基于单通道脑电信号的自动睡眠分期

摘要

针对传统自动睡眠分期准确率不足的问题,提出一种基于单通道脑电(EEG)信号的新型睡眠分期方法。以8例受试者睡眠脑电监测数据及专家人工分期结果作为样本,首先使用两层滤波器实现对原始脑电信号的去噪,然后利用小波变换算法提取各睡眠阶段节律波的相对能量均值作为第一部分特征参数,并添加多尺度熵算法分析各睡眠阶段的复杂度特征,选取9~13尺度的多尺度熵值作为第二部分的特征参数。将所有的特征参数输入到反馈传播神经网络分类器中实现睡眠阶段的自动识别分类。通过实验结果的统计分析,该方法的平均分期准确率达到85.81%,相比传统的小波变换、样本熵和模糊熵方法,有更高的系统稳定性和准确率。