【摘要】：睡眠障礙疾病往往是誘發(fā)或加重心腦血管疾病以及精神心理疾患的主要因素。臨床上通過多導睡眠圖來判別睡眠結構及診斷睡眠疾病,該方法操作復雜而且費用昂貴,并影響受測者的自然睡眠。因此,研究適用于社區(qū)家庭的無約束睡眠障礙疾病檢測與信號分析技術已成為當今一個研究熱點。研究發(fā)現(xiàn),睡眠與自主神經(jīng)系統(tǒng)的調控有關,而自主神經(jīng)系統(tǒng)的活動情況主要通過心率變異性(HRV)進行測評。鑒于此,論文基于心率變異性分析提取睡眠時相信息,從參數(shù)的變化規(guī)律中尋找心率變異性與睡眠時相的對應關系,進而采用模糊支持向量機判定睡眠呼吸暫停綜合征(SAS)進行了探索性研究,為睡眠的分析工作提供更加簡便的手段。 采用Matlab GUI技術構建睡眠心率變異性自動檢測分析交互界面,實現(xiàn)HRV信號檢測、時頻域和非線性分析功能。HRV信號檢測部分,深入探討了心電預處理算法和R波提取算法的選取與設計。針對心電信號微弱性、低頻特性、不穩(wěn)定性等特點,提出梳狀濾波器和小波分解與重構去噪法相結合的心電預處理算法,有效抑制了工頻干擾和基線漂移的影響。同時,根據(jù)心電信號波形特征,提出時域提取R波算法,通過初檢和復檢機制,有效保證了R波峰值檢測的正確率。HRV分析部分,選取時域統(tǒng)計法、自回歸模型譜估計、龐加萊散點圖、去趨勢波動分析等具有代表性的方法,為全面、客觀地評價自主神經(jīng)系統(tǒng)活動情況和判別SAS提供重要的參考指標。 對健康者和AHI15的SAS患者兩組樣本的睡眠心率變異性進行去趨勢波動分析(DFA)和自回歸(AR)模型譜分析估計。兩組樣本DFA標度指數(shù)的變化規(guī)律顯示,在不同的睡眠時相,RR間期序列均存在長程相關性;從醒覺或REM期過渡到NREM期,標度指數(shù)呈現(xiàn)逐漸減小的趨勢。功率譜參數(shù)LF/HF的變化規(guī)律顯示,從醒覺或REM期過渡到NREM期,LF/HF逐漸減小,表明副交感神經(jīng)活動逐漸占主導作用。DFA和AR模型譜估計能有效反映心率變異性在各個睡眠時相的差異,其中DFA標度指數(shù)更具有顯著性差異。此外,SAS患者的DFA標度指數(shù)和LF/HF的值明顯比健康者偏高,可以作為SAS患者的判定依據(jù)。在上述實驗結果基礎上,引入模糊支持向量機對HRV的特征向量進行模式識別,實現(xiàn)健康者與SAS患者的初步分類,分類正確率達到93.94%。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：R56

【參考文獻】

相關期刊論文 前10條

1 楊軍,彭承琳,吳寶明;小波分析在醫(yī)學中的應用[J];國外醫(yī)學.生物醫(yī)學工程分冊;2002年02期

2 劉暢;孫德山;;模糊支持向量機隸屬度的確定方法[J];計算機工程與應用;2008年11期

3 楊志民,田英杰,鄧乃揚;模糊支持向量分類機[J];計算機工程;2005年20期

4 江朝暉,李繼偉,馮煥清,王濤;R-R間期分析與睡眠分期[J];生物醫(yī)學工程研究;2003年03期

5 吳鋒,俞夢孫,成奇明,金璋瑞,張宏金;基于譜分析方法提取心動周期變異性中的睡眠結構信息[J];生物醫(yī)學工程學雜志;2004年02期

6 寧艷;江朝暉;安濱;馮煥清;;睡眠生理參數(shù)的去趨勢波動分析[J];生物醫(yī)學工程學雜志;2007年02期

7 杜U，

本文編號：2672615