每個(gè)人的一生大約有1/3的時(shí)間處于睡眠狀態(tài),睡眠是必不可少的生理活動(dòng)。通過睡眠,人的體力得以補(bǔ)充,精神得以恢復(fù),良好的睡眠有利于身心健康。但是隨著生活節(jié)奏的加快,工作學(xué)習(xí)的壓力增加,與睡眠相關(guān)的疾病已經(jīng)嚴(yán)重的影響了人類健康。通過對(duì)人的睡眠質(zhì)量進(jìn)行有效客觀的評(píng)估有利于預(yù)防和治療睡眠相關(guān)的疾病,評(píng)估睡眠質(zhì)量的一個(gè)重要手段之一是根據(jù)人的睡眠腦電信號(hào)進(jìn)行睡眠分期,這也是客觀評(píng)估睡眠質(zhì)量的前提。腦電信號(hào)反應(yīng)并記錄著大腦生理活動(dòng)狀態(tài),研究腦電信號(hào)特點(diǎn),是研究睡眠分期,改善睡眠質(zhì)量,診斷睡眠疾病的基礎(chǔ),有重要的理論意義和應(yīng)用價(jià)值。本文的主要內(nèi)容是研究一種基于單通道睡眠腦電信號(hào)對(duì)睡眠自動(dòng)分期的方法。本文數(shù)據(jù)來源于Physio Bank中Sleep-EDF數(shù)據(jù)庫(kù)的睡眠腦電信號(hào)。主要內(nèi)容為睡眠腦電信號(hào)的去噪處理、節(jié)律波的提取、睡眠特征的提取和睡眠自動(dòng)分期:(1)信號(hào)的去噪處理使用的小波閾值去噪方法,通過原始腦電信號(hào)做5層小波分解,使用軟閾值方法完成腦電信號(hào)的去噪處理;(2)分別使用7層小波分解和6層小波包分解并重構(gòu)進(jìn)行節(jié)律波的提取,并行比對(duì),最終選用小波包完成睡眠節(jié)律波的提取;(3)使用樣本熵完成對(duì)不同睡眠狀態(tài)下腦電信號(hào)4種節(jié)律波的熵值特征提取,此外對(duì)去噪后腦電信號(hào)使用9、10、11、12、13五個(gè)尺度的熵進(jìn)行睡眠腦電特征的提取;(4)使用4種節(jié)律波的樣本熵和5個(gè)多尺度熵共9個(gè)特征作為分類器的輸入,以隨機(jī)森林和支持向量機(jī)作為分類器,最中得出使用支持向量機(jī)更適合本文做腦電睡眠分期的結(jié)論。實(shí)驗(yàn)結(jié)果表明節(jié)律波的樣本熵,去噪后睡眠腦電信號(hào)的多尺度熵都是進(jìn)行睡眠分期的有效特征,在處理以上述9個(gè)分類特征作為輸入。數(shù)據(jù)量在12000左右的時(shí)長(zhǎng)30s睡眠信號(hào),支持向量機(jī)比隨機(jī)森林分期結(jié)果更加準(zhǔn)確,最優(yōu)綜合分類結(jié)果達(dá)到91.32%。
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R740;TN911.7
【部分圖文】：

第二章 腦電信號(hào)與睡眠分期的精確，也是 EEG 信號(hào)精確的保證；容易保存，平均每次使用成是電極成本的考慮；對(duì)人體無損傷，無副作用，是對(duì)使用者體驗(yàn)合所述，盤狀電極是導(dǎo)出睡眠 EEG 信號(hào)的最佳選擇。電極的位置 EEG 信號(hào)時(shí)，要求電極按照一定的標(biāo)準(zhǔn)固定在大腦頭皮上，并且皮之間導(dǎo)電性良好。標(biāo)準(zhǔn)規(guī)定了采集 EEG 信號(hào)的電極的數(shù)量和位，10-20 標(biāo)準(zhǔn)系統(tǒng)被最為權(quán)威通用[30]。10-20 標(biāo)準(zhǔn)系統(tǒng)介紹如下：，第一條為赤道：從鼻根(Nz)至枕骨隆突(Lz)；第二條為經(jīng)線：(A1)到右耳前點(diǎn)(A2)。上述兩條基線相交于于頭頂 Cz 點(diǎn)。其他電示。

廣東工業(yè)大學(xué)碩士學(xué)位論文 REM 狀態(tài)。這一時(shí)期外在表現(xiàn)為眼球快速運(yùn)動(dòng)，環(huán)境刺激（視覺、聽覺的屏蔽進(jìn)一步加強(qiáng)。但處于這一睡眠時(shí)期相較于 NREM-Ⅳ在體溫、血壓、所提升，新陳代謝有所加快。通常學(xué)者們認(rèn)為這是為了維持身體各項(xiàng)機(jī)能行，向身體各個(gè)部位所需的物質(zhì)和能量所致。綜上所述，R&K 睡眠分期標(biāo)準(zhǔn)如下圖 2.2 所示。

