基于脑电模糊分析的睡眠分期方法研究

• 作者: 刘光达 尚小虎 王伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 睡眠分期 模糊特征 复杂度 多尺度熵 模糊熵
• 年，卷（期）: 2017,（23）
• 所属期刊栏目: 理论与研发
• 页码范围: 29-33
• 页数: 5页
• 分类号: TP391
• 字数: 3337字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1607-0289

摘要

利用脑电信号模糊特征分类的方法对睡眠进行分期研究.首先对脑电信号进行预处理,滤除干扰噪声后使用模糊熵算法、多尺度熵算法以及复杂度算法对脑电信号进行特征参数提取,采用最小二乘支持向量机(the Least Squares Support Vector Machine,LS-SVM)对特征参数进行分类,并将睡眠过程分为清醒期、浅睡期、深睡期和快速眼动期(Rapid Eye Movement,REM),获得分期正确率.最后通过上述方法对2000组睡眠脑电样本进行睡眠分期测试,与专家人工分期结果进行比对,将复杂度输入到最小二乘支持向量机进行分类的平均正确率是92.65%,高于模糊熵和多尺度熵作为最小二乘向量机的输入时的准确率.基于模糊特征的复杂度提取的特征参数可以作为睡眠分期的有效依据,在保证准确度的前提下,降低人工成本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伟	吉林大学仪器科学与电气工程学院	276	1874	18.0	32.0
2	刘光达	吉林大学仪器科学与电气工程学院	42	266	10.0	15.0
3	尚小虎	吉林大学仪器科学与电气工程学院	6	18	3.0	4.0