睡眠脑电自动分期方法研究

《睡眠脑电自动分期方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广东工业大学硕士学位论文（工学硕士）睡眠脑电自动分期方法研究郭超珍二？一五年六月８４５分类号：学校代码：１１ＵＤＣ：２１１１２０４１１４：密级：学号广东工业大学学位论文（工学硕士）睡眠脑电自动分期方法研究郭超珍徐维超教授指导教师姓名、职称：学科（专业）或领域名称：控制科学与工程学生所属学院：自动化学院论文答辩日期：２０１５年６月４日ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｔｏＧｕａｎｄｏｎＵｎｉｖｅｒｓｉｔｏｆｇｇｙＴｅｃｈｎｏｌｏｇｙｆｏｒｔｈｅＤｅｇｒｅｅｏｆ

2、ＭａｓｔｅｒＭａｓｔｅｒｏｆＥｎｉｎｅｅｒｉｎＳｃｉｅｎｃｅ（ｇｇ）－ＳｌｅｅｐＥＥＧｓｔａｉｎｂａｓｅｄｏｎＨｉｌｂｅｒｔＨｕａｎｇｇｇｔｒａｎｓｆｏｒｍａｎｄｓａｍｅｅｎｔｏｐｌｒｐｙＣａｎｄｉｄａｔｅ：ＧｕｏＣｈａｏｚｈｅｎＳｕｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＸｕＷｅｉｃｈａｏｐＪｕｎｅ２０１５ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＧｕａｎｇｚｈｏｕ，Ｇｕａｎｇｄｏｎｇ，Ｐ．Ｒ．Ｃｈｉｎａ，５１０００６摘要摘

3、要对睡眠分期进行研宄有一定的临床和现实意义，睡眠分期在睡眠质量的评估和睡眠相关疾病的辅助治疗中都有重要的作用。传统的人工睡眠分期有它的局限性：效率低、耗时和耗费人力，因此研宄自动睡眠分期具有重要的意义。脑电是分析睡眠最重一要的一个生理信号，，通过对睡眠脑电信号进行定的处理提取能表征不同睡眠期的特征参数一，并借助分类器进行睡眠分期。睡眠脑电是种复杂的、时变的非线性非平稳信号，本文通过结合非线性动力学方法样本熵和时频分析方法希尔伯特黄变换进行睡眠特征的提取。通过计算出每个睡眠片段的边际谱，并在此基础上计算各脑电节律的能量比，并结合睡眠脑电

4、样本摘的特征，把所有这些睡眠特征作为分类器的输入，并借助台湾大学林智仁博士开发的Ｌｉｂｓｖｍ分类工具箱来进行睡眠分期。本文所釆用的实验数据来源于ＭＩＴ－ＢＩＴ的Ｐｈｓｏａｎｋｅｅ－ｙｉＢ中的ＳｌｐＥＤＦ数据库，选择了１０个受试者的两导脑电信号进行睡眠分期的研宄。本文主要把睡眠分为觉醒期、ＮＲＥＭ２期、ＮＲＥＭ３期（深睡期）、ＮＲＥＭ１／ＲＥＭ（快速眼动期）这几个睡眠期。实验结果表明，通过样本熵和希尔伯特黄变换能有效获取睡眠脑电信号的睡眠特征一。不同睡眠期的样本摘值之间存着定的规律性，在非快速眼动期（ＮＲＥＭ，随着睡）眠的深入，样本熵值

5、不断减小，在ＮＲＥＭ３、４期达到最小值。利用希尔伯特黄变换求得的脑电信号的边际谱在不同睡眠期具有一定的差异性的，脑电节律的能量比能够很好地表征不同的睡眠期一。但是仅仅利用样本熵进行睡眠分期的效果般，而只利用希尔伯特黄变换方法进行睡眠特征的提取，达到的睡眠分期效果较好。通过结合样本熵一一和希尔伯特黄变换进行睡眠特征提取，，睡眠分期的效果进步提高比仅仅用其中种方法的效果都要好，总体分期准确率达到了９．９％。由此可见８，通过结合样本熵和希尔伯特黄变换方法作为特征提取的方法对睡眠进行分期具有比较理想的效果，同时也肯定了用脑电信号进行睡眠分期的可

6、行性。关键字：睡眠分期脑电信号（ＥＥＧ）样本烟希尔伯特黄变换（ＨＨＴ）支持向量机（ＳＶＭ）；；；；Ｉ广东工业大学领士学位论文＾Ｂ＾＾ＢＳＳＳＳＢＳＢＢ＾＾ＢＢＢＳ９ＳＢＳＢＢＢＳＳＢＢＳ！Ｂ５Ｓ＾ＢＢＢＢＳＳＳＳＳＳ＾ＳＢＳＢＳ９ＳＳＢＳ＾ＳＢａａＳＢＳＢＢ＾ＳＳ９ＢＳａＳＳ＾＾＾ＳＢＢＢ９９Ｓ＾＾ＢＳＳＳＳＳＳＳＢ＆ＢＳＳＳａＢｅＳＳＳａＢＳＳＳＳａＳＡＢＳＴＲＡＣＴＳｌｅｅｓｔａｉｎｈａｓｃｌｉｎｉｃａｌａｎｄｒａｃｔｉｃａｌｓｉｎｉｆｉｃａｎｃｅｔｈａｔｉｔｈａｓａｎｉｍｏｒｔａｎｔｒｏｌｅｉｎｔｈｅｐｇｇ

7、ｐｇｐｅｖａｌｕａｔｉｏｎｏｆｓｌｅｅｐｑｕａｌｉｔｙａｎｄａｄｊｕｖａｎｔｔｈｅｒａｐｙｏｆｓｌｅｅｐｄｉｓｏｒｄｅｒｓ．Ｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｎｕａｌｓｌｅｅｐｓｔａｇｅｈａｓｉｔｓｌｉｍｉｔａｔｉｏｎｓ；ｌｏｗｅｆｉｃｉｅｎｃｙ，ｔｉｍｅｃｏｎｓｕｍｉｎｇａｎｄｈｕｍａｎｃｏｓｔ，ｓｏｔｈｅｒｅｓｅａｒｃｈｏｆａｕｔｏｍａｔｉｃｓｌｅｅｐｓｔａｇｉｎｈａｓｉｍｏｒｔａｎｔｓｉｎｉｆｉｃａｎｃｅ．ＥＥＧｉｓｏｎｅｏｆｔｈｅｍｏｓｔｇｐｇｉｍｐｏｒｔａｎｔｐｈｙ