圖 2-3 整晚睡眠狀態(tài)變換Figure 2-3 Change of Sleep Stages throughout the night在正常一整夜的睡眠中各個(gè)睡眠狀態(tài)占比不同，從 Wake 狀態(tài)入睡開始計(jì)算睡時(shí)間，NREM 大約占比 75%-80%，REM 大約占比 20%-25%。各個(gè)時(shí)期詳細(xì)數(shù)據(jù)下表 2-1 所示。表 2-1 各個(gè)睡眠狀態(tài)占比Table 2-1 The proportion of each sleep state睡眠狀態(tài) NREM-Ⅰ NREM-Ⅱ NREM-Ⅲ NREM-Ⅳ REM時(shí)間占比 2%-5% 45%-50% 3%-8% 10%-15% 20%-25%.5 本章小結(jié)第二章 分為兩個(gè)部分。第一部分為腦電部分，包含腦點(diǎn)產(chǎn)生的機(jī)理、采集方式；二部分為睡眠狀態(tài)分期部分，包含幾種節(jié)律波的介紹，以及與睡眠狀態(tài)的對(duì)應(yīng)關(guān)
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙丹;;SVM核函數(shù)與選擇算法[J];數(shù)字技術(shù)與應(yīng)用;2014年09期

2 吳光文;王昌明;包建東;陳勇;胡揚(yáng)坡;;基于自適應(yīng)閾值函數(shù)的小波閾值去噪方法[J];電子與信息學(xué)報(bào);2014年06期

3 周鵬;李向新;張翼;明東;董新明;薛然婷;王學(xué)民;;基于主成分分析和支持向量機(jī)的睡眠分期研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2013年06期

4 郭泰圣;張新長(zhǎng);梁志宇;;神經(jīng)網(wǎng)絡(luò)決策樹的矢量數(shù)據(jù)變化信息快速識(shí)別方法[J];測(cè)繪學(xué)報(bào);2013年06期

5 李欣海;;隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J];應(yīng)用昆蟲學(xué)報(bào);2013年04期

6 陶珂;朱建軍;;多指標(biāo)融合的小波去噪最佳分解尺度選擇方法[J];測(cè)繪學(xué)報(bào);2012年05期

7 沈躍;劉慧;謝洪波;和衛(wèi)星;;基于貝葉斯相關(guān)向量機(jī)的腦電睡眠分期[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

8 方匡南;吳見彬;朱建平;謝邦昌;;隨機(jī)森林方法研究綜述[J];統(tǒng)計(jì)與信息論壇;2011年03期

9 肖榮;李金鳳;覃俊;;一種改進(jìn)的一對(duì)一多類支持向量機(jī)[J];軟件導(dǎo)刊;2010年10期

10 劉慧;謝洪波;和衛(wèi)星;王志中;;基于模糊熵的腦電睡眠分期特征提取與分類[J];數(shù)據(jù)采集與處理;2010年04期

相關(guān)博士學(xué)位論文 前3條

1 殷明;四元數(shù)小波變換理論及其在圖像處理中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2012年

2 葛家怡;睡眠分期及低頻磁場(chǎng)睡眠誘導(dǎo)的研究[D];天津大學(xué);2009年

3 羅光坤;Morlet小波變換理論與應(yīng)用研究及軟件實(shí)現(xiàn)[D];南京航空航天大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 潘虹;睡眠狀態(tài)知覺障礙特征及預(yù)測(cè)因素分析[D];西南醫(yī)科大學(xué);2016年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類[D];河北大學(xué);2015年

3 程佳;基于腦電信號(hào)的睡眠分期研究[D];北京理工大學(xué);2015年

4 王芳;基于雙樹復(fù)小波變換的微弱生物醫(yī)學(xué)信號(hào)處理及其應(yīng)用研究[D];重慶大學(xué);2014年

5 陳曦;基于Hopfield遞歸神經(jīng)網(wǎng)絡(luò)的白天短時(shí)睡眠分期研究[D];華東理工大學(xué);2014年

6 林偉成;基于EEG信號(hào)的認(rèn)知任務(wù)模式分類研究[D];杭州電子科技大學(xué);2014年

7 陳群;腦電生物反饋治療儀與睡眠分期的研究[D];廣東工業(yè)大學(xué);2013年

8 逄增吉;基于小波變換與傅里葉分析的諧波檢測(cè)方法研究[D];沈陽(yáng)工業(yè)大學(xué);2013年

9 井曉茹;基于符號(hào)轉(zhuǎn)移熵和平均能量耗散的睡眠分期分析[D];南京郵電大學(xué);2012年

10 呂桂莉;關(guān)于Haar小波的理論研究及應(yīng)用[D];山東科技大學(xué);2008年

本文編號(hào)：2863788