睡眠分期的非線性多參數(shù)研究.pdf

1、睡眠是一種重要的生理現(xiàn)象，人類通過睡眠，可以消除疲勞，恢復精神和體力。隨著現(xiàn)代社會生活節(jié)奏的加快，競爭壓力的日益增大，越來越多的人睡眠受到影響，甚至存在睡眠障礙，研究發(fā)現(xiàn)睡眠呼吸暫停綜合癥甚至可能危及到生命。睡眠質(zhì)量問題越來越受到人們的關(guān)注，迫切需要研究新的方法以判斷睡眠質(zhì)量的好壞。另外有些潛在的疾病，特別是大腦疾病，在清醒狀態(tài)下病灶不容易被發(fā)覺，而在睡眠時，由于大腦對外界刺激的反應(yīng)減少，就會顯露出來，而且在不同的睡眠階段顯露的程度會有

2、所不同。所以對睡眠分期作一些基礎(chǔ)性研究可為睡眠質(zhì)量的判斷提供理論依據(jù)，進而對睡眠障礙及有關(guān)病患進行有針對性的治療提供幫助。 目前基于睡眠腦電信號的睡眠分期仍然是研究睡眠分期的最重要的方法之一，腦電信號是由腦的神經(jīng)系統(tǒng)產(chǎn)生的一種可測的電生理反應(yīng)，可無創(chuàng)傷測量。在人睡眠過程中，不同的睡眠狀態(tài)會影響人體其它的一些重要生理參數(shù)，如心電、血壓、體溫、呼吸以及肌電等。因此研究這些生理參數(shù)和睡眠分期之間的關(guān)系也是對基于腦電睡眠分期的有益補充。

3、本文中選取了心電信號和血壓信號，通過文中的算法計算可以發(fā)現(xiàn)，與腦電信號相比，心電信號和血壓信號的規(guī)律性更強一些。睡眠不同階段的心電血壓信號的特征值在不同個體之間的差異與腦電信號相比相對要小。在研究自動睡眠分期的算法時把心電、血壓等其它生理信號在不同睡眠階段的差異也考慮在內(nèi)能提高睡眠分期的準確性和一致性，這也是將來的睡眠分期研究的方向之～。近年來的研究表明人體的生理信號是有源的、因果的、時變的、非平穩(wěn)的復雜非線性動力學信號，這使得傳統(tǒng)的基

4、于時域和頻域的算法不能很好的處理這樣的信號。本文應(yīng)用三種非線性方法對生理信號在各種睡眠期的變化進行了分析，通過樣本熵、多尺度熵算法的熵復雜度以及去趨勢波動分析的標度指數(shù)來刻劃整個睡眠過程中睡眠深度的變化情況。 樣本熵與目前廣泛使用的近似熵算法相比一致性要好的多，即對數(shù)據(jù)長度和嵌入維數(shù)不敏感。在S3、S4階段不能很好的分辨的情況下，使用多尺度小波分析對S3、S4階段的信號進行特定尺度的重構(gòu)，結(jié)果證明了樣本熵與小波的結(jié)合能取得良好的

5、效果。多尺度熵算法則同時考慮了多尺度的因素，與樣本熵算法結(jié)合，也能取得良好的分類效果。而去趨勢波動分析則是計算睡眠生理信號的的自相似指數(shù)α，不同的標度指數(shù)對應(yīng)著不同的信號類型，標度指數(shù)越大則信號的規(guī)律性越強。結(jié)果也表明了不同的睡眠階段腦電信號的標度指數(shù)是有差異的，去趨勢波動分析的分類效果比樣本熵要好一些。在文中也發(fā)現(xiàn)對心電和血壓信號采用和腦電信號一樣的方法進行處理時并不能取得令人滿意的效果，心電和血壓信號不太適合單獨進行睡眠分期，但是和