睡眠腦電自動分期方法研究.pdf

1、對睡眠分期進行研究有一定的臨床和現(xiàn)實意義，睡眠分期在睡眠質(zhì)量的評估和睡眠相關(guān)疾病的輔助治療中都有重要的作用。傳統(tǒng)的人工睡眠分期有它的局限性:效率低、耗時和耗費人力，因此研究自動睡眠分期具有重要的意義。腦電是分析睡眠最重要的一個生理信號，通過對睡眠腦電信號進行一定的處理，提取能表征不同睡眠期的特征參數(shù)，并借助分類器進行睡眠分期。睡眠腦電是一種復(fù)雜的、時變的非線性非平穩(wěn)信號，本文通過結(jié)合非線性動力學(xué)方法樣本熵和時頻分析方法希爾伯特黃變換進行

2、睡眠特征的提取。通過計算出每個睡眠片段的邊際譜，并在此基礎(chǔ)上計算各腦電節(jié)律的能量比，并結(jié)合睡眠腦電樣本熵的特征，把所有這些睡眠特征作為分類器的輸入，并借助臺灣大學(xué)林智仁博士開發(fā)的Libsvm分類工具箱來進行睡眠分期。本文所采用的實驗數(shù)據(jù)來源于MIT-BIT的PhysioBank中的S1eep-EDF數(shù)據(jù)庫，選擇了10個受試者的兩導(dǎo)腦電信號進行睡眠分期的研究。本文主要把睡眠分為覺醒期、NREM2期、NREM3期（深睡期）、NREM1/RE

3、M（快速眼動期）這幾個睡眠期。
　　實驗結(jié)果表明，通過樣本熵和希爾伯特黃變換能有效獲取睡眠腦電信號的睡眠特征。不同睡眠期的樣本熵值之間存著一定的規(guī)律性，在非快速眼動期(NREM)，隨著睡眠的深入，樣本熵值不斷減小，在NREM3、4期達到最小值。利用希爾伯特黃變換求得的腦電信號的邊際譜在不同睡眠期具有一定的差異性的，腦電節(jié)律的能量比能夠很好地表征不同的睡眠期。但是僅僅利用樣本熵進行睡眠分期的效果一般，而只利用希爾伯特黃變換方法進行睡