当前位置:主页 > 医学论文 > 生物医学论文 >

基于脑电心电数据融合的睡眠分期

发布时间:2017-04-25 02:13

  本文关键词:基于脑电心电数据融合的睡眠分期,由笔耕文化传播整理发布。


【摘要】: 心脑血管疾病的增多、人口老龄化问题的突出,使得睡眠质量评估和睡眠类疾病诊断成为21世纪挑战性的研究。提高早期诊断水平并及时予以控制和治疗是降低心脑血管疾病对人类危害的有效途径。 本文首先简要介绍了睡眠分期标准及国内外睡眠分期的研究现状,阐述了脑电信号和心电信号的形成机理和生理特点;在此基础上,重点分析和研究了基于小数据量算法的最大Lyapunov指数方法以及衡量时间序列复杂度的近似熵方法在脑电特征提取中的应用,比较了两者在表征睡眠状态方面的特点;同时利用样本熵和去趋势波动分析方法研究了心率变异性信号的非线性特性;论文最后引入基于统计学习理论的支持向量机(SVM)方法对所得特征量进行分类识别。 用Matlab软件编写程序进行研究,结果表明近似熵方法较最大Lyapunov指数方法更能有效获取脑电信号的睡眠信息;用非线性方法分析心率变异性信号提取的睡眠信息较少,说明单纯依靠心率变异性信号不能够很好地反映睡眠状态;用支持向量机分析脑电信号和心电信号的特征参数,能够较好地将觉醒期与其它睡眠状态区分,但是对于睡眠状态NREM期和REM期的识别率不高。
【关键词】:脑电信号 心率变异性信号 最大Lyapunov指数 近似熵 样本熵 去趋势波动分析 支持向量机 睡眠分期
【学位授予单位】:江苏大学
【学位级别】:硕士
【学位授予年份】:2008
【分类号】:R318
【目录】:
  • 摘要5-6
  • ABSTRACT6-9
  • 第一章 绪论9-14
  • 1.1 睡眠分期研究概述9-10
  • 1.2 睡眠脑电研究现状10-12
  • 1.2.1 人工神经网络11
  • 1.2.2 小波分析11
  • 1.2.3 混沌和分形11-12
  • 1.3 选题的意义12-13
  • 1.4 本文的研究内容13-14
  • 第二章 睡眠的生理基础14-23
  • 2.1 睡眠的发生与调控14-16
  • 2.2 脑电与睡眠16-20
  • 2.2.1 脑电图16-17
  • 2.2.2 脑电节律17-18
  • 2.2.3 脑电信号的特点及其对信号处理的要求18-19
  • 2.2.4 脑电信号与睡眠分期19-20
  • 2.3 心电与睡眠20-22
  • 2.3.1 心电信号的产生机理20-21
  • 2.3.2 心电信号与睡眠分期21-22
  • 2.4 本章小结22-23
  • 第三章 睡眠脑电的非线性分析23-40
  • 3.1 睡眠脑电的最大Lyapunov指数分期研究24-33
  • 3.1.1 最大Lyapunov指数定义及算法24-26
  • 3.1.2 脑电信号的最大Lyapunov指数参数选取26-29
  • 3.1.3 最大Lyapunov指数分期试验结果与分析29-33
  • 3.2 睡眠脑电的近似熵分期研究33-38
  • 3.2.1 近似熵定义及算法33-35
  • 3.2.2 脑电信号的近似熵参数选取35-36
  • 3.2.3 近似熵分期试验结果与分析36-38
  • 3.3 睡眠脑电的最大Lyapunov指数与近似熵分期比较38-39
  • 3.4 本章小结39-40
  • 第四章 基于心电信号的睡眠分期研究40-51
  • 4.1 心率变异性信号的生成40-43
  • 4.1.1 数据段的选择41-42
  • 4.1.2 R-R间期序列的均匀化42-43
  • 4.2 心率变异性信号的样本熵分析43-46
  • 4.2.1 样本熵定义及算法43-44
  • 4.2.2 睡眠心率变异性信号的样本熵试验结果与分析44-46
  • 4.3 心率变异性信号的去趋势波动分析46-50
  • 4.3.1 去趋势波动分析定义及算法46-48
  • 4.3.2 睡眠心率变异性信号的去趋势波动分析试验与结果48-50
  • 4.4 本章小结50-51
  • 第五章 运用支持向量机对睡眠分期进行模式识别51-60
  • 5.1 支持向量机的理论基础51-55
  • 5.1.1 支持向量机概述51
  • 5.1.2 最优分类面51-54
  • 5.1.3 支持向量机多值分类算法54-55
  • 5.2 睡眠分期的支持向量机识别结果55-59
  • 5.2.1 支持向量机模式识别的构建55-56
  • 5.2.2 睡眠分期的支持向量机模式识别试验结果与分析56-59
  • 5.3 本章小结59-60
  • 第六章 总结与展望60-62
  • 参考文献62-66
  • 致谢66-67
  • 攻读硕士期间发表论文67

【引证文献】

中国期刊全文数据库 前6条

1 贾花萍;李尧龙;哈渭涛;史晓影;;K-means聚类神经网络分类器在睡眠脑电分期中的应用研究[J];河南科学;2012年06期

2 贾花萍;;基于神经网络集成的睡眠脑电分期研究[J];计算技术与自动化;2012年02期

3 闫林;;基于脑电的运动员午睡睡眠分期研究[J];南京体育学院学报(自然科学版);2013年02期

4 王歆媛;汪丰;;基于EEG复杂度和近似熵的睡眠自动分期[J];软件;2013年02期

5 周越;闫林;王德刚;何文革;周君一;陈琳;;不同时长午睡对运动员机能的影响[J];中国体育科技;2011年02期

6 王春方;张力新;刘爽;孙长城;王勇军;赵欣;綦宏志;周鹏;万柏坤;杜金刚;明东;;基于去趋势波动分析(DFA)的脑卒中后抑郁症静息脑电特征提取与识别[J];中国生物医学工程学报;2013年05期

中国博士学位论文全文数据库 前1条

1 郑莹莹;基于桡动脉波形分析的动脉硬化评估指标研究[D];中国科学技术大学;2011年

中国硕士学位论文全文数据库 前3条

1 闫林;午睡对运动员身体机能影响的研究[D];北京体育大学;2011年

2 井晓茹;基于符号转移熵和平均能量耗散的睡眠分期分析[D];南京邮电大学;2012年

3 李玲;睡眠脑电的分析处理和睡眠分期研究[D];北京交通大学;2010年


  本文关键词:基于脑电心电数据融合的睡眠分期,,由笔耕文化传播整理发布。



本文编号:325395

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/swyx/325395.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a3446***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com