睡眠脑电的关联维数和近似熵分析 被引量：19

1

作者 江朝晖 冯焕清 +1 位作者 刘大路 王涛 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2005年第4期649-653,共5页

睡眠的正确分期是睡眠研究的基础,脑电的非线性参数可以表征不同的睡眠状态。本研究计算睡眠脑电的关联维数和近似熵,通过统计和比较发现关联维数不随嵌入维数的增加而饱和,但其相对大小能有效区分各种睡眠状态;近似熵计算简单,性能稳定... 睡眠的正确分期是睡眠研究的基础,脑电的非线性参数可以表征不同的睡眠状态。本研究计算睡眠脑电的关联维数和近似熵,通过统计和比较发现关联维数不随嵌入维数的增加而饱和,但其相对大小能有效区分各种睡眠状态;近似熵计算简单,性能稳定,可较好地表征不同睡眠期;相对关联维数和近似熵从不同角度表现了脑电(大脑)复杂性的相同演变规律清醒时复杂性最高,而且波动最大,随着睡眠加深,复杂性降低且变异减小,REM期复杂性基本介于S1期和S2期之间。 展开更多

关键词 睡眠状态 复杂性 关联维数 近似熵 睡眠脑电 睡眠研究 嵌入维数 不同角度 非线性 睡眠期

下载PDF 职称材料

应用近似熵对睡眠脑电进行分期的研究 被引量：9

2

作者 董国亚 吴祈耀 《北京生物医学工程》 1999年第4期197-202,共6页

主要介绍一种新的度量序列复杂性的统计方法——近似熵（ＡｐＥｎ）， 并将其应用于睡眠脑电的研究， 提取出各睡眠期的近似熵特征。实验结果显示， 从清醒期到ＮＲＥＭ 期的Ⅲ、Ⅳ期， 近似熵由最大依次减小， 到ＲＥＭ 期又回升到接... 主要介绍一种新的度量序列复杂性的统计方法——近似熵（ＡｐＥｎ）， 并将其应用于睡眠脑电的研究， 提取出各睡眠期的近似熵特征。实验结果显示， 从清醒期到ＮＲＥＭ 期的Ⅲ、Ⅳ期， 近似熵由最大依次减小， 到ＲＥＭ 期又回升到接近Ⅰ、Ⅱ期。根据这一特征对睡眠脑电进行分期实验， 得到良好的效果。说明近似熵是一种值得重视的、很有前景的复杂度度量方法。 展开更多

关键词 近似熵 NREM REM 睡眠脑电

下载PDF 职称材料

失眠障碍与过度觉醒:来自静息态脑电和睡眠脑电的证据 被引量：19

3

作者 赵文瑞 李陈渝 +1 位作者 陈军君 雷旭 《中国科学：生命科学》 CSCD 北大核心 2020年第3期270-286,共17页

失眠障碍已成为仅次于抑郁症的全球第二大流行性精神疾病.过度觉醒模型是解释失眠障碍维持机制的重要理论之一,而静息态脑电和睡眠脑电则为这一模型提供了最重要的证据支持.本文首先归纳了进行静息态和睡眠脑电分析的方法,并提出从清醒... 失眠障碍已成为仅次于抑郁症的全球第二大流行性精神疾病.过度觉醒模型是解释失眠障碍维持机制的重要理论之一,而静息态脑电和睡眠脑电则为这一模型提供了最重要的证据支持.本文首先归纳了进行静息态和睡眠脑电分析的方法,并提出从清醒静息态、入睡到不同睡眠期的系统分析框架.通过分析前人的研究发现,失眠障碍过度觉醒的静息态和睡眠脑电证据主要有:睡眠连续性和宏观结构受损、觉醒增加、日间睡眠潜伏期延长、清醒和非快速眼动睡眠期脑电β活动的升高等.失眠的认知行为治疗、部分非苯二氮类药物、睡眠期的经颅直流电刺激等治疗手段,可显著降低患者的过度觉醒.脑电功率谱分析有助于区分不同的失眠障碍亚型,评估药物和非药物干预疗效,但在应用中应充分考虑年龄、性别、脑电频段划分等影响.未来的研究应进一步关注不同失眠障碍亚型的皮层过度觉醒,统一脑电频段划分标准,严格控制年龄、性别等因素的干扰.应在睡眠分期判读和功率谱分析的基础上,逐步推进源定位、时频、无标度等介观和微观结构的脑电分析,促进静息态脑电和睡眠脑电在失眠障碍诊断和治疗评估中的应用. 展开更多

