基于心电和脑电多模态特征组合的自动睡眠分期方法研究

作     者：吕君同 史文彬 张楚婷 李凡 郭睿琦 陈一川 周聪睿 叶建宏 LV Juntong;SHI Wenbin;ZHANG Chuting;LI Fan;GUO Ruiqi;CHEN Yichuan;ZHOUCongrui;YEH Chien-Hung

作者机构：北京理工大学信息与电子学院北京100081 北京理工大学徐特立学院北京100081 

出 版 物：《生命科学仪器》 (Life Science Instruments)

年 卷 期：2023年第21卷第1期

页      面：41-49页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：国家自然科学基金项目(62171028、62001026) 国家高层次人才基金项目(3050012222022) 

主　　题：自动睡眠分期 多尺度熵分析 经验模态分解 心率变异度 多模态 

摘      要：准确的睡眠分期能够评估睡眠质量,在睡眠紊乱或疾病诊断干预中起关键作用。本文利用多尺度熵分析和经验模态分解方法获取多通道脑电信号于睡眠状态下的非线性动力学特征,利用心率变异度时频域指标及多尺度样本熵构建了心电信号睡眠特征。基于最大相关-最小冗余特征选择算法及主成分分析降维,实现了高效多模态特征组合构建。多模态特征组合驱动的多种传统机器学习自动睡眠分期模型在ISRUC-S3数据集上达到了最高84.05%准确率,Kappa系数最高为0.7810,表明所提出多模态特征组合的有效性及准确性。