论文部分内容阅读
睡眠的观察和监护是医学的重要课题，是研究生命机理的重要窗口。脑电图(EEG)是研究睡眠过程和评估睡眠质量的一个非常重要的工具。早期的脑电图分析主要通过脑电图专家目测评价，对整夜睡眠数据进行人工分析是睡眠研究中最为枯燥和繁重的工作。睡眠EEG自动判读系统的构建不仅可以使人从繁重的工作中解脱出来，而且能够减少人工分析的主观性，提高工作效率和分析结果的一致性。
本文主要是对睡眠EEG自动判读系统中的核心模块一睡眠EEG的自动分期进行研究。
本文首先提出采用FlexibleICA用于消除睡眠EEG中的心电伪迹。然后，在研究睡眠脑电信号的基本特征和国际通用的睡眠分期方法的基础上，本文提出采用神经网络对睡眠EEG进行识别。由于多导睡眠图的频域特征具有其固有的局限性，得到的分期效果并不十分理想，进而提出了睡眠脑电的复杂度特征。为了能够在临床上应用自动判读系统，本文致力于提高睡眠分期的正确率。最后，本文提出综合采用复杂度特征和频域特征对睡眠EEG进行自动分期。研究结果表明，该方法对睡眠EEG分期的平均正确率达到89.10％，可用于临床睡眠自动判读系统中。