目的研究通過心率和呼吸信號(hào)進(jìn)行睡眠分期,探討將心率和呼吸信號(hào)結(jié)合進(jìn)行睡眠分期研究的有效性。方法基于ISURE-sleep睡眠數(shù)據(jù)庫(kù)中9名健康受試者ECG和呼吸波數(shù)據(jù),采用時(shí)域、頻域和非線性分析方法,計(jì)算并篩選出HRV、呼吸波和心肺耦合特征共計(jì)34個(gè)指標(biāo)�；赟VM、隨機(jī)森林、XGBoosting和BP神經(jīng)網(wǎng)絡(luò)4種分類器構(gòu)建模型,采用獨(dú)立被試和非獨(dú)立被試兩種方案對(duì)覺醒期、快速眼動(dòng)期和非快速眼動(dòng)期進(jìn)行分類測(cè)試。結(jié)果在4種分類模型下,綜合建模分期方法結(jié)果均優(yōu)于基于HRV或呼吸單一信號(hào)建模的睡眠分期方法,綜合建模Kappa系數(shù)有顯著提升�；赬GBoosting的模型在4種方法中表現(xiàn)最優(yōu),取得了獨(dú)立被試測(cè)試73.3%的平均準(zhǔn)確率（Kappa=0.42）和非獨(dú)立被試測(cè)試準(zhǔn)確率88.7%（Kappa=0.75）。結(jié)論加入呼吸特征和心肺耦合特征可以作為輔助指標(biāo),提升目前常用的基于HRV的睡眠分期模型的性能。心率和呼吸特征結(jié)合的睡眠分期方法在便攜式睡眠監(jiān)測(cè)等領(lǐng)域具有實(shí)際應(yīng)用價(jià)值。 

【文章來源】：航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2020年02期 第152-158頁(yè) 北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 方法
    1.1 數(shù)據(jù)集
    1.2 ECG和呼吸波預(yù)處理
    1.3 特征提取
        1.3.1 HRV特征提取
        1.3.2 呼吸特征提取
        1.3.3 心肺耦合特征
    1.4 特征篩選和歸一化
    1.5 建模方法
        1.5.1 支持向量機(jī)（SVM）
        1.5.2 XGBoosting
        1.5.3 隨機(jī)森林
        1.5.4 人工神經(jīng)網(wǎng)絡(luò)
    1.6 評(píng)判準(zhǔn)則
    1.7 統(tǒng)計(jì)方法
2 結(jié)果與分析
    2.1 結(jié)果
    2.2 分類效果分析
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]呼吸模式參數(shù)應(yīng)用于提取REM睡眠結(jié)構(gòu)信息[J]. 畢亞瓊,俞夢(mèng)孫,李德玉,楊軍,張政波.  醫(yī)療衛(wèi)生裝備. 2006(12)
[2]多導(dǎo)睡眠圖的臨床應(yīng)用[J]. 陳興時(shí),張明島,王繼軍.  中國(guó)行為醫(yī)學(xué)科學(xué). 2000(01)

碩士論文
[1]心肺耦合分析研究[D]. 柴曉珂.中國(guó)人民解放軍醫(yī)學(xué)院 2015



本文編號(hào)：2907914