基于多参数特征融合的自动睡眠分期方法

• 作者: 俞乾 吕甜甜 吴成雄 王心醉 贾朋飞 陈骁
• 来源期刊: 计算机应用
• 学科: 医学
• 关键词: 自动睡眠分期 多参数 离散小波变换 能量特征 样本熵 支持向量机
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 应用前沿、交叉与综合
• 页码范围: 313-317
• 页数: 5页
• 分类号: R318|TP391
• 字数: 4897字
• 语种: 中文

摘要

睡眠分期是睡眠障碍等相关疾病诊断的重要依据.为实现准确且具有泛化能力的自动睡眠分期,提出了一种基于多参数特征融合的自动睡眠分期方法.首先,利用离散小波变换(DWT)对原始数据进行滤波预处理,获取脑电图(EEG)的α波、β波、θ波、δ波、肌电图(EMG)的高频成分的特征能量比,采用样本熵算法提取EEG、心电图(ECG)的非线性特征,提取呼吸信号的均值,共八个特征;然后,将特征参数输入支持向量机(SVM)分类器中进行样本训练与分类识别,并把分类结果与基于EEG的睡眠分期方法、基于EEG和ECG的睡眠分期方法结果进行对比,验证了该方法的可行性与准确性;最后,采用交叉验证方法对不同样本进行建模,验证其泛化能力.结果表明,该方法准确率可以达到92.95％,相比基于EEG睡眠分期算法平均准确率提高9.65％,交叉验证后平均准确率达85.15％,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	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
2	陈骁	中国科学院苏州生物医学工程技术研究所	8	26	3.0	4.0
3	吕甜甜	中国科学院苏州生物医学工程技术研究所	2	10	2.0	2.0
7	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
8	贾朋飞	中国科学院苏州生物医学工程技术研究所	2	6	2.0	2.0
9	吴成雄	中国科学院苏州生物医学工程技术研究所	1	3	1.0	1.0