基于脑机接口的睡眠分期算法及应用

发布时间：2020-03-31 14:14

【摘要】：面对与日俱增的生活工作压力,越来越多的人被迫加入到快节奏的生活方式中来。与之相伴而来的,是更多的人受到了睡眠障碍疾病的困扰,个体睡眠质量急剧下降。在这样的时代背景下,进行睡眠活动相关研究,改善睡眠质量,具有重要的意义。睡眠分期是睡眠活动研究领域的重点内容。通过睡眠分期,个体的睡眠活动进程变得一目了然。深睡时长,睡眠总时间以及睡眠效率等睡眠质量评估指标的计算也变得简单。睡眠分期是睡眠质量评估的有利辅助。当下,基于脑电信号的睡眠分期成为了睡眠分期研究的主流趋势。而在脑电信号应用领域,脑机接口(Brain-computer Interface,BCI)技术是典型代表。因此本文创新式地将脑机接口技术同睡眠分期相结合,以基于脑机接口的睡眠分期算法及应用作为研究课题,并进行了相关的研究性工作。(1)基于频域分析和统计计算,本文提出了一种自动睡眠分期算法。首先借助傅里叶变换提取信号的频谱特征,边缘频率。再提取信号的均值,标准差等统计特征,共同构成特征向量。运用交叉验证,在公开数据集上对算法分类性能进行测试,平均准确率为85%,Kappa系数为0.83。实验结果证明了算法的分类性能较为理想。(2)设计离线睡眠分期实验。依照AASM进行睡眠脑电信号和眼电信号记录。其中,眼电信号用于专家进行睡眠标签时的辅助,脑电信号用于后续分析处理。应用本文提出的自动睡眠分期算法提取特征,交叉验证得到分类结果,平均准确率达到77%,Kappa系数为0.70。进一步检验了算法的泛化性能。(3)设计在线睡眠分期实验。运用脑机接口技术实时采集实验对象的睡眠脑电信号,利用预先训练好的分类模型,对睡眠时期进行实时预测。结合专家给出的测试数据集的正确标签,构造混淆矩阵,计算在线分类准确率。在线准确率为77%,Kappa系数为0.68。检验了实时睡眠分期系统的性能。
【图文】：

示意图,示意图,时间长度,时长

Ｗａｖｅ邋Ｓｌｅｅｐ，邋ＳＷＳ）0逡逑上述两种标准在评定睡眠时期时，通常以３０秒时长作为一个睡眠片段（ｅｐｏｃｈ），逡逑本文后续的睡眠样本时间长度也遵照３０秒。两种标准对应的睡眠分期结构图如图１－２逡逑６逡逑

示意图,阶段划分,标签,类别

是本文研宄内容的出发点。逡逑脑电信号采集灥特征提取与选择一）分榐别４结果输出逡逑图１－１自动睡眠分期研究流程示意图逡逑１．３睡眠分期逡逑睡眠分期研宄所做的就是将整晚的睡眠过程划分为几个特定的阶段，得到睡眠阶段逡逑分布。这样做的意义在于，通过分期，可以计算出不同阶段的总时长和所占比例。通过逡逑与正常情况下的睡眠阶段分布相对比，即可大致了解对象的睡眠变化情况，为制定相应逡逑的治疗方案提供理论依据。逡逑１．３．１睡眠分期标准逡逑为完成睡眠分期，，要先确定遵循的分期标准。目前典型的睡眠分期标准有两个，一逡逑个是《人类睡眠阶段标准化术语，技术及划分系统手册》，由ＲｅｃｈｔｓｃｈａｌＴｅｎ和Ｋａｌｅｓ提逡逑出并制定，故简称Ｒ＆Ｋ标准［１５］。另一个是由美国睡眠医学会针对Ｒ＆Ｋ标准提出的修逡逑正版本，简称ＡＡＳＭ标准。现分别对两个标准作以介绍：逡逑（１）逦Ｒ＆Ｋ标准：将睡眠过程划分为三个阶段：清醒期（ＷａｋｅｆｉｊｌｎｅＳＳ
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN911.7;R318

【参考文献】