基于腦電信號的自動睡眠分期研究.pdf

1、隨著當(dāng)前社會生活節(jié)奏的加快，社會生活各方面的壓力越來越大，與睡眠相關(guān)的疾病對人們生活的影響也越來越大。其中失眠是最常見的影響人們生活的睡眠障礙類疾病。腦電信號(EEG)是目前進行睡眠障礙疾病治療診斷的重要依據(jù)。腦電信號是大腦神經(jīng)細胞群的電生理活動的主要反映，當(dāng)人們進入深入睡眠時，大腦神經(jīng)細胞群減緩活動，同時腦電信號也會反映這種變化。由于腦電信號非平穩(wěn)性、隨機性、非線性、低信噪比的特性，因而進行有效的睡眠分期一直是研究的難點，傳統(tǒng)的人工識

2、別睡眠分期的效率低、耗時費力，因此睡眠腦電自動分期對于改善睡眠質(zhì)量、醫(yī)學(xué)的臨床研究具有重要意義。
　　本文的主要目的是研究一種基于雙導(dǎo)聯(lián)的腦電信號自動分期方法。實驗數(shù)據(jù)來源于MIT-BIH中Sleep-EDF數(shù)據(jù)庫的8個正常受試者睡眠腦電信號。本文從信號預(yù)處理、腦電特征提取、特征參數(shù)分類三個方面實現(xiàn)睡眠腦電自動分期系統(tǒng)的設(shè)計。本文的主要工作內(nèi)容如下:
　　1.利用小波變換的方法對睡眠腦電原始信號進行預(yù)處理，利用小波包的方法，

3、提取腦電波信號基本節(jié)律波α波，θ波，δ波，∥波并分別計算α波，θ波，δ波，β波特征波的相對能量（Ei/Eall），睡眠腦電信號的總能量值Eall以及α波和θ波的能量的比值Eα/Eθ，δ波和θ波能量比值Eδ/Eθ。
　　2.首先用樣本熵算法來提取腦電信號的樣本熵特征，針對樣本熵算法必須含有模板匹配的缺點，研究模糊熵作為睡眠分期特征參數(shù)的可行性。把提取基本節(jié)律δ波和θ波作為特征向量，選擇模糊熵的方法對睡眠各階段進行分析，最后用模糊熵的

4、方法提取睡眠腦電模糊熵特征。
　　3.在提取信號特征的基礎(chǔ)上利用支持向量機對睡眠腦電信號進行自動分期，驗證分類器的泛化能力。利用能量特征值、樣本熵特征值、模糊熵特征值的對腦電信號進行分期并對實驗結(jié)果進行分析。根據(jù)腦電信號特點并結(jié)合熵值特征性質(zhì)、能量特征性質(zhì)，提出基于樣本熵、模糊熵、能量特征值相結(jié)合的睡眠腦電自動分期方法并驗證該方法的分類效果。
　　本文的主要創(chuàng)新之處下:
　　1.基于樣本熵算法必須含有模板匹配的缺點，研

5、究模糊熵作為睡眠分期特征參數(shù)的可行性。利用提取基本節(jié)律δ波和θ波作為特征向量，選擇模糊熵的方法對睡眠各階段進行分析，驗證模糊熵值在睡眠各階段的變化趨勢。
　　2.鑒于腦電信號的特點，能量特征以及熵值的特點，本文提出的能量特征、樣本熵特征、模糊熵特征相結(jié)合的方式進行睡眠腦電自動分期。
　　實驗結(jié)果表明，小波包、樣本熵、模糊熵都能夠有效的提取睡眠腦電信號的睡眠特征。在利用睡眠特征進行睡眠分期時發(fā)現(xiàn)小波包提取的能量特征的識別正確率