关键词 失眠障碍 过度觉醒 功率谱分析 静息态脑电 睡眠脑电

原文传递

失眠症睡眠脑电的研究进展 被引量：14

4

作者 江帆 袁强 《国外医学（精神病学分册）》 2000年第2期112-116,共5页

本文综述了近年来有关失眠症患者睡眠脑电图研究的新进展。

关键词 失眠症 睡眠脑电 研究进展 脑电图

下载PDF 职称材料

电针太阳、印堂穴对戊巴比妥钠所致大鼠睡眠脑电活动的影响 被引量：9

5

作者 白妍 张倩 +1 位作者 东红升 东贵荣 《针灸临床杂志》 2006年第2期36-37,共2页

目的:探讨电针“太阳”、“印堂”穴对戊巴比妥钠所致大鼠睡眠时间及时相的影响。方法:大鼠腹腔注射戊巴比妥钠,施以电针“太阳穴”、“印堂穴”,观察翻正反射消失和恢复的时间,同时用16道生理信号记录仪监测睡眠信号。结果:电针后戊巴... 目的:探讨电针“太阳”、“印堂”穴对戊巴比妥钠所致大鼠睡眠时间及时相的影响。方法:大鼠腹腔注射戊巴比妥钠,施以电针“太阳穴”、“印堂穴”,观察翻正反射消失和恢复的时间,同时用16道生理信号记录仪监测睡眠信号。结果:电针后戊巴比妥钠所致大鼠的睡眠时间明显延长,慢波睡眠2(SWS2)期在戊巴比妥钠所致大鼠的总睡眠时间中所占比例明显增加。结论:电针“太阳”、“印堂”穴可以增加戊巴比妥钠所致大鼠的慢波睡眠时间。 展开更多

关键词 太阳穴 印堂穴 针刺 睡眠脑电

下载PDF 职称材料

基于神经网络的睡眠分期处理算法研究 被引量：8

6

作者 张泾周 周钊 +1 位作者 滕炯华 苗治平 《计算机仿真》 CSCD 北大核心 2010年第8期141-144,共4页

睡眠质量已成为临床医学和人类生活中普遍关心的问题,为了研究不同睡眠时期大脑的活动,并对整夜睡眠状况及睡眠质量进行分析和评价,为了完成自动识别,提出一种基于神经网络的睡眠分期方法并探讨其应用到实际中的可行性。以国际睡眠分期... 睡眠质量已成为临床医学和人类生活中普遍关心的问题,为了研究不同睡眠时期大脑的活动,并对整夜睡眠状况及睡眠质量进行分析和评价,为了完成自动识别,提出一种基于神经网络的睡眠分期方法并探讨其应用到实际中的可行性。以国际睡眠分期标准为基础,充分考虑EEG信号的各个特征参数,利用BP神经网络分类器设计了一种睡眠自动分期分析的方法。仿真结果表明,利用改进的BP算法消除了网络训练受样本次序影响的缺陷,总睡眠分期准确率达到79.2%。这种方法及选取的17个睡眠分期参数可为睡眠质量的评价提供途径,可把专家们从冗繁的判读整夜睡眠记录中解脱出来,以进行更深入地分析和研究。 展开更多

