基于睡眠腦電信號的睡眠分期研究.pdf

1、睡眠是人類常見而又重要一種生理現(xiàn)象，腦電圖(electroencephalograph，EEG)是研究睡眠過程和評估睡眠質(zhì)量的一個重要工具。早期的腦電圖通過專家目測評價，睡眠分期幾乎是睡眠研究中最為枯燥和繁重的工作。睡眠自動分期不但可以使人從繁重的工作中解脫出來，而且還能夠減少人工分期的主觀性，提高了工作效率，減少了誤差。 傳統(tǒng)的睡眠腦電信號的分析方法主要是以分析睡眠腦電波形的幾何性質(zhì)為主的時域分析方法和分析睡眠腦電的功率譜、相

2、干函數(shù)等為主的頻域方法來區(qū)分睡眠的幾個階段。實踐表明，應用傳統(tǒng)的分析方法分析睡眠各期的腦電活動，提取的信息量有限，難以滿足臨床上的要求。根據(jù)腦電信號的特征，本文中使用了非線性動力學的復雜性測度的方法處理睡眠腦電信號以達到睡眠分期的目的。在處理的過程中，分別使用了近似熵復雜度和Lempel-Ziv復雜度算法對睡眠腦電序列進行分期處理，比較了兩種復雜度算法的優(yōu)缺點，并且將加窗的Lempel-Ziv復雜度算法的實驗結果與沒有加窗的Lempel

3、-Ziv復雜度算法的實驗結果進行了比較，實驗結果表明：加窗的復雜性測度算法能夠更好地將睡眠的不同階段有效地區(qū)分開來。 睡眠腦電序列經(jīng)過復雜性測度算法后得到的是一個數(shù)據(jù)集，數(shù)據(jù)集中的每個數(shù)據(jù)代表了這段腦電序列所處于的睡眠階段，本文中應用了BP神經(jīng)元網(wǎng)絡對這個數(shù)據(jù)集中的數(shù)據(jù)進行分類，將這些數(shù)據(jù)分別劃分到各自所屬的睡眠階段。實驗中，使用Matlab軟件對網(wǎng)絡進行了訓練，實驗結果中，得到了網(wǎng)絡的收斂曲線，并得到了較高的識別率。實驗證明使