马氏田口施密特度量的双通道睡眠脑电信号异常检测

针对人工判别人睡眠质量存在的主观性过强、步骤烦琐以及准确性不高等局限性,采用马氏田口系统判别方法,提出一种基于马氏田口模型的睡眠质量的自动检测算法。算法通过对已被人工专家准确进行睡眠分期的人脑双通道脑电信号进行建模分析,在不同睡眠周期下,求取各个通道的标准化向量;同时进行对线性独立向量组进行施密特正交化处理,运用马氏田口施密特正交化方法计算出各个睡眠阶段的信噪比均值,以判别出睡眠质量正常者和异常者。实验表明,该算法可以有效地对睡眠质量的正常和异常进行检测。

马氏田口施密特度量学习算法研究

人工判别人体睡眠质量一直存在着主观性过强,步骤繁琐以及准确性不高等局限性,此外由于人体睡眠异常检测研究的对象主要是人的脑电信号,传统意义上对大数据量的脑电信号仅凭经验观察和实验的方法已很难从中提取有效信息。对此,文中将马氏田口系统判别方法引入到生物计算学领域,提出一种基于马氏田口模型的睡眠质量自动检测算法。该算法通过对人脑双通道脑电信号进行建模分析,整个人睡眠的脑电信号已被人工睡眠专家标记成了六种状态的睡眠周期,算法在不同睡眠周期下,求取各个通道的标准化向量,同时对线性独立向量组进行施密特正交化处理,运用马氏田口施密特正交化方法计算出各个睡眠周期的信噪比均值,以判别出睡眠质量正常者和异常者。实验结果表明,该算法可以有效地对睡眠质量的正常和异常进行检测。