基于EEG-ECG的睡眠评估算法研究及系统设计

发布时间：2021-01-29 02:32

　　睡眠障碍是亚健康人群普遍存在的疾病,表现为睡眠质量差、失眠等,并可能诱发各种心脑血管疾病。睡眠分期是睡眠障碍的研究前提,据此可分析睡眠质量,为解决睡眠问题提供方向。传统睡眠分期由专业睡眠医师依据多导睡眠监测图（Polysomnography,PSG）进行手动标注,然而,PSG采集过程繁琐,对环境要求严格,且手动标注效率低、耗时长、任务繁重。为了解决已有睡眠监测系统的这些缺陷,本文设计了EEG-ECG便携式睡眠监测系统,并基于单通道前额EEG和单通道ECG信号对自动睡眠分期算法进行了详细的研究。首先,采用PSG系统从临床上获取15例健康人睡眠数据,并由睡眠医师标注了睡眠分期。基于单通道前额EEG和单通道ECG信号从不同模态下提取特征:在脑电模态下,根据EEG信号的频域分析和非线性动力学分析,共提取13种特征值;在心电模态下,根据ECG信号以及心率变异性的时域和频域特性,共提取13种特征值;在耦合模态下,基于改进的耦合算法从心肺信息耦合和心脑信息耦合两个角度进行特征值提取,从心肺信息耦合角度共提取了14种特征值;从心脑信息耦合角度共提取了18种特征值。然后,根据特征值与各睡眠阶段间的相关性... 

【文章来源】：燕山大学河北省

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 睡眠研究背景和意义
    1.2 睡眠分期准则
    1.3 脑电与睡眠
        1.3.1 脑电信号特征
        1.3.2 脑电分析方法及睡眠领域应用研究现状
    1.4 心电与睡眠
        1.4.1 心电信号特征及心率变异性
        1.4.2 基于心电的睡眠分析国内外研究现状
    1.5 机器学习算法在睡眠分期的应用
    1.6 论文主要研究内容
第2章 基于不同模态的特征及机器学习方法
    2.1 基于脑电模态的特征
        2.1.1 睡眠脑电节律
        2.1.2 同步快慢比和β比率
        2.1.3 中值频率和边缘频率
        2.1.4 脑电非线性动力学分析
    2.2 基于心电模态的特征
        2.2.1 心电信号的R波检测
        2.2.2 心率以及呼吸信号的提取
        2.2.3 心率变异性的特征提取
    2.3 基于耦合模态的特征
        2.3.1 心肺-心脑信息耦合算法
        2.3.2 耦合特征
    2.4 机器学习分类方法
        2.4.1 BP神经网络分类算法
        2.4.2 随机森林分类算法
        2.4.3 GA-SVM分类算法
        2.4.4 PSO-SVM分类算法
    2.5 本章小结
第3章 基于EEG-ECG信号的睡眠分期
    3.1 数据的来源
    3.2 信号预处理
        3.2.1 脑电信号预处理
        3.2.2 心电信号预处理
    3.3 特征集整理
        3.3.1 脑电模态下的特征集整理
        3.3.2 心电模态下的特征集整理
        3.3.3 耦合模态下的特征集整理
    3.4 自动睡眠分期的实现
    3.5 睡眠分期结果分析
    3.6 本章小结
第4章 EEG-ECG睡眠监测系统设计
    4.1 系统设计需求及实现流程
    4.2 系统硬件设计
        4.2.1 硬件整体功能设计
        4.2.2 主控芯片选型与简介
        4.2.3 模数转换芯片选型与简介
        4.2.4 无线通信模式的选择与配置
        4.2.5 电源管理模块设计
        4.2.6 数据存储模块设计
        4.2.7 系统的硬件实现
    4.3 系统软件设计
        4.3.1 软件整体功能设计
        4.3.2 安卓操作系统优势
        4.3.3 蓝牙通信和权限设置
        4.3.4 数据接收与处理
        4.3.5 波形显示界面
        4.3.6 数据存储
        4.3.7 系统的软件实现
    4.4 系统整体实现
    4.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于心肺活动的睡眠分期研究[J]. 李涛,李昌兴.  电子技术与软件工程. 2018(08)
[2]基于心电与呼吸信号的睡眠分期算法研究[J]. 黄文汉,张伟,胡立刚,周陈旺,向丹阳.  智能计算机与应用. 2018(01)
[3]基于心电信号的睡眠阶段的辨识[J]. 董精通,张涛,林仲志.  北京生物医学工程. 2017(04)
[4]睡眠呼吸暂停综合征脑电关联维特性研究[J]. 周静,吴效明.  生物医学工程学杂志. 2017(02)
[5]基于脑电模糊分析的睡眠分期方法研究[J]. 刘光达,王伟,尚小虎.  计算机工程与应用. 2017(23)
[6]基于振幅-周期二维特征的脑电样本熵分析[J]. 郭家梁,钟宁,马小萌,张明辉,周海燕.  物理学报. 2016(19)
[7]基于心率变异性分析的睡眠分期方法研究[J]. 王金海,孙微,韦然,赵晓赟,国海丁,王慧泉.  生物医学工程学杂志. 2016(03)
[8]基于心电信号提取呼吸信号的算法[J]. 郭永丛,司玉娟.  吉林大学学报(信息科学版). 2016(03)
[9]基于变分模态分解-传递熵的脑肌电信号耦合分析[J]. 谢平,杨芳梅,李欣欣,杨勇,陈晓玲,张利泰.  物理学报. 2016(11)
[10]由心电信号提取呼吸信息的算法及其仿真实现[J]. 张金宝,王杰华.  南通大学学报(自然科学版). 2014(01)



本文编号：3006118