余传奇
- 作品数：2 被引量：7H指数：2
- 供职机构：郑州大学信息工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 多尺度熵睡眠呼吸暂停程度的分析被引量：2
- 2017年
- 当前就睡眠呼吸暂停症状的研究对心血管疾病的预测有重要的临床意义。选用Apnea-ECG database里的37个研究对象,根据呼吸暂停低通气指数(apnea hypopnea index,AHI)分为四类:正常群体(AHI<5)、轻度睡眠呼吸暂停(5≤AHI<15)、中度睡眠呼吸暂停(15≤AHI<30)、重度睡眠呼吸暂停(AHI≥30)。选取样本整个数据中间时刻1 h心电信号(ECG)数据,以保证数据是处于研究对象深度睡眠下测得的。利用Costa等提出的多尺度熵(multiscale entropy,MSE)算法应用于ECG的RR间隔,来分析四类睡眠呼吸暂停的不同程度。根据多尺度熵指数(multiscale entropy index,MEI)定义MEI1~3和MEI13~15。研究结果表明MEI1~3和MEI13~15能够很好地区分正常睡眠群体、轻度睡眠呼吸暂停患者、中度和重度呼吸暂停患者;并且MEI1~3和AHI二者具有良好的负相关性(R2=0.279,P<0.05)。
- 范文兵余传奇
- 关键词：睡眠呼吸暂停
- 基于MSE-PCA的脑电睡眠分期方法研究被引量：5
- 2017年
- 针对传统的自动睡眠分期准确率不足问题,提出一种将多尺度熵(MSE)和主成分分析(PCA)联合使用的自动睡眠分期方法。以8例受试者睡眠脑电(EEG)监测数据及专家人工分期结果作为样本,首先使用MSE表征受试者脑电信号不同睡眠期的非线性动力学特征;然后使用PCA的前两个主成分向量代替MSE特征进行降维,实现降低数据冗余的同时保留绝大多数EEG非线性特征;最终将新向量的特征参数输入到反馈神经网络(BPNN)分类器中实现MSE-PCA模型的脑电睡眠状态的自动识别分类。实验结果表明,自动分期准确率可达到87.9%,kappa系数0.77,该方法能提高脑电自动睡眠分期系统的准确率和稳定性。
- 刘雪峰马州生赵艳阳余传奇范文兵
