睡眠脑电的特性分析和睡眠分期研究

睡眠脑电的特性分析和睡眠分期研究

ID:36753628

大小:2.14 MB

页数:78页

时间:2019-05-14

睡眠脑电的特性分析和睡眠分期研究_第1页
睡眠脑电的特性分析和睡眠分期研究_第2页
睡眠脑电的特性分析和睡眠分期研究_第3页
睡眠脑电的特性分析和睡眠分期研究_第4页
睡眠脑电的特性分析和睡眠分期研究_第5页
资源描述:

《睡眠脑电的特性分析和睡眠分期研究》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、江苏大学硕士学位论文摘要睡眠是一种重要的生理现象,脑电图(EEG)是研究睡眠的一个重要而有力的工具。脑电信号种包含大量的生理和病理信息,在睡眠相关疾患和脑科学研究中起着非常重要的作用。本文简要介绍了小波变换、小波包分解的原理,并利用这两种先进的信号处理方法对原始脑电信号进行了去噪、伪迹去除等预处理。在去噪基础上,对睡眠脑电信号进行了详细的小波熵、近似熵、功率谱熵特性分析和复杂性测度分析。脑电信号是由脑的神经系统产生的电生理反应,信号非常微弱,且具有非平稳性和低信噪比的特点,易受诸如眼电、心电和肌电干扰及白噪声等干扰因素。在原始脑电信号预处理中,论文中采用

2、了小波软门限阈值和小波包自适应阈值去噪两种分析方法,在脑电去噪中取得了比较好的效果。本文应用多种非线性方法和时频分析方法对脑电在各种睡眠的变化特性进行了分析及对比研究,试图从客观量化的复杂性测度来描述整个睡眠过程中睡眠深度的变化情况。论文中采用的分析指标有:Kc、C0.C1、C2复杂度:功率谱熵和近似熵;重点应用小波变换和小波熵对各期脑电特性及其脑电四个基本节律下动态特性进行了分析研究。实验结果表明复杂度(C2除外)、功率谱熵、近似熵和小波熵在睡眠各期中具有显著差异,并且呈现出规律性的变化趋势,在清醒期最大,到sl、s2期逐渐减少,s3、S4期达到最低值

3、,REM期介于清醒期和s1期之间,而C2值的变化则与它们相反,尤其在深睡期显著升高;小波熵既能区分长时间段EEG复杂度之间的差异,又能反应微状态下的变化特性。结果表明,上述复杂性测度在睡眠脑电特征提取和特性研究中都取得了良好的效果。脑电图一般数据量比较大,只能由专业的脑电图专家判别,人工对睡眠分期是一项十分繁重的工作,同时由于伪迹的干扰,不同专家由于主观因素导致人工分期不完全相同,研究准确高效的睡眠自动分期方法有重要的实际意义。本文利用近似熵阈值对睡眠脑电进行分期,与人工分期结果相比较,近似熵分期平均符合率达70%以上,有较好的分期效果。本文利用的时频分

4、析方法和非线性动力学方法在对睡眠脑电的特性分析及睡眠分期研究中,都获得了较好的效果。关键词:脑电波;小波变换{睡眠分期;小波熵;复杂度;近似熵:功率谱熵江苏大学硕士学位论文ABSTRACTThesleepiSakindofimportantphysi0109icalphenomenon,theelectroencephalogram(EEG)isaveryimportanttoolforanalyzingthesleep.EEGsignalShavealargeamountofphysiologyandpathologyinformation,elect

5、ricalactivityofthebrainplaysaveryimportantroleinthefieldoftherelateddiseaseofsleepandbrainscience.Inthispaper,wavelettransformandwaveletpacketanalysiSareusedtoprocesstheEE6signalS,includingEEGde—noiSingandartifactremoving.Further,waveletentropy,approximateentropy,powerspectralent

6、ropyandcomplexitymeasuresarecalculated.BrainwaveiSakindofbioelectricitysignalandusuallyveryweak,ItsCharacteristiCSiSthatnon—stationarityandlowsignal—noiserate,SOthatitiseasytohedisturbedbynoises,SuchasEOG,ECG,EMGandhigh—frequencynoise.ForEE6de—noisingandartifactremoving,thispaper

7、presentsathresholdde—noisingalgorithmwiththewavelettransformandaadaptivethresholdde——noisingwiththewaveletpacketanalysis,theycanachieveaverygoodfiiteringeffect.ThiSpaperusesthenonlineardynamicstheoriesofEEGtimeseriesincludingKc、CO、C1、C2complexity,powerspectralentropy,approximatee

8、ntropyandwaveletentropy.Theemphasisistha

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。