【摘要】：睡眠是人類生活的重要組成部分。良好的睡眠可以促進人的精神狀態(tài)、注意力、情緒控制力和判斷力的恢復(fù)。然而,隨著生活節(jié)奏的加快,人們的睡眠質(zhì)量越來越差,熬夜、失眠等現(xiàn)象頻發(fā)。根據(jù)調(diào)查,睡眠障礙成人的比例高達30%。因此,如何更加簡單快捷的對人體睡眠監(jiān)測對于提高睡眠質(zhì)量和預(yù)防睡眠疾病有著舉足輕重的意義。睡眠分期的傳統(tǒng)“黃金標準”是多導(dǎo)睡眠圖,但卻存在價格昂貴、操作復(fù)雜、對受試者睡眠有入侵式影響等弊端。同時,由于睡眠期間人體呼吸速率表現(xiàn)出與大腦類似的節(jié)律變化,并且呼吸信號的收集比諸如EEG的其他信號更簡單。對人類睡眠的影響很小,因此本文決定使用呼吸信號來研究睡眠分期。本文首先對睡眠呼吸數(shù)據(jù)預(yù)處理和特征提取,隨后設(shè)計面向睡眠分期的改進隨機森林的分類方法實現(xiàn)睡眠自動分期,主要研究內(nèi)容如下:(1)睡眠呼吸信號數(shù)據(jù)預(yù)處理。由于睡眠環(huán)境通常不是絕對安靜的,常常會伴有人為或環(huán)境噪聲,同時考慮到呼吸信號本身強度較為微弱,為濾除呼吸波中的高頻噪聲,本文通過尋找最佳呼吸頻率,設(shè)計數(shù)字濾波器對呼吸波進行預(yù)處理,以優(yōu)化數(shù)據(jù)集。(2)睡眠呼吸數(shù)據(jù)特征提取。呼吸數(shù)據(jù)的特征提取從三種分析域進行:時域、頻域和非線性。首先檢測呼吸信號的波峰波谷,通過計算呼吸波峰數(shù)量、呼吸波峰波谷間隔平均值等來提取四個時域特征參數(shù);自回歸模型法用于獲得信號的相應(yīng)頻率范圍的頻譜能量,并獲得六個頻域特征參數(shù);通過近似熵和樣本熵提取呼吸數(shù)據(jù)的兩個非線性特征,共12個特征作為睡眠自動分期模型的測試輸入。(3)算法設(shè)計與結(jié)果分析。針對隨機森林算法特征選擇的隨機性問題,本文通過引入自適應(yīng)特征選擇思想,提出三優(yōu)化策略:第一種是基于特征權(quán)重的多變量特征計算方法;二是引入自適應(yīng)稀疏約束機制的特征優(yōu)化方法,三是基于不平衡數(shù)據(jù)集的隨機采樣算法,并采用正常人與輕微睡眠障礙人特征組合分別對優(yōu)化隨機森林模型訓(xùn)練,最后使用人工AASM分期結(jié)果和SVM算法來驗證測試輸出,結(jié)果顯示,Wake-NREM-REM睡眠分期的準確率為83.7%,表明可以依據(jù)呼吸數(shù)據(jù)的特點獲取睡眠狀況。本文是通過不同睡眠狀態(tài)下呼吸信號的多重特點來研究睡眠狀態(tài)的,研究結(jié)果提供了可應(yīng)用于自動睡眠分期系統(tǒng)的方法,可作為AASM規(guī)則的補充,具有較好的發(fā)展前景。
【圖文】：

2.1 引言人體在睡眠時生理數(shù)據(jù)通常會隨著睡眠階段的變化而變化。其中，呼吸信號較其他信號如腦電波信號更易采集，且不會對人體睡眠產(chǎn)生入侵式影響。因此本文決定基于呼吸信號來研究睡眠分期。本章主要介紹了目前睡眠分期的臨床標準，以及各個睡眠時相生理信號的變化特點，之后說明呼吸信號與睡眠分期的高度相關(guān)性，以及用呼吸信號作為睡眠時相判別的可靠性。最后介紹了三種睡眠分期經(jīng)典算法的基本思想及原理。2.2 睡眠分期2.2.1 睡眠分期的臨床標準目前臨床睡眠分期的標準多是 R&K 準則[30]。R&K 標準規(guī)定，人類從入睡開始到覺醒的整個睡眠過程被劃分為 6 個時期，即清醒期(Wake)、NREM(N1、N2、N3、N4) 期和 REM 期。具體結(jié)構(gòu)如圖 2-1 所示。

