基于MSE-PCA的脑电睡眠分期方法研究

发布时间：2018-04-15 03:16

本文选题：自动睡眠分期 + 脑电信号(EEG)　；参考：《电子技术应用》2017年09期

【摘要】：针对传统的自动睡眠分期准确率不足问题,提出一种将多尺度熵(MSE)和主成分分析(PCA)联合使用的自动睡眠分期方法。以8例受试者睡眠脑电(EEG)监测数据及专家人工分期结果作为样本,首先使用MSE表征受试者脑电信号不同睡眠期的非线性动力学特征;然后使用PCA的前两个主成分向量代替MSE特征进行降维,实现降低数据冗余的同时保留绝大多数EEG非线性特征;最终将新向量的特征参数输入到反馈神经网络(BPNN)分类器中实现MSE-PCA模型的脑电睡眠状态的自动识别分类。实验结果表明,自动分期准确率可达到87.9%,kappa系数0.77,该方法能提高脑电自动睡眠分期系统的准确率和稳定性。
[Abstract]:In order to solve the problem of insufficient accuracy rate of traditional automatic sleep stages , an automatic sleep stage method combining multi - scale entropy ( MSE ) and principal component analysis ( PCA ) was proposed .

【作者单位】：郑州大学信息工程学院;河南省经贸学院;河南工业大学电气工程学院;
【基金】：国家自然科学基金资助项目(61306106)
【分类号】：R740;TN911.7

【相似文献】