基于脑电和肌电多特征的自动睡眠分期方法

• 作者: 于涌 俞乾 吕甜甜 王心醉 蒋蓁
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 睡眠分期 脑电 肌电 离散小波变换 能量特征 样本熵 支持向量机
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 283-288
• 页数: 6页
• 分类号: TP391
• 字数: 4546字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.10.047

摘要

为实现准确的自动睡眠分期,且满足泛化能力的需求,基于脑电(EEG)和肌电(EMG)多特征,提出一种自动睡眠分期方法.以MIT-BIH多导睡眠数据库中样本的EEG和EMG为分析对象,采用离散小波变换对原始数据进行滤波预处理,提取EEG的α,β,θ,δ节律波和高频成分的能量比,利用样本熵算法提取EEG的非线性特征.将特征参数输入支持向量机分类器中进行样本训练与分类识别.实验结果表明,该方法的分期准确率可以达到92.94％,相比基于EEG的睡眠分期方法平均准确率提高3.96％,交叉验证平均准确率达82.68％,具有较好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋蓁	上海大学机电工程与自动化学院	48	409	9.0	18.0
2	于涌	中国科学院苏州生物医学工程技术研究所	40	120	5.0	9.0
3	王心醉	中国科学院苏州生物医学工程技术研究所	7	86	4.0	7.0
4	吕甜甜	上海大学机电工程与自动化学院	2	10	2.0	2.0
8	俞乾	中国科学院苏州生物医学工程技术研究所	2	10	2.0	2.0