收藏本站
《广东工业大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

睡眠脑电分析与自动分期方法的研究

陈萌  
【摘要】:每个人的一生大约有1/3的时间处于睡眠状态,睡眠是必不可少的生理活动。通过睡眠,人的体力得以补充,精神得以恢复,良好的睡眠有利于身心健康。但是随着生活节奏的加快,工作学习的压力增加,与睡眠相关的疾病已经严重的影响了人类健康。通过对人的睡眠质量进行有效客观的评估有利于预防和治疗睡眠相关的疾病,评估睡眠质量的一个重要手段之一是根据人的睡眠脑电信号进行睡眠分期,这也是客观评估睡眠质量的前提。脑电信号反应并记录着大脑生理活动状态,研究脑电信号特点,是研究睡眠分期,改善睡眠质量,诊断睡眠疾病的基础,有重要的理论意义和应用价值。本文的主要内容是研究一种基于单通道睡眠脑电信号对睡眠自动分期的方法。本文数据来源于Physio Bank中Sleep-EDF数据库的睡眠脑电信号。主要内容为睡眠脑电信号的去噪处理、节律波的提取、睡眠特征的提取和睡眠自动分期:(1)信号的去噪处理使用的小波阈值去噪方法,通过原始脑电信号做5层小波分解,使用软阈值方法完成脑电信号的去噪处理;(2)分别使用7层小波分解和6层小波包分解并重构进行节律波的提取,并行比对,最终选用小波包完成睡眠节律波的提取;(3)使用样本熵完成对不同睡眠状态下脑电信号4种节律波的熵值特征提取,此外对去噪后脑电信号使用9、10、11、12、13五个尺度的熵进行睡眠脑电特征的提取;(4)使用4种节律波的样本熵和5个多尺度熵共9个特征作为分类器的输入,以随机森林和支持向量机作为分类器,最中得出使用支持向量机更适合本文做脑电睡眠分期的结论。实验结果表明节律波的样本熵,去噪后睡眠脑电信号的多尺度熵都是进行睡眠分期的有效特征,在处理以上述9个分类特征作为输入。数据量在12000左右的时长30s睡眠信号,支持向量机比随机森林分期结果更加准确,最优综合分类结果达到91.32%。
【学位授予单位】:广东工业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:R740;TN911.7

【参考文献】
中国期刊全文数据库 前10条
1 鹏飞;;睡吧——让失眠者睡的香[J];现代营销(创富信息版);2017年12期
2 王旭;王昶;;一种改进小波阈值去噪方法的研究[J];大地测量与地球动力学;2017年10期
3 王卫星;孙守迁;李超;唐智川;;基于卷积神经网络的脑电信号上肢运动意图识别[J];浙江大学学报(工学版);2017年07期
4 赵丹;;SVM核函数与选择算法[J];数字技术与应用;2014年09期
5 吴光文;王昌明;包建东;陈勇;胡扬坡;;基于自适应阈值函数的小波阈值去噪方法[J];电子与信息学报;2014年06期
6 周鹏;李向新;张翼;明东;董新明;薛然婷;王学民;;基于主成分分析和支持向量机的睡眠分期研究[J];生物医学工程学杂志;2013年06期
7 郭泰圣;张新长;梁志宇;;神经网络决策树的矢量数据变化信息快速识别方法[J];测绘学报;2013年06期
8 李欣海;;随机森林模型在分类与回归分析中的应用[J];应用昆虫学报;2013年04期
9 陶珂;朱建军;;多指标融合的小波去噪最佳分解尺度选择方法[J];测绘学报;2012年05期
10 沈跃;刘慧;谢洪波;和卫星;;基于贝叶斯相关向量机的脑电睡眠分期[J];江苏大学学报(自然科学版);2011年03期
中国博士学位论文全文数据库 前3条
1 殷明;四元数小波变换理论及其在图像处理中的应用研究[D];合肥工业大学;2012年
2 葛家怡;睡眠分期及低频磁场睡眠诱导的研究[D];天津大学;2009年
3 罗光坤;Morlet小波变换理论与应用研究及软件实现[D];南京航空航天大学;2007年
中国硕士学位论文全文数据库 前10条
1 潘虹;睡眠状态知觉障碍特征及预测因素分析[D];西南医科大学;2016年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 程佳;基于脑电信号的睡眠分期研究[D];北京理工大学;2015年
