睡眠分期的非線性多參數(shù)研究.pdf

1、睡眠是一種重要的生理現(xiàn)象，人類通過睡眠，可以消除疲勞，恢復(fù)精神和體力。隨著現(xiàn)代社會(huì)生活節(jié)奏的加快，競(jìng)爭(zhēng)壓力的日益增大，越來越多的人睡眠受到影響，甚至存在睡眠障礙，研究發(fā)現(xiàn)睡眠呼吸暫停綜合癥甚至可能危及到生命。睡眠質(zhì)量問題越來越受到人們的關(guān)注，迫切需要研究新的方法以判斷睡眠質(zhì)量的好壞。另外有些潛在的疾病，特別是大腦疾病，在清醒狀態(tài)下病灶不容易被發(fā)覺，而在睡眠時(shí)，由于大腦對(duì)外界刺激的反應(yīng)減少，就會(huì)顯露出來，而且在不同的睡眠階段顯露的程度會(huì)有

2、所不同。所以對(duì)睡眠分期作一些基礎(chǔ)性研究可為睡眠質(zhì)量的判斷提供理論依據(jù)，進(jìn)而對(duì)睡眠障礙及有關(guān)病患進(jìn)行有針對(duì)性的治療提供幫助。 目前基于睡眠腦電信號(hào)的睡眠分期仍然是研究睡眠分期的最重要的方法之一，腦電信號(hào)是由腦的神經(jīng)系統(tǒng)產(chǎn)生的一種可測(cè)的電生理反應(yīng)，可無創(chuàng)傷測(cè)量。在人睡眠過程中，不同的睡眠狀態(tài)會(huì)影響人體其它的一些重要生理參數(shù)，如心電、血壓、體溫、呼吸以及肌電等。因此研究這些生理參數(shù)和睡眠分期之間的關(guān)系也是對(duì)基于腦電睡眠分期的有益補(bǔ)充。

3、本文中選取了心電信號(hào)和血壓信號(hào)，通過文中的算法計(jì)算可以發(fā)現(xiàn)，與腦電信號(hào)相比，心電信號(hào)和血壓信號(hào)的規(guī)律性更強(qiáng)一些。睡眠不同階段的心電血壓信號(hào)的特征值在不同個(gè)體之間的差異與腦電信號(hào)相比相對(duì)要小。在研究自動(dòng)睡眠分期的算法時(shí)把心電、血壓等其它生理信號(hào)在不同睡眠階段的差異也考慮在內(nèi)能提高睡眠分期的準(zhǔn)確性和一致性，這也是將來的睡眠分期研究的方向之～。近年來的研究表明人體的生理信號(hào)是有源的、因果的、時(shí)變的、非平穩(wěn)的復(fù)雜非線性動(dòng)力學(xué)信號(hào)，這使得傳統(tǒng)的基

4、于時(shí)域和頻域的算法不能很好的處理這樣的信號(hào)。本文應(yīng)用三種非線性方法對(duì)生理信號(hào)在各種睡眠期的變化進(jìn)行了分析，通過樣本熵、多尺度熵算法的熵復(fù)雜度以及去趨勢(shì)波動(dòng)分析的標(biāo)度指數(shù)來刻劃整個(gè)睡眠過程中睡眠深度的變化情況。 樣本熵與目前廣泛使用的近似熵算法相比一致性要好的多，即對(duì)數(shù)據(jù)長度和嵌入維數(shù)不敏感。在S3、S4階段不能很好的分辨的情況下，使用多尺度小波分析對(duì)S3、S4階段的信號(hào)進(jìn)行特定尺度的重構(gòu)，結(jié)果證明了樣本熵與小波的結(jié)合能取得良好的

5、效果。多尺度熵算法則同時(shí)考慮了多尺度的因素，與樣本熵算法結(jié)合，也能取得良好的分類效果。而去趨勢(shì)波動(dòng)分析則是計(jì)算睡眠生理信號(hào)的的自相似指數(shù)α，不同的標(biāo)度指數(shù)對(duì)應(yīng)著不同的信號(hào)類型，標(biāo)度指數(shù)越大則信號(hào)的規(guī)律性越強(qiáng)。結(jié)果也表明了不同的睡眠階段腦電信號(hào)的標(biāo)度指數(shù)是有差異的，去趨勢(shì)波動(dòng)分析的分類效果比樣本熵要好一些。在文中也發(fā)現(xiàn)對(duì)心電和血壓信號(hào)采用和腦電信號(hào)一樣的方法進(jìn)行處理時(shí)并不能取得令人滿意的效果，心電和血壓信號(hào)不太適合單獨(dú)進(jìn)行睡眠分期，但是和