关键词 脑电图 睡眠脑电 神经网络 睡眠分期

下载PDF 职称材料

基于复杂性测度的睡眠脑电分期处理方法研究 被引量：8

7

作者 张泾周 马颖颖 +2 位作者 李婷 周钊 苗治平 《中国生物医学工程学报》 CAS CSCD 北大核心 2009年第3期367-371,共5页

提高临床脑部及神经系统疾病的早期诊断水平,及时予以控制和治疗,是降低脑疾病对人类危害最有效的途径。探讨复杂性测度在睡眠脑电分期中的应用,主要利用加窗的Lempel-Ziv复杂度处理算法对经采用小波变换滤波算法滤除生理干扰后的睡眠... 提高临床脑部及神经系统疾病的早期诊断水平,及时予以控制和治疗,是降低脑疾病对人类危害最有效的途径。探讨复杂性测度在睡眠脑电分期中的应用,主要利用加窗的Lempel-Ziv复杂度处理算法对经采用小波变换滤波算法滤除生理干扰后的睡眠脑电信号进行分期处理,并与没有加窗的Lempel-Ziv复杂度处理算法的仿真处理结果进行比较。结果表明:加窗的Lempel-Ziv复杂度算法能更好地将睡眠脑电不同状态分开,在一定程度上减少由脑电的非平稳性带来的计算上的片面性,同时兼顾各期睡眠脑电状态的不均匀性,在很大程度上满足临床的应用要求。 展开更多

关键词 睡眠脑电 复杂性测度 粗粒化处理 睡眠分期

下载PDF 职称材料

失眠症患者睡眠脑电和失匹配波变异特点及用药前后的比较 被引量：8

8

作者 顾爱明 郭如雅 +4 位作者 付伟达 陈兴时 杨献红 张明岛 李小平 《临床精神医学杂志》 2019年第3期149-152,共4页

目的:探讨失眠症患者睡眠脑电Quisi和失匹配波(MMN)特点及服用艾司唑仑前后Quisi变化。方法:对82例失眠症患者(失眠症组)及78名正常成人(正常对照组)同步进行多导睡眠图(PSG)和连续整夜Quisi监测,第3、4晚上失眠症组予睡前口服艾司唑仑... 目的:探讨失眠症患者睡眠脑电Quisi和失匹配波(MMN)特点及服用艾司唑仑前后Quisi变化。方法:对82例失眠症患者(失眠症组)及78名正常成人(正常对照组)同步进行多导睡眠图(PSG)和连续整夜Quisi监测,第3、4晚上失眠症组予睡前口服艾司唑仑,观察患者用药后睡眠脑电的变化并和正常对照进行比较。结果:与正常对照组相比,失眠症组MMN波幅(t=9.47,P<0.01)下降,潜伏期延迟(t=5.94,P<0.01);P300变化趋势与MMN相同(P<0.05或P<0.01)。失眠症组服用艾司唑仑后夜间Quisi显示觉醒时间减少(F=7.12,P<0.01),S1减少(F=7.90,P<0.01),S2增加(F=6.90,P<0.01),睡眠潜伏期缩短(F=3.94,P<0.05);睡眠效率改善(F=5.91,P<0.05)。结论:艾司唑仑对失眠症患者夜间睡眠脑电有一定影响;Quisi是观察评估催眠药物的有效手段之一。 展开更多

关键词 失眠症 睡眠脑电 失匹配波 QUISI

下载PDF 职称材料

睡眠脑电的自回归模型阶数特性 被引量：4

9

作者 王涛 王国辉 冯焕清 《生物医学工程学杂志》 EI CAS CSCD 2004年第3期394-396,共3页

传统睡眠脑电 (Sleep EEG)研究从信号的时域和频域的特征分析睡眠过程 ,通常根据功率谱观察信号中特定节律的出现和频带的分布。而功率谱估计中基于参数模型的方法得到广泛应用 ,但建模时通常只能根据经验选择一个固定较低的阶数。本文... 传统睡眠脑电 (Sleep EEG)研究从信号的时域和频域的特征分析睡眠过程 ,通常根据功率谱观察信号中特定节律的出现和频带的分布。而功率谱估计中基于参数模型的方法得到广泛应用 ,但建模时通常只能根据经验选择一个固定较低的阶数。本文讨论了自回归模型阶数 (Autoregressive m odel order,ARMO)估计准则的一些最新进展 ,并且统计了一段睡眠过程中 EEG的阶数分布。结果显示 EEG的 ARMO分布集中在差别很大的几个区间 ,可以用来表示睡眠 EEG分期内微结构和过渡过程 ,并在一定程度上提供 展开更多

关键词 睡眠脑电 自回归模型 阶数特性 AR模型 功率谱 时域 频域

下载PDF 职称材料

基于睡眠脑电信号和深度学习的抑郁症识别研究 被引量：3

10

作者 陶然 丁胜男 +6 位作者 陈洁 朱学敏 倪照军 胡令明 张杨 许燕 孙洪强 《四川大学学报（医学版）》 CAS CSCD 北大核心 2023年第2期287-292,共6页

