里
(南京郵電大學 通信與信息工程學院,江蘇 南京 210003)
睡眠分期是研究睡眠其及相關疾病的基礎,是完成睡眠質量評估的前提,具有重要的意義。主要提出了一種新的腦電信號特征提取方法,能夠有效提高睡眠分期的準確率。傳統的自動睡眠分期方法都是以一個睡眠時期的時間片為單位進行特征參數提取,文中的睡眠分期按每30 s進行一次睡眠時期判斷,將特征提取的時間片分為30 s、90 s、150 s以及210 s,研究不同時間片提取的特征參數對睡眠分期準確率的影響。采用Weka工具中的隨機森林分類器對睡眠狀態進行判別。實驗結果表明,將210 s時間片得到的小波包系數、30 s時間片得到的排列熵以及90 s時間片得到的Petrosian分形維數作為自動睡眠分期的參數,可以得到85%的準確率;而采用30 s時間片得到的以上三類參數只能達到65%的準確率。
睡眠分期;腦電信號;小波包系數;排列熵;Petrosian分形維數
近年來,睡眠質量成為影響人類健康的隱形殺手,越來越多的人受到失眠等睡眠障礙的困擾。睡眠質量評估以及睡眠類疾病診斷成為研究熱點。人體生理學表明,一個健康的深睡眠階段可以加速物理療養[1-2]。此外,健康的快速眼動(REM)階段能夠提高學習能力和記憶力。睡眠評分結果是所有睡眠問題識別中所必需的。睡眠評分,即為在多導睡眠圖記錄(PSG)中得出的睡眠分期。……