4 王芳;基于双树复小波变换的微弱生物医学信号处理及其应用研究[D];重庆大学;2014年
5 陈曦;基于Hopfield递归神经网络的白天短时睡眠分期研究[D];华东理工大学;2014年
6 林伟成;基于EEG信号的认知任务模式分类研究[D];杭州电子科技大学;2014年
7 陈群;脑电生物反馈治疗仪与睡眠分期的研究[D];广东工业大学;2013年
8 逄增吉;基于小波变换与傅里叶分析的谐波检测方法研究[D];沈阳工业大学;2013年
9 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
10 吕桂莉;关于Haar小波的理论研究及应用[D];山东科技大学;2008年
【共引文献】
中国期刊全文数据库 前10条
1 任向辉;余昊;杨萌;吕栋标;刘俊杰;李鹏;;基于随机森林模型的紫薇绒蚧微环境因子排序[J];森林与环境学报;2018年04期
2 柴颖;;基于随机森林回归分析的径流预报模型[J];水利水电快报;2018年09期
3 陈锦铭;郭雅娟;伍旺松;吴倩红;韩蓓;李国杰;;基于数据预处理与特征表示的多核SVM短期光伏发电预测[J];水电能源科学;2018年09期
4 王伟健;姚展予;贾烁;赵文慧;谭超;张沛;高亮书;祝晓芸;;随机森林算法在人工增雨效果统计检验中的应用研究[J];气象与环境科学;2018年02期
5 周建;向北平;倪磊;艾攀华;;基于Shannon熵的自适应小波包阈值函数去噪算法研究[J];振动与冲击;2018年16期
6 刘航;孟庆亚;赵元哲;罗建国;;基于双树复小波的高速列车转向故障特征分析[J];控制工程;2018年08期
7 高瑞廷;;基于大数据挖掘对人力资源流动的影响因素浅析[J];科技经济导刊;2018年23期
8 张俊晓;薄华;;基于卷积神经网络的脑电情绪识别研究[J];现代计算机(专业版);2018年23期
9 徐明;石玉立;王彬;;高分辨率青藏高原历史月降水数据重建[J];地理科学进展;2018年07期
10 肖祥武;文雯;白全生;胡卫东;李志金;刘克勤;;基于大数据平台和并行随机森林算法的能耗预测模型优化[J];华电技术;2018年07期
中国博士学位论文全文数据库 前10条
1 常莉红;融合方法的理论研究及其在图像处理中的应用[D];西安电子科技大学;2018年
2 袁石良;电力系统动态频率和相量测量算法及其应用研究[D];中国矿业大学(北京);2018年
3 季晨荷;超宽带MIMO雷达自适应波形设计[D];南京理工大学;2017年
4 邵珠宏;基于四元数变换的彩色图像处理算法研究[D];东南大学;2015年
5 蒋梅荣;弹性侧壁液舱内液体晃荡问题研究[D];大连理工大学;2014年
6 高直;图像宏微观特征偏序结构一体化表示与相似性度量研究[D];燕山大学;2014年
7 邹云峰;巨型冷却塔群的风效应及其风洞试验方法研究[D];湖南大学;2013年
8 孙磊;小波分析在桥梁健康监测中的应用研究[D];长安大学;2012年
9 王雪;油田职工慢性病相关因素调查与预警模型建立及微量元素相关性研究[D];吉林大学;2012年
10 钱雪松;基于小波变换的桥梁断面气动导数识别研究[D];长安大学;2011年
中国硕士学位论文全文数据库 前10条
1 陈萌;睡眠脑电分析与自动分期方法的研究[D];广东工业大学;2018年
2 吕嘉轩;站桩功对脊柱失衡大学生心身平衡调节效应的分析[D];北京中医药大学;2018年
3 刘雪峰;基于脑电信号睡眠特征提取与分期方法的研究[D];郑州大学;2018年
4 张兴华;基于心电信号和深度神经网络的睡眠分期研究[D];天津工业大学;2018年
5 李俊雨;基于EEG信号时—频分析的深度睡眠过程控制机理研究[D];陕西科技大学;2018年
6 唐敏;基于混合感性工学的失眠治疗仪设计[D];华东理工大学;2018年
7 黄泰曾;黑果腺肋花楸花色苷的提取、纯化及种类鉴定[D];沈阳农业大学;2017年
8 王永祥;基于ECG的心脏骤停预测方法研究[D];吉林大学;2017年