目的 基于睡眠脑电信号,探索深度学习Vision Transformer(ViT)结合Transformer网络对抑郁症患者识别的有效性。方法 首先对28例抑郁症患者和37例正常对照的睡眠脑电信号进行预处理,并将信号转为图像格式,保留其频域及空间域特征信息,之... 目的 基于睡眠脑电信号,探索深度学习Vision Transformer(ViT)结合Transformer网络对抑郁症患者识别的有效性。方法 首先对28例抑郁症患者和37例正常对照的睡眠脑电信号进行预处理,并将信号转为图像格式,保留其频域及空间域特征信息,之后将图像输送到ViT-Transformer编码网络,分别学习抑郁症患者和正常对照的快速眼动(rapid eye movement, REM)睡眠期和非快速眼动(non-rapid eye movement, NREM)睡眠期的脑电信号特征,并对抑郁症进行识别。结果 基于ViT-Transformer网络,从不同脑电频率角度,发现delta、theta和beta波的组合对抑郁症识别具有比较好的结果。其中,REM期delta-theta-beta波组合的脑电信号特征对抑郁症识别的准确率达92.8%,精准率为93.8%,抑郁症患者的召回率为84.7%,F0.5值为0.917±0.074;NREM期delta-theta-beta波组合的脑电信号特征对抑郁症的识别准确率为91.7%,精准率为90.8%,召回率为85.2%,F0.5值为0.914±0.062。此外,通过对整夜睡眠脑电的睡眠分期进行可视化,发现分类错误通常发生在睡眠期转期时。结论 应用深度学习ViT-Transformer网络,本研究发现基于delta-theta-beta波组合的REM期睡眠脑电信号特征对抑郁症识别更有效。 展开更多

关键词 抑郁症 睡眠脑电 深度学习 快速眼动睡眠期 非快速眼动睡眠期

原文传递

伴自杀行为和不伴自杀行为精神分裂症睡眠脑电功率谱密度比较研究 被引量：5

11

作者 周云飞 刘铁榜 +4 位作者 胡静初 梁杰 许宏 刘敬文 周娇艳 《中国神经精神疾病杂志》 CAS CSCD 北大核心 2022年第5期275-280,共6页

目的比较伴自杀行为和不伴自杀行为精神分裂症患者睡眠及脑电功率谱密度差异。方法纳入近1个月内出现自杀行为和无自杀行为的精神分裂症患者各20例,采用失眠严重程度指数量表、睡眠信念与态度量表、梦魇严重程度指数、Epworth嗜睡量表... 目的比较伴自杀行为和不伴自杀行为精神分裂症患者睡眠及脑电功率谱密度差异。方法纳入近1个月内出现自杀行为和无自杀行为的精神分裂症患者各20例,采用失眠严重程度指数量表、睡眠信念与态度量表、梦魇严重程度指数、Epworth嗜睡量表评估主观睡眠,采用多导睡眠监测评估客观睡眠,通过睡眠脑电滤波器分析和处理脑电功率谱密度,并对比两组患者的主观睡眠、客观睡眠指标及睡眠脑电功率谱密度差异。结果伴自杀行为精神分裂症和不伴自杀行为精神分裂症主观睡眠量表评分和客观睡眠指标无统计学差异(P>0.05)。伴自杀行为精神分裂症组较不伴自杀行为精神分裂症组清醒期(W期)、N1期、N2期、N3期、快速眼动期(R期)α波或β波功率谱密度减弱(P<0.05),伴自杀行为精神分裂症组W期、N1期、N2期、N3期、R期δ波或θ波功率谱密度较不伴自杀行为精神分裂症组增强(P<0.05),其余功率谱密度两组间无统计学差异(P>0.05)。结论伴自杀行为精神分裂症患者睡眠各期α波或β波(快波)功率谱密度减弱,δ波或θ波(慢波)功率谱密度增强。 展开更多

