基于脑电的计算机辅助自动睡眠评分系统

《基于脑电的计算机辅助自动睡眠评分系统》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、．‘：．Ｖ；丫，每－’＇．，＾；Ｊ物％．一；為巧．：＾麵．＇靡．．ｆ讀賴．雌Ｗ；紙－；．；；巧；，：．－：南咬；，．管，賢Ｖ％５／．＂ｒＴ分托、＾ｔ；郑ｆ之斯掉作－為記．＇ｉ為：；防ｖ．，ｓ４，．古ｔ４硕ｆ＾，Ｖ．＇甲：斯，／．：．＞；可ｎ＇．苗；鄭Ｖ肴务齡．或１打．秦－嘴＇：Ｈ：：；：篇．％．、．＾．若户古把載；斌？／，．Ｓ．：．Ｖ去．ｖ－．旷知義ｆ’‘Ｉ孩－‘．歲；＾如：基１誦睡统ｒＴ，ｔ．：－；、．嚷．ｒ榮Ｊ＾藝学＞号誦：真ｒ向＿．姓，名．＼：’；；里记导‘师

2、可．弯学科专业ｓ職贈＞心．．，，、研究方向＾護離术’ｉ養Ｉｐｇｔ位態與论ｆ交諸－－．－，酵較‘，装香犧瑟Ｉ．４心鑛：｜１冲！．％；、叩ｒ巧．＼＇ｃ－；萬誘；威ｗ，，．、：：南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。一工做。与同的同志对研的任

3、何贡献巧已在论文了明的说明并表示了我作本究所中作确谢意一人论文及及相不，愿意承。本学位涉关资料若有实担切相关的法律责任—？、１心期＾研巧生签名：：日用授权南京邮电大论声明学学位文使本人授权电南京邮大学可保向国家口机交论件和电子文留并有关部或构送文的复印档；允许论文被查阅和借；可的全部或部分容编入有关数据库进行检索；阅将学位论文内可Ｗ采用影印、缩或扫描等复制手段保存、汇编本学位论文。本文电子文的内容和纸质印档一容相致。论文（论文的的公布包括巧登）授权南京邮电大学研生院办理。内巧。涉密用学位论文在解密后适本授权书乂签杉

4、研生签名：导名：ｆ：究师日期TheComputer-assistedAutomaticSleepScoringSystemBasedonEEGThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByXiangLiuSupervisor:Prof.QianliMaMarch2015摘要睡眠学科的研究主要涉及生理学、心理学、神经生物学、计算机科学等学科，在睡眠脑电信号研究中，首先进行的就是睡眠分期。睡眠分期工作长期以来都是靠

5、专家等人工完成，而专家间使用训练规则往往难以一致。上世纪八十年代末，睡眠自动分期成为研究热点，但目前常规的睡眠分期系统识别率不高，因此考虑结合睡眠脑电信号的特征设计高效率、高准确率的基于脑电信号的睡眠自动评分系统。本文首先具体论述了国内外学者研究睡眠分期的现状，以及睡眠脑电信号应用在睡眠分期研究中的重要作用。其次将近似熵、小波变换、去趋势波动分析以及模糊神经系统应用在睡眠分期中。本文研究内容主要体现在以下几个方面：（1）介绍了小波去噪的工作原理，使用小波阈值去噪到睡眠脑电信号的预处理。通过分析采用db4小波系数5层分解对信号进行去噪。（2）针对睡眠脑电的特

6、征，提取睡眠脑电的近似熵、相对小波能量、标度指数特征指标，通过对比不同睡眠时期的特征指标，发现它们随着睡眠期的不同呈现一定的变化规律，因此将它们作为睡眠自动评分的特征指标。（3）介绍基于ANFIS模型的模糊神经网络，通过将三种不同类型的特征参数组合训练该模型以探究出识别率与效率最高的睡眠评分系统。最终确定“相对小波能量+标度指数”与ANFIS协同作用的睡眠评分系统具有较高的识别率，较低的计算成本以及较快的运算速度，可在硬件中实时实现。关键词:睡眠，脑电信号，近似熵，相对小波能量，去趋势波动分析，ANFISIAbstractAssleepinvolvesin

7、physiology,psychology,neurobiology,medicalscience,computerscienceandrehabilitationmedicine,recentlymanycountrieshaveestablishedindependent"SleepResearchSociety"organizationstostrengthenandenhancethestudyofsleep.ThesleepstagingcomesfirstonthestudyandanalysisofsleepEEGsignal.Pastsle

8、epstageworkhaslongbeenartificialc