基于腦電信號(hào)特征提取的睡眠分期方法研究

李 斐，馬千里

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)

基于腦電信號(hào)特征提取的睡眠分期方法研究

李 斐，馬千里

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)

睡眠分期是研究睡眠其及相關(guān)疾病的基礎(chǔ)，是完成睡眠質(zhì)量評(píng)估的前提，具有重要的意義。主要提出了一種新的腦電信號(hào)特征提取方法，能夠有效提高睡眠分期的準(zhǔn)確率。傳統(tǒng)的自動(dòng)睡眠分期方法都是以一個(gè)睡眠時(shí)期的時(shí)間片為單位進(jìn)行特征參數(shù)提取，文中的睡眠分期按每30 s進(jìn)行一次睡眠時(shí)期判斷，將特征提取的時(shí)間片分為30 s、90 s、150 s以及210 s，研究不同時(shí)間片提取的特征參數(shù)對(duì)睡眠分期準(zhǔn)確率的影響。采用Weka工具中的隨機(jī)森林分類器對(duì)睡眠狀態(tài)進(jìn)行判別。實(shí)驗(yàn)結(jié)果表明，將210 s時(shí)間片得到的小波包系數(shù)、30 s時(shí)間片得到的排列熵以及90 s時(shí)間片得到的Petrosian分形維數(shù)作為自動(dòng)睡眠分期的參數(shù)，可以得到85%的準(zhǔn)確率；而采用30 s時(shí)間片得到的以上三類參數(shù)只能達(dá)到65%的準(zhǔn)確率。

睡眠分期；腦電信號(hào)；小波包系數(shù)；排列熵；Petrosian分形維數(shù)

0 引 言

近年來，睡眠質(zhì)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(zhì)量評(píng)估以及睡眠類疾病診斷成為研究熱點(diǎn)。人體生理學(xué)表明，一個(gè)健康的深睡眠階段可以加速物理療養(yǎng)[1-2]。此外，健康的快速眼動(dòng)(REM)階段能夠提高學(xué)習(xí)能力和記憶力。睡眠評(píng)分結(jié)果是所有睡眠問題識(shí)別中所必需的。睡眠評(píng)分，即為在多導(dǎo)睡眠圖記錄(PSG)中得出的睡眠分期?！?br>