关键词 精神分裂症 自杀行为 睡眠 多导睡眠监测 睡眠分期 睡眠脑电 功率谱密度

下载PDF 职称材料

失眠障碍患者睡眠脑电分型与治疗研究进展

12

作者 吕洞宾 张毓 +2 位作者 苑成梅 张天宏 肖泽萍 《中华行为医学与脑科学杂志》 CAS CSCD 北大核心 2024年第1期83-88,共6页

失眠障碍是一种临床常见的精神障碍。目前失眠障碍的临床分型主要依据临床症状描述,缺乏客观检测依据,治疗循证基础薄弱。近年来,睡眠脑电对于观察患者睡眠结构和连续性的异常日益受到重视,有助于探索失眠障碍的生物机制,有利于临床精... 失眠障碍是一种临床常见的精神障碍。目前失眠障碍的临床分型主要依据临床症状描述,缺乏客观检测依据,治疗循证基础薄弱。近年来,睡眠脑电对于观察患者睡眠结构和连续性的异常日益受到重视,有助于探索失眠障碍的生物机制,有利于临床精准分型并提升个性化治疗水平。本文着重综述失眠障碍的睡眠脑电亚型的五种分型,包括基于客观睡眠时间、功率频谱特征、循环交替模式、纺锤波和微觉醒的分型并说明各亚型与临床转归关联的特点,旨在为失眠障碍的临床分型和个性化治疗提供循证依据。 展开更多

关键词 失眠障碍 睡眠脑电 睡眠结构 分型 治疗 转归结局

原文传递

微弱电刺激对失眠者睡眠状况及睡眠脑电影响的初步研究 被引量：4

13

作者 单保慈 赵似兰 +1 位作者 耿惠敏 段鲲 《生物物理学报》 CAS CSCD 北大核心 1997年第3期467-472,共6页

根据睡眠是由脑内亿万神经元同步振荡所刻划的观点［１］，及各种电刺激对动物睡眠影响的实验［２，３］，设计了用特定θ频率的正弦波微弱电流，刺激失眠病人颈部安眠２穴，以观察其对受试者脑电频率的客观影响。其结果是刺激后失眠病... 根据睡眠是由脑内亿万神经元同步振荡所刻划的观点［１］，及各种电刺激对动物睡眠影响的实验［２，３］，设计了用特定θ频率的正弦波微弱电流，刺激失眠病人颈部安眠２穴，以观察其对受试者脑电频率的客观影响。其结果是刺激后失眠病人由醒到２期的脑电记录中，θ波逐渐增加，增加了病人的总睡眠时间。这启示我们这种脑部的特殊频率微弱电流刺激，可能有引起脑部神经元群的共振现象，改变了受试者脑电中频率成分的分布特征，从而有助于失眠的治疗。这一现象是值得进一步研究的。 展开更多

关键词 失眠 睡眠脑电 电刺激 脑电图

下载PDF 职称材料

睡眠脑电信号的多重分形去势波动分析 被引量：5

14

作者 葛家怡 周鹏 +2 位作者 赵欣 刘海婴 王明时 《天津大学学报》 EI CAS CSCD 北大核心 2008年第10期1148-1151,共4页

睡眠过程中的脑电信号时间序列具有复杂的波动性特点,为了研究不同睡眠时期脑电信号的分形特征,运用多重分形去势波动分析的方法对5例受试者的整夜睡眠脑电信号进行了分析.计算结果表明,睡眠脑电序列具有长程相关性,而且是多重分形过程... 睡眠过程中的脑电信号时间序列具有复杂的波动性特点,为了研究不同睡眠时期脑电信号的分形特征,运用多重分形去势波动分析的方法对5例受试者的整夜睡眠脑电信号进行了分析.计算结果表明,睡眠脑电序列具有长程相关性,而且是多重分形过程.不同的睡眠时期广义赫斯特指数不同,随时间尺度的增加而增大,变化趋势一致.醒期的脑电信号广义赫斯特指数最大,REM期介于睡眠一期和二期之间,其他各期随睡眠的加深逐渐增大.为睡眠脑电信号动力学机理的进一步研究提供了坚实的实证基础. 展开更多

