基于脑电模糊熵的呼吸暂停事件自动检测方法

针对医用多导睡眠监测仪不便于家用普及的问题,设计了一种基于单一脑电信号的呼吸暂停事件检测算法,利用巴特沃斯滤波器对脑电信号进行频带分解,采用基于模糊熵的方法在子带信号中提取特征参数,对比呼吸暂停和正常呼吸期间对应脑电模糊熵的变化,建立机器学习分类模型对呼吸暂停事件和正常呼吸事件进行分类,并采用来自2个独立数据库的55名被试的睡眠脑电数据对该方法的有效性进行验证。结果表明:该方法在公共数据和临床数据中分别取得了93.25%和94.50%的准确率,证明了脑电模糊熵可有效地表征呼吸暂停期间的脑电特性,为便携式呼吸暂停检测设备的实现提供了理论基础及技术支持。