| 基于脑电小波分解的呼吸暂停自动检测方法 |
| |
| 引用本文： | 王瑶,杨天顺,纪思宇,王小红,王慧泉,王金海,赵晓赟.基于脑电小波分解的呼吸暂停自动检测方法[J].中国生物医学工程学报,2022,41(3):370-374. |
| |
| 作者姓名： | 王瑶 杨天顺 纪思宇 王小红 王慧泉 王金海 赵晓赟 |
| |
| 作者单位： | 1(天津工业大学生命科学学院,天津 300387)2(天津大学精密仪器与光电子工程学院,天津 300072)3(天津工业大学电气与电子工程学院, 天津 300387)4(天津市胸科医院, 天津 300222)5(天津大学胸科医院,天津 300072)6(天津医科大学胸科临床学院,天津 300070) |
| |
| 基金项目： | 国家重点研发计划项目(2019YFC0119400);国家自然科学基金(61701342);天津市津南区科技计划项目(20200116) |
| |
| 摘 要： | 睡眠呼吸暂停是一种常见的睡眠呼吸紊乱,目前呼吸暂停的诊断主要依靠多导睡眠监测,但因其操作复杂、价格昂贵,且对使用环境要求较高,而难以实现家用普及。为此提出一种基于脑电信号小波分解的呼吸暂停自动检测方法。首先,对脑电信号进行4层小波分解,提取第2~4层细节系数;其次,在得到的细节系数绝对值中提取能量和方差两种特征;最后,建立k-近邻,支持向量机和随机森林等机器学习模型对特征进行分类。使用来自天津市胸科医院睡眠监测实验室30名受试的3 248个正常呼吸和呼吸暂停期间的脑电信号片段进行检测,结果显示,对呼吸暂停识别准确率、灵敏度、特异度分别达到93.85%、91.46%、96.27%,表明该方法可以实现呼吸暂停事件的高精度检测,有望用于呼吸暂停自动识别系统的设计,辅助医师进行呼吸暂停自动检测。
|
| 关 键 词： | 呼吸暂停 脑电信号 小波分解 机器学习 自动检测 |
| 收稿时间： | 2021-06-23 |
An Automated Apnea Detection Method Based on Wavelet Decomposition of EEG Signals |
| |
| Wang Yao,Yang Tianshun,Ji Siyu,Wang Xiaohong,Wang Huiquan,Wang Jinhai,Zhao Xiaoyun.An Automated Apnea Detection Method Based on Wavelet Decomposition of EEG Signals[J].Chinese Journal of Biomedical Engineering,2022,41(3):370-374. |
| |
| Authors: | Wang Yao Yang Tianshun Ji Siyu Wang Xiaohong Wang Huiquan Wang Jinhai Zhao Xiaoyun |
| |
| Institution: | (School of Life Sciences, Tiangong University, Tianjin 300387, China)(School of Precision Instruments and Optoelectronics Engineering, Tianjin University, Tianjin 300072, China)(School of Electrical and Electronic Engineering, Tiangong University, Tianjin 300387, China)(Tianjin Chest Hospital, Tianjin 300222, China)(Chest Hospital of Tianjin University, Tianjin 300072, China)(Chest Clinical College of Tianjin Medical University, Tianjin 300070, China) |
| |
| Abstract: | |
| |
| Keywords: | apnea EEG signals wavelet decomposition machine learning automatic detection |
|
| 点击此处可从《中国生物医学工程学报》浏览原始摘要信息 |
| 点击此处可从《中国生物医学工程学报》下载免费的PDF全文 |
|
