本文關(guān)鍵詞：基于EEG的睡眠分期與睡眠評(píng)估方法研究

  更多相關(guān)文章： 腦電信號(hào)處理 自動(dòng)睡眠分期 睡眠評(píng)估 特征提取 模式識(shí)別 最小二乘支持向量機(jī)(LS-SVM)

【摘要】：睡眠是對(duì)人的健康至關(guān)重要,隨著睡眠障礙病患的高發(fā),睡眠問(wèn)題備受關(guān)注。睡眠分期是研究睡眠及相關(guān)疾病的基礎(chǔ),是完成睡眠質(zhì)量評(píng)估的前提,具有重要臨床意義。睡眠研究一直是個(gè)熱門話題,臨床上普遍采用人工判別法實(shí)現(xiàn)睡眠分期,效率太低,心理量表法主觀性太強(qiáng),生理參數(shù)檢測(cè)法是一種客觀有效的方法。近年來(lái),已有許多學(xué)者致力于睡眠EEG自動(dòng)分期研究,但國(guó)外進(jìn)展較好,國(guó)內(nèi)相對(duì)滯后,利用睡眠EEG評(píng)估睡眠質(zhì)量的準(zhǔn)確性需待進(jìn)一步提高。研究了一種基于單通道腦電信號(hào)的睡眠自動(dòng)分期方法。對(duì)獲取的腦電信號(hào)進(jìn)行預(yù)處理,提取有效的睡眠腦電特征。設(shè)計(jì)性能優(yōu)良的分類器,實(shí)現(xiàn)睡眠自動(dòng)分期。建立結(jié)合睡眠腦電信號(hào)分析、匹茲堡睡眠質(zhì)量指數(shù)量表和主訴睡眠情況的睡眠綜合評(píng)估模型。睡眠腦電十分復(fù)雜,直接分析和處理很困難,提取反映睡眠時(shí)相變化的特征是睡眠自動(dòng)分期的重要任務(wù)。基于信號(hào)處技術(shù)和非線性動(dòng)力學(xué)方法,提取有效的睡眠腦電特征(10個(gè)能量特征和1個(gè)Lempel-Ziv復(fù)雜度特征)。10個(gè)能量特征包括總能量,k-complex波、δ波、θ波、α波、sleep spindle波、β1波和β2波的相對(duì)能量,以及兩個(gè)波段的能量比(E E??、E E??)。對(duì)比FIR帶通濾波器、Hilbert-Huang變換和小波包分解三種腦電特征波提取方法,并驗(yàn)證了特征的有效性。模式分類是睡眠自動(dòng)分期的關(guān)鍵技術(shù),選用LS-SVM作為分類器,對(duì)睡眠腦電特征進(jìn)行識(shí)別,實(shí)現(xiàn)自動(dòng)分期。比較幾種流行的模式識(shí)別分類方法(fisher線性判別分類器、人工神經(jīng)網(wǎng)絡(luò)和LS-SVM),對(duì)各個(gè)算法的優(yōu)缺點(diǎn)進(jìn)行分析總結(jié)。設(shè)計(jì)性能良好的LS-SVM多分類器,對(duì)自動(dòng)分期系統(tǒng)進(jìn)行測(cè)試,驗(yàn)證該睡眠自動(dòng)分期方法的有效性。基于睡眠的復(fù)雜性特點(diǎn),在睡眠自動(dòng)分期系統(tǒng)的基礎(chǔ)上,建立睡眠腦電信號(hào)分析、匹茲堡睡眠質(zhì)量指數(shù)量表和主訴睡眠情況相結(jié)合的睡眠綜合評(píng)估模型。量表法評(píng)估睡眠簡(jiǎn)單直接,但主觀性較強(qiáng);腦電信號(hào)檢測(cè)法是一種客觀的方法,但需進(jìn)行大量信號(hào)處理分析,且結(jié)果受分期準(zhǔn)確率的限制。結(jié)合各種方法的優(yōu)缺點(diǎn),建立睡眠綜合評(píng)估系統(tǒng),使睡眠評(píng)估更客觀、準(zhǔn)確。
【關(guān)鍵詞】：腦電信號(hào)處理 自動(dòng)睡眠分期 睡眠評(píng)估 特征提取 模式識(shí)別 最小二乘支持向量機(jī)(LS-SVM)
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R740;R318.04
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-21
• 1.1 課題研究的背景和意義11-13
• 1.1.1 課題研究的背景11-12
• 1.1.2 課題研究的意義12-13
• 1.2 睡眠腦電研究現(xiàn)狀13-15
• 1.2.1 睡眠腦電研究現(xiàn)狀13
• 1.2.2 睡眠分期現(xiàn)狀13-15
• 1.3 睡眠監(jiān)測(cè)技術(shù)國(guó)內(nèi)外發(fā)展現(xiàn)狀15-19
• 1.3.1 多導(dǎo)睡眠監(jiān)測(cè)儀（PSG）15-17
• 1.3.2 便攜式睡眠監(jiān)測(cè)儀（PMDs）17-19
• 1.4 研究?jī)?nèi)容和論文結(jié)構(gòu)19-21
• 1.4.1 論文研究的內(nèi)容19-20
• 1.4.2 論文結(jié)構(gòu)安排20-21
• 第二章 睡眠腦電分期原理21-31
• 2.1 腦電基礎(chǔ)知識(shí)21-25
• 2.1.1 腦電信號(hào)的產(chǎn)生21
• 2.1.2 腦電信號(hào)的采集21-23
• 2.1.3 腦電的基本波形23-24
• 2.1.4 腦電信號(hào)的分析方法24-25
• 2.2 睡眠基礎(chǔ)理論25-28
• 2.2.1 睡眠分期準(zhǔn)則25-26
• 2.2.2 睡眠各期特點(diǎn)26-28
• 2.3 睡眠腦電分期系統(tǒng)28-30
• 2.3.1 睡眠腦電自動(dòng)分期系統(tǒng)28-29
• 2.3.2 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理29-30
• 2.4 本章小結(jié)30-31
• 第三章 特征提取算法研究31-46
• 3.1 能量特征提取算法及實(shí)驗(yàn)31-40
• 3.1.1 腦電能量特征提取算法31-35
• 3.1.2 能量特征提取實(shí)驗(yàn)35-40
• 3.2 LZC特征提取算法及實(shí)驗(yàn)40-42
• 3.2.1 LZC算法原理40-41
• 3.2.2 LZC特征提取實(shí)驗(yàn)41-42
• 3.3 特征降維方法及實(shí)驗(yàn)42-45
• 3.3.1 特征選擇方法42-44
• 3.3.2 主成分分析(PCA)方法44-45
• 3.4 本章小結(jié)45-46
• 第四章 分類算法研究46-56
• 4.1 分類算法原理46-51
• 4.1.1 fisher線性分類器46-48
• 4.1.2 人工神經(jīng)網(wǎng)絡(luò)48-49
• 4.1.3 最小二乘支持向量機(jī)（LS-SVM）49-51
• 4.2 自動(dòng)分期實(shí)驗(yàn)51-54
• 4.2.1 LS-SVM多分類器的構(gòu)建51-52
• 4.2.2 自動(dòng)分期系統(tǒng)測(cè)試52-54
• 4.2.3 結(jié)果討論54
• 4.3 本章小結(jié)54-56
• 第五章 睡眠質(zhì)量評(píng)估系統(tǒng)56-60
• 5.1 基于EEG的睡眠評(píng)估56-58
• 5.1.1 睡眠測(cè)量指標(biāo)56-57
• 5.1.2 基于EEG的睡眠評(píng)估57-58
• 5.2 睡眠質(zhì)量綜合評(píng)估系統(tǒng)58-59
• 5.3 本章小結(jié)59-60
• 總結(jié)和展望60-63
• 總結(jié)60
• 展望60-63
• 參考文獻(xiàn)63-70
• 附錄:匹茨堡睡眠質(zhì)量指數(shù)量表(PSQI)70-77
• 攻讀碩士期間取得的研究成果77-78
• 致謝78-79
• 附件79