北京工業(yè)大學(xué)工程碩士專業(yè)學(xué)位論文通常情況下，在一整晚的睡眠過程中，并不是從 Wake 狀態(tài)到 REM 期順序進行的，而是交叉進行的。6-8 h 的整晚睡眠大致由 4-5 個睡眠周期構(gòu)成，每個周期約持續(xù) 90 min。在入睡前的階段首先是處于 Wake 期，，正常情況下幾分鐘后就會進入 NREM 期，在 NREM 期內(nèi)，睡眠逐漸由淺變深，N1 期到 N3 期依次進行，N1 期與 N2、N3 期相比持續(xù)時間較短，NREM 期大約持續(xù) 0.5～1.0 個小時；然后由深變淺，N3 期向 N1 期，緊接著進入第一個 REM 狀態(tài)，做夢現(xiàn)象通常出現(xiàn)在此階段中，第一個 REM 期持續(xù)時間很短便再次進入 NREM 期；隨著循環(huán)次數(shù)的增大，REM 期持續(xù)時間也就越久。在 NREM 期間，偶爾會出現(xiàn)一兩個 Wak期，NREM 階段與 REM 階段交替進行大概 3 到 5 次。作為深睡期，N4 期只出現(xiàn)在前兩個周期中，并且不同年齡階段的人持續(xù)時間不同，一般來說，隨著年齡的增長，N4 持續(xù)時間越短。大致如圖 2-2 所示。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN911.7;R740

【相似文獻】

相關(guān)期刊論文 前10條

1 劉思佳;劉宏彬;;面向病人睡眠呼吸信號的非接觸式測量與提取[J];自動化技術(shù)與應(yīng)用;2018年09期

2 趙素文;賈磊磊;盧望;;基于心電信號中提取呼吸信號的探討[J];桂林航天工業(yè)高等專科學(xué)校學(xué)報;2012年01期

3 張瑞華;葉逢春;;一種具有自動補償功能的呼吸信號檢測電路[J];醫(yī)療衛(wèi)生裝備;2009年03期

4 黃文漢;張偉;胡立剛;周陳旺;向丹陽;;基于心電與呼吸信號的睡眠分期算法研究[J];智能計算機與應(yīng)用;2018年01期

5 朱興喜,彭紅,戚仕濤;呼吸信號的獲取方法[J];醫(yī)療設(shè)備信息;2003年03期

6 蔣蓮;陳兆學(xué);;基于心電信號提取呼吸信號的算法研究[J];中國醫(yī)學(xué)物理學(xué)雜志;2019年04期

7 鄭冰倩;;基于PCA的改進歐拉放大算法用于呼吸信號的提取[J];數(shù)碼世界;2018年11期

8 王旭;鄔小玫;方祖祥;;心電、呼吸信號采集分析系統(tǒng)的研制[J];上海生物醫(yī)學(xué)工程;2007年04期

9 李永宏;張金爽;王姝文;于洪志;;藏語新聞朗讀的呼吸信號聲學(xué)分析[J];西北民族大學(xué)學(xué)報(自然科學(xué)版);2010年02期

10 席濤,楊國勝,湯池,焦騰;基于自適應(yīng)濾波的心電圖中呼吸信號的提取方法[J];第四軍醫(yī)大學(xué)學(xué)報;2005年09期

相關(guān)會議論文 前4條

1 龐雪蓮;李川勇;葛曼玲;;去除心電信號中呼吸信號的研究進展(綜述)[A];天津市生物醫(yī)學(xué)工程學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

2 龐雪蓮;李川勇;葛曼玲;;應(yīng)用獨立分量分析法去除心電信號中呼吸信號的仿真[A];天津市生物醫(yī)學(xué)工程學(xué)會2008年年會暨首屆生物醫(yī)學(xué)工程與臨床論壇論文集[C];2008年

3 譚晶晶;孔江平;李永宏;;漢語普通話不同文體朗讀時的呼吸重置研究[A];第九屆全國人機語音通訊學(xué)術(shù)會議論文集[C];2007年

4 溫美英;潘水洋;梁允萍;李燁;吳晶;;基于FPGA的非接觸式呼吸信號的濾波實現(xiàn)[A];中國生物醫(yī)學(xué)工程學(xué)會成立30周年紀念大會暨2010中國生物醫(yī)學(xué)工程學(xué)會學(xué)術(shù)大會壁報展示論文[C];2010年

相關(guān)碩士學(xué)位論文 前10條

1 黃亞文;基于呼吸信號的睡眠分期算法研究[D];北京工業(yè)大學(xué);2019年

2 丁燕兵;花兒民歌呼吸韻律研究[D];西北民族大學(xué);2018年

3 李斯農(nóng);用NSP算法研究睡眠狀態(tài)下的人體生理信號[D];北方工業(yè)大學(xué);2018年

4 胡正偉;呼吸信號檢測與預(yù)測技術(shù)的研究[D];南昌航空大學(xué);2017年

5 單禹皓;基于呼吸信號的人類應(yīng)激狀態(tài)實時遙測[D];西南大學(xué);2016年

6 張驍;生物雷達監(jiān)測睡眠呼吸暫停綜合癥的初步研究[D];第四軍醫(yī)大學(xué);2012年

7 丁仲祥;基于智能終端的生命體征監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[D];重慶郵電大學(xué);2017年

8 郭勇;超聲手術(shù)導(dǎo)航系統(tǒng)中圖像去噪和呼吸信號獲取與建模[D];大連理工大學(xué);2014年

9 張言飛;人體呼吸率的非接觸測量研究[D];天津大學(xué);2014年

10 林時來;基于蟻群算法的呼吸信號情感識別研究[D];西南大學(xué);2011年

本文編號：2613176