| 基于子时段呼吸暂停和睡眠阶段的脑网络分析与分类 |
| |
| 引用本文： | 赵今朝,刘铭,江秀全,史维友,娄宜泰,冷建材,徐舫舟,冯超,杨清波,唐吉友,鲁珊珊.基于子时段呼吸暂停和睡眠阶段的脑网络分析与分类[J].生物医学工程研究,2024(1):40-45. |
| |
| 作者姓名： | 赵今朝 刘铭 江秀全 史维友 娄宜泰 冷建材 徐舫舟 冯超 杨清波 唐吉友 鲁珊珊 |
| |
| 作者单位： | 1. 齐鲁工业大学(山东省科学院)光电工程国际化学院;2. 齐鲁工业大学(山东省科学院)数学与统计学院;3. 山东第一医科大学附属第一医院(山东省千佛山医院)神经内科,山东省免疫研究所,山东省风湿免疫与转化医学重点实验室 |
| |
| 基金项目： | 国家自然科学基金(62271293)；;山东省自然基金(ZR2022MF289,ZR2019MA037,ZR2020MH160)； |
| |
| 摘 要： | 睡眠分期是评估睡眠质量的基础。然而，睡眠呼吸暂停(sleep apnea, SA)会改变测试者的睡眠结构，进而影响对睡眠分期的准确评估。因此，在评估睡眠质量时，准确检测睡眠呼吸暂停和睡眠分期至关重要。为准确评估睡眠分期，本研究通过研究脑区之间的功能连接，探讨了脑功能连接的相互作用关系。采用锁相值(phase locking value, PLV)在不同时间段上进行特征提取，构建功能连接网络；然后利用多个时间段的PLV进行特征融合，并通过LibSVM(library for support vector machines, LibSVM)结合分类性能优化策略的方法进行睡眠分期。同时，本研究还分析了睡眠呼吸暂停和正常呼吸对脑网络的影响。实验结果显示，睡眠呼吸暂停时的各脑区连通紧密程度大于正常呼吸时，并在子时段数为30时，睡眠分期的分类准确率达到了88.87%,呼吸暂停的检测准确率达到了93.64%。该算法在睡眠分类和呼吸暂停检测方面表现出良好性能，有助于推动脑电睡眠分类和呼吸暂停检测系统的开发和应用。
|
| 关 键 词： | 脑电图 睡眠阶段 分类 脑功能连接 锁相值 睡眠呼吸暂停 |
|
|
