基于MSE-PCA的脑电睡眠分期方法研究

• Published in: 电子技术应用 Vol. 43; no. 9; pp. 22 - 24
• Main Author: 刘雪峰 马州生 赵艳阳 余传奇 范文兵
• Format: Journal Article
• Language: Chinese
• Published: 郑州大学信息工程学院,河南郑州,450001%河南省经贸学院,河南郑州,450046%河南工业大学电气工程学院,河南郑州,450001 2017
• Subjects: 自动睡眠分期;脑电信号(EEG);多尺度熵(MSE);主成分分析(PCA);反馈神经网络(BPNN); 反馈神经网络(BPNN); 主成分分析(PCA); principal component analysis (PCA); multi-scale entropy (MSE); automatic sleep staging; back propagation network(BPNN); 脑电信号(EEG); 自动睡眠分期; 多尺度熵(MSE); electroencephalogram (EEG)
• ISSN: 0258-7998
• DOI: 10.16157/j.issn.0258-7998.172872

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。