基于心率和呼吸特征结合的睡眠分期研究

目的研究通过心率和呼吸信号进行睡眠分期,探讨将心率和呼吸信号结合进行睡眠分期研究的有效性。方法基于ISURE-sleep睡眠数据库中9名健康受试者ECG和呼吸波数据,采用时域、频域和非线性分析方法,计算并筛选出HRV、呼吸波和心肺耦合特征共计34个指标。基于SVM、随机森林、XGBoosting和BP神经网络4种分类器构建模型,采用独立被试和非独立被试两种方案对觉醒期、快速眼动期和非快速眼动期进行分类测试。结果在4种分类模型下,综合建模分期方法结果均优于基于HRV或呼吸单一信号建模的睡眠分期方法,综合建模Kappa系数有显著提升。基于XGBoosting的模型在4种方法中表现最优,取得了独立被试测试73.3%的平均准确率(Kappa=0.42)和非独立被试测试准确率88.7%(Kappa=0.75)。结论加入呼吸特征和心肺耦合特征可以作为辅助指标,提升目前常用的基于HRV的睡眠分期模型的性能。心率和呼吸特征结合的睡眠分期方法在便携式睡眠监测等领域具有实际应用价值。