9 王伟;基于脑电信号分析的睡眠监测研究[D];吉林大学;2017年
10 李宇驰;基于EEG脑网络的情感分析与识别[D];太原理工大学;2017年
【二级参考文献】
中国期刊全文数据库 前10条
1 袁开明;舒乃秋;孙云莲;王峰;陈宗萍;;基于阈值寻优法的小波去噪分析[J];武汉大学学报(工学版);2015年01期
2 邵鸿翔;高宏峰;;改进小波阈值去噪方法处理FBG传感信号[J];激光与红外;2014年01期
3 章浙涛;朱建军;匡翠林;周璀;;小波包多阈值去噪法及其在形变分析中的应用[J];测绘学报;2014年01期
4 张新长;郭泰圣;唐铁;;一种自适应的矢量数据增量更新方法研究[J];测绘学报;2012年04期
5 王建波;栾元重;许君一;刘娜;;小波分析桥梁变形监测数据处理[J];测绘科学;2012年03期
6 翟天庆;李欣海;;用组合模型综合比较的方法分析气候变化对朱鹮潜在生境的影响[J];生态学报;2012年08期
7 陶珂;朱建军;;小波去噪质量评价方法的对比研究[J];大地测量与地球动力学;2012年02期
8 陈军;林艳;刘万增;周晓光;;面向更新的空间目标快照差分类与形式化描述[J];测绘学报;2012年01期
9 李振;朱锋;陈家君;;基于小波变换的桥梁风振变形监测数据处理[J];测绘通报;2011年11期
10 李新滨;江娜;孔杰;;一种基于几何特征的面状地理要素变化检测方法[J];测绘与空间地理信息;2011年03期
中国博士学位论文全文数据库 前1条
1 邢燕;四元数及其在图形图像处理中的应用研究[D];合肥工业大学;2009年
中国硕士学位论文全文数据库 前10条
1 吴昭;基于盲分离算法的心音信号分析[D];华南理工大学;2012年
2 雷鸣;基于非线性分形理论的心音信号分析研究[D];重庆大学;2012年
3 程舒慧;动态盲源分离及其在生物医学信号处理中的应用研究[D];安徽大学;2011年
4 吴桂远;基于二元树复小波变换的振动信号特征提取[D];哈尔滨工业大学;2010年
5 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
6 刘跃雷;一种新的人睡眠EEG自动分期方法研究[D];兰州大学;2010年
7 郭永琪;生物医学中的智能信号处理方法研究[D];武汉理工大学;2010年
8 张志琴;脑电信号的复杂性分析[D];中南大学;2009年
9 张婷婷;基于非线性动力学提取心电信号分形特征向量算法研究[D];中南大学;2009年
10 武志富;小波分析在电力系统谐波检测中的应用研究[D];河北农业大学;2009年
【相似文献】
中国期刊全文数据库 前10条
1 王薇蓉;张雪英;孙颖;畅江;;关于脑电信号的情感优化识别仿真[J];计算机仿真;2018年06期
2 郭婷仪;李素芳;钟桂仙;曾佳璇;周酥;;基于脑电信号的耳鸣识别算法研究[J];科技传播;2018年13期
3 左晶;万小勤;罗杨;郑斌;陈斌林;任祥花;;癫痫脑电信号的相关性分析[J];电子世界;2017年05期
4 张娜;唐贤伦;刘庆;;基于半监督学习的脑电信号特征提取及识别[J];工程科学与技术;2017年S2期
5 石乔莉;王延辉;李信政;;基于脑电信号的驾驶疲劳的研究[J];世界最新医学信息文摘;2017年55期
6 王恒;李念强;齐鹏冲;;运动想象脑电信号特征的提取与分类[J];工业控制计算机;2015年02期
7 李亚杰;宋明星;张玉栋;;脑电信号采集系统的设计[J];河北建筑工程学院学报;2014年01期
8 蔡超峰;张勇;郭舒婷;姜利英;;思维脑电信号的关联维数分析[J];河南科技大学学报(自然科学版);2012年01期
9 鲁强;刘玉军;徐建兰;张进禄;;一种适用于清醒动物脑电信号采集的固定装置[J];首都医科大学学报;2011年06期
10 肖丹;胡剑锋;;运动想象脑电信号识别研究[J];计算机工程与应用;2010年33期
中国重要会议论文全文数据库 前10条
1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年