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 毛勇;周曉波;夏錚;尹征;孫優(yōu)賢;;特征選擇算法研究綜述[J];模式識(shí)別與人工智能;2007年02期

2 李英遠(yuǎn),周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號(hào)建模中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;2002年02期

3 江朝暉,劉大路,馮煥清,袁宇;腦電復(fù)雜性的一種新特征[J];數(shù)據(jù)采集與處理;2005年01期

4 徐琳,許百華;非線性動(dòng)力學(xué)腦電信號(hào)分析方法的研究與應(yīng)用[J];心理科學(xué);2005年03期

5 向玲;朱永利;唐貴基;;HHT方法在轉(zhuǎn)子振動(dòng)故障診斷中的應(yīng)用[J];中國(guó)電機(jī)工程學(xué)報(bào);2007年35期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 方光戰(zhàn);大鼠睡眠分期及腦電標(biāo)度行為研究[D];電子科技大學(xué);2010年

2 朱曉軍;HHT變換及其在腦電信號(hào)處理中的應(yīng)用研究[D];太原理工大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 安文娟;Fisher和支持向量綜合分類器[D];遼寧師范大學(xué);2010年

2 戴冷n\;腦電信號(hào)的特征提取與分析方法研究[D];浙江大學(xué);2011年

3 李偉研;睡眠腦電信號(hào)處理及其在睡眠分期中的應(yīng)用研究[D];廣東工業(yè)大學(xué);2011年

4 江麗儀;睡眠過(guò)程心率變異性分析及睡眠呼吸暫停綜合征的判別研究[D];華南理工大學(xué);2011年

5 朱曉恩;基于群體智能的醫(yī)學(xué)圖像特征優(yōu)化算法研究[D];浙江大學(xué);2012年

6 吳曉彬;時(shí)頻分析及其在腦電信號(hào)分析中應(yīng)用的研究[D];大連理工大學(xué);2005年

7 李凌;Hilbert-Huang變換在說(shuō)話人識(shí)別中的應(yīng)用[D];湘潭大學(xué);2006年

8 肖余糧;睡眠腦電的特性分析和睡眠分期研究[D];江蘇大學(xué);2006年

9 張新聞;腦—機(jī)系統(tǒng)中特征提取方法的研究[D];蘭州理工大學(xué);2007年

10 梁曉花;基于腦電心電數(shù)據(jù)融合的睡眠分期[D];江蘇大學(xué);2008年

，

本文編號(hào)：923925