关键词 睡眠脑电 多重分形去势波动分析 长程相关 广义赫斯特指数

下载PDF 职称材料

睡眠脑电信号的动力学分析 被引量：5

15

作者 陆为民 刘福彬 《中国医学装备》 2008年第2期16-20,共5页

对睡眠脑电信号进行了非线性动力学分析。分析中采用关联维数和Lyapunov指数的相关算法计算出了不同睡眠期的Lyapunov指数和关联维数,讨论并分析了它们的变化趋势,总结了它们的变化规律和特点:不同的睡眠阶段很明显的对应了不同的关联维... 对睡眠脑电信号进行了非线性动力学分析。分析中采用关联维数和Lyapunov指数的相关算法计算出了不同睡眠期的Lyapunov指数和关联维数,讨论并分析了它们的变化趋势,总结了它们的变化规律和特点:不同的睡眠阶段很明显的对应了不同的关联维数,清醒时关联维数最大,随着睡眠的加深,关联维数降低,REM期的关联维数介于S1期和S2期之间。实验结果表明,EEG关联维数可以有效地区分大脑不同状态的特征,关联维数可以作为脑信息处理的非线性特征参数。 展开更多

关键词 睡眠脑电 关联维数 LYAPUNOV指数

下载PDF 职称材料

基于Hilbert-Huang变换获得睡眠脑电信号特征 被引量：5

16

作者 何敏 《电脑知识与技术（过刊）》 2015年第7X期161-163,共3页

该文对睡眠脑电信号进行研究,选用Hilbert-Huang变换进行处理,首先由经验模态分解得到固有模态函数,求得具有一定物理意义的瞬时频率和瞬时幅值谱,同时获得脑电信号在频率上的能量分布情况,以此作为睡眠脑电信号特征分析依据,为睡眠分... 该文对睡眠脑电信号进行研究,选用Hilbert-Huang变换进行处理,首先由经验模态分解得到固有模态函数,求得具有一定物理意义的瞬时频率和瞬时幅值谱,同时获得脑电信号在频率上的能量分布情况,以此作为睡眠脑电信号特征分析依据,为睡眠分阶提供了更简便有效的特征选择参考数据。这种方法也克服了傅立叶频谱中,对任意频率都要求具有相同振幅值,破坏了信号中原来的真实频率的缺陷。 展开更多

关键词 睡眠脑电 HILBERT-HUANG变换 傅里叶频谱 睡眠分阶

下载PDF 职称材料

睡眠自动分期方法综述 被引量：5

17

作者 徐富献 王抒伟 +4 位作者 钱镶钰 胡桓 何情祖 林海 帅建伟 《生物物理学》 2019年第3期34-48,共15页

睡眠是人体必不可少的一项生理活动。通常,专家将病人整夜的脑电EEG数据以30秒为一帧进行睡眠状态分期并据此进行睡眠状态的分析与评估。然而,依靠人工标记睡眠数据需要消耗大量的精力。另一方面,专家的主观判断也会对分期结果带来误差... 睡眠是人体必不可少的一项生理活动。通常,专家将病人整夜的脑电EEG数据以30秒为一帧进行睡眠状态分期并据此进行睡眠状态的分析与评估。然而,依靠人工标记睡眠数据需要消耗大量的精力。另一方面,专家的主观判断也会对分期结果带来误差。所以睡眠的自动分期就变得很重要,本文将介绍近年来的睡眠分期方法,分别是基于统计规则分期方法与基于深度学习技术的分期方法。在统计的分期方法中,介绍了三个重要的过程,预处理、特征提取以及分类器的选择。在基于深度学习的分期方法中,介绍了多层神经网络、卷积神经网络、长短时记忆神经网络以及不同网络组合的神经网络。最后我们对睡眠分期的研究进行了讨论, 认为深度神经网络将是未来睡眠分期研究主要方法。 展开更多