2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年
3 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
4 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年
5 张丹丹;丁海艳;侯新琳;叶大田;;新生猪缺氧缺血实验中脑电信号的伪差分析[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
6 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
7 胡楠;徐进;郑崇勋;;不同麻醉深度下脑电信号的复杂度研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
8 欧阳轶;郑崇勋;张崇;;基于脑电小波熵的生理性精神疲劳分析[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
9 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集(下册)[C];2006年
10 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
中国重要报纸全文数据库 前4条
1 科学作者 译者 猛玛;如何做到真正的因材施教[N];电脑报;2016年
2 本报记者 张晓鸣;用脑电波开车,这不是开玩笑[N];文汇报;2015年
3 本报特约撰稿人 陆志城;我思,故我动[N];医药经济报;2003年
4 本报记者 冯海波 通讯员 刘慧婵 祝和平;大学生创意闪耀的舞台[N];广东科技报;2011年
中国博士学位论文全文数据库 前10条
1 韩凌;脑电信号同步分析及癫痫发作预测方法研究[D];东北大学;2016年
2 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年
3 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年
4 徐鹏;信号的稀疏分解及其在脑电信号处理中的应用研究[D];电子科技大学;2006年
5 伍亚舟;基于想象左右手运动思维脑电BCI实验及识别分类研究[D];第三军医大学;2007年
6 唐艳;基于时间、频率和空间域的自发脑电信号提取[D];中南大学;2008年
7 陈东伟;非线性动力学、因果脑网络与聚类稳定性在脑电信号分析中的应用研究[D];太原理工大学;2015年
8 马小飞;认知任务下的脑电动力学分析[D];南京大学;2017年
9 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年
10 周群;脑电信号同步:方法及应用研究[D];电子科技大学;2009年
中国硕士学位论文全文数据库 前10条
1 刘雪峰;基于脑电信号睡眠特征提取与分期方法的研究[D];郑州大学;2018年
2 陈萌;睡眠脑电分析与自动分期方法的研究[D];广东工业大学;2018年
3 张韩;基于深度学习的脑电信号识别技术研究[D];山东师范大学;2018年
4 辛雨航;基于半监督与时序模型的脑电信号特征提取方法研究[D];山东大学;2018年
5 焦凯强;脑电信号中的频谱不对称指数特征与情绪识别研究[D];郑州大学;2018年
6 原博炜;BCI系统的脑电信号分析和类脑避障策略[D];东华大学;2018年
7 史丽娟;基于脑电信号分析的帕金森大鼠模型评价和光遗传治疗效果评价研究[D];新乡医学院;2018年
8 赵颀;基于脑电信号分析客观评估慢性腰背痛患者的研究[D];安徽医科大学;2018年
9 邱杨;基于稀疏去噪自编码器的癫痫脑电分类[D];山东大学;2018年
10 李彤;情绪相关脑电信号的特征选取与导联优化[D];安徽医科大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026