基于脑电和肌电多特征的自动睡眠分期方法

摘要：

为实现准确的自动睡眠分期,且满足泛化能力的需求,基于脑电(EEG)和肌电(EMG)多特征,提出一种自动睡眠分期方法.以MIT-BIH多导睡眠数据库中样本的EEG和EMG为分析对象,采用离散小波变换对原始数据进行滤波预处理,提取EEG的α,β,θ,δ节律波和高频成分的能量比,利用样本熵算法提取EEG的非线性特征.将特征参数输入支持向量机分类器中进行样本训练与分类识别.实验结果表明,该方法的分期准确率可以达到92.94％,相比基于EEG的睡眠分期方法平均准确率提高3.96％,交叉验证平均准确率达82.68％,具有较好的泛化能力.

关键词：睡眠分期、脑电、肌电、离散小波变换、能量特征、样本熵、支持向量机

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61433016;苏州市科技计划项目ZXY201427,ZXY201429

在线出版日期：2017-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：283-288