基于心率和呼吸特征结合的睡眠分期研究

发布时间：2020-12-10 02:24

　　目的研究通过心率和呼吸信号进行睡眠分期,探讨将心率和呼吸信号结合进行睡眠分期研究的有效性。方法基于ISURE-sleep睡眠数据库中9名健康受试者ECG和呼吸波数据,采用时域、频域和非线性分析方法,计算并筛选出HRV、呼吸波和心肺耦合特征共计34个指标。基于SVM、随机森林、XGBoosting和BP神经网络4种分类器构建模型,采用独立被试和非独立被试两种方案对觉醒期、快速眼动期和非快速眼动期进行分类测试。结果在4种分类模型下,综合建模分期方法结果均优于基于HRV或呼吸单一信号建模的睡眠分期方法,综合建模Kappa系数有显著提升。基于XGBoosting的模型在4种方法中表现最优,取得了独立被试测试73.3%的平均准确率（Kappa=0.42）和非独立被试测试准确率88.7%（Kappa=0.75）。结论加入呼吸特征和心肺耦合特征可以作为辅助指标,提升目前常用的基于HRV的睡眠分期模型的性能。心率和呼吸特征结合的睡眠分期方法在便携式睡眠监测等领域具有实际应用价值。 

【文章来源】：航天医学与医学工程. 2020年02期 第152-158页 北大核心

【文章页数】：7 页

【文章目录】：
1 方法
    1.1 数据集
    1.2 ECG和呼吸波预处理
    1.3 特征提取
        1.3.1 HRV特征提取
        1.3.2 呼吸特征提取
        1.3.3 心肺耦合特征
    1.4 特征筛选和归一化
    1.5 建模方法
        1.5.1 支持向量机（SVM）
        1.5.2 XGBoosting
        1.5.3 随机森林
        1.5.4 人工神经网络
    1.6 评判准则
    1.7 统计方法
2 结果与分析
    2.1 结果
    2.2 分类效果分析
3 结论


【参考文献】：
期刊论文
[1]呼吸模式参数应用于提取REM睡眠结构信息[J]. 毕亚琼,俞梦孙,李德玉,杨军,张政波.  医疗卫生装备. 2006(12)
[2]多导睡眠图的临床应用[J]. 陈兴时,张明岛,王继军.  中国行为医学科学. 2000(01)

硕士论文
[1]心肺耦合分析研究[D]. 柴晓珂.中国人民解放军医学院 2015



本文编号：2907914