多参数信息融合实现非脑电的睡眠结构分期

目前临床睡眠分析的主要手段是多导睡眠图(Polysomnograph,PSG),用仪器记录被测者整晚的脑电、眼动电和颏肌电等生理参数,计算机进行自动睡眠分期,再由技术人员依据国际标准进行校正。几十年来PSG保持着睡眠分期金标准的地位。提出在不使用脑电的条件下,利用较易获得的心动周期、呼吸、体动等基本生理参数,提取其中与睡眠过程及其变化有关的规律和信息,建立知识规则库,采用不确定推理的证据理论进行多参数睡眠信息融合计算,实现睡眠结构分期。50余例与PSG对照试验结果表明:醒睡的平均符合率达90%以上,基本睡眠结构的平均符合率达75%以上,证明该技术达到了应用的要求。

基于支持向量机的睡眠结构分期研究

为了提高睡眠结构分期的准确度,克服分类时样本不足对分类的影响,使用MIT-BIH数据库整晚睡眠脑电数据作为研究样本,提取了时域、频域和非线性共16个参数作为分类特征,用支持向量机的一对一多类分类方法,采用顺序最小优化算法,以径向基函数作为核函数对样本分类。分类结果与专家的分类标注对比,分类准确率达到92%以上。支持向量机可作为睡眠分期的一种实用算法。

一种新型多参数睡眠质量评测系统的研制

为了研究睡眠呼吸障碍疾病对人体生理机能的影响,且对人体夜间睡眠质量水平进行准确、客观的评价,从而能够帮助呼吸障碍患者改善睡眠质量,从系统的硬件电路设计、软件及算法分析设计等部分详细阐述了一种新型多参数睡眠质量评测系统的研制过程。系统硬件平台采集11道夜间睡眠期的生理信号,在监测平台上实时显示、存储。采集到整夜的睡眠数据后,通过综合睡眠期呼吸紊乱事件判定、睡眠期心血管事件判定、睡眠期醒觉反应事件判定、睡眠结构分期等事件的分析结果,能够有效地辅助睡眠医生对睡眠障碍患者的睡眠质量进行深刻的评价。