关键词 睡眠自动分期 睡眠脑电 深度学习

下载PDF 职称材料

睡眠脑电信号的非线性动力学分析 被引量：5

18

作者 李玲 王瑞平 《北京生物医学工程》 2010年第3期304-307,共4页

睡眠与健康、工作、学习等之间的关系甚为密切。由于脑电(EEG)是描述睡眠过程中最显著和最直观的信号,所以睡眠脑电是研究睡眠的重要且有用的工具。其中睡眠分期研究对评估睡眠质量重要。由于脑电活动自身的复杂性,因此采用非线性方法... 睡眠与健康、工作、学习等之间的关系甚为密切。由于脑电(EEG)是描述睡眠过程中最显著和最直观的信号,所以睡眠脑电是研究睡眠的重要且有用的工具。其中睡眠分期研究对评估睡眠质量重要。由于脑电活动自身的复杂性,因此采用非线性方法处理会有比较好的结果。本文简单介绍了睡眠与脑电的关系,重点介绍了几种非线性动力学方法,包括李亚普诺指数、复杂度、相关维数、近似熵等,并介绍了它们对睡眠脑电信号进行特征处理的情况,发现在不同的睡眠期,计算出的结果呈现一定的变化规律。 展开更多

关键词 睡眠脑电 李亚普诺指数 复杂度 相关维数 近似熵

下载PDF 职称材料

深度学习的睡眠脑电特征波检测 被引量：4

19

作者 李小俚 王枫 +1 位作者 黄朝阳 斯白露 《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第6期860-867,共8页

回顾了深度学习(deep learning,DL)技术在睡眠脑电检测上的应用.以睡眠脑电过程中的纺锤波检测问题为例,探讨了睡眠脑电检测的各类方法,以及相较于传统信号处理算法,DL算法在睡眠脑电纺锤波检测问题上具有精度较高、对数据适应性更强的... 回顾了深度学习(deep learning,DL)技术在睡眠脑电检测上的应用.以睡眠脑电过程中的纺锤波检测问题为例,探讨了睡眠脑电检测的各类方法,以及相较于传统信号处理算法,DL算法在睡眠脑电纺锤波检测问题上具有精度较高、对数据适应性更强的特点.针对进一步提高网络检测性能与硬件适用性需求,提出特征融合与脉冲神经2种改进型网络,并获得较高的检测性能,进一步阐释了DL技术在睡眠脑电特征波检测方面的应用潜力. 展开更多

关键词 深度学习 睡眠脑电 睡眠分期 睡眠纺锤波

下载PDF 职称材料

睡眠呼吸暂停综合症患者脑电微状态发生改变

20

作者 熊馨 杨鑫亮 +2 位作者 罗剑花 易三莉 贺建峰 《中国生物医学工程学报》 CSCD 北大核心 2023年第5期563-571,共9页

睡眠呼吸暂停综合症(SAS)是一种常见的睡眠障碍,传统上往往采用时频分析等方法研究其脑电信号的异常,都忽略了睡眠脑电的空间位置信息和特征的差异。采用微状态分析的方法,分别对健康人和SAS患者5个睡眠阶段(W、N1、N2、N3、REM)的脑电... 睡眠呼吸暂停综合症(SAS)是一种常见的睡眠障碍,传统上往往采用时频分析等方法研究其脑电信号的异常,都忽略了睡眠脑电的空间位置信息和特征的差异。采用微状态分析的方法,分别对健康人和SAS患者5个睡眠阶段(W、N1、N2、N3、REM)的脑电进行分析,探究SAS患者睡眠脑电特征在时间和空间上的差异。选取66名SAS患者和10名健康人的睡眠脑电,计算W-REM的全局场功率(GFP)并取GFP峰值数据进行聚类。得到4个微状态,这4个微状态地形图分别呈现为右额左后(A)、左额右后(B)、额枕中线(C)和额中线(D),并且计算微状态参数(出现频率、平均持续时间、覆盖率)。此外,还计算了微状态序列的静态属性[全局方差(GEV)],动态属性(熵率),转换概率和转移矩阵的对称性。最后,用Hurst指数来评估微状态序列的远程相关性。在W-REM阶段,健康人和SAS患者的出现频率、平均持续时间、覆盖率、GEV、转换概率、熵率、Hurst指数均存在显著差异(P<0.05)。转移矩阵均具有对称性(P>0.01)。Hurst指数均大于0.5,具有远程相关性。与健康人相比,SAS患者W-N3阶段微状态B、C的持续时间降低。SAS患者GEV的SUM大于健康人,说明SAS患者大脑活跃度更高。W-N3阶段健康人的Hurst指数逐渐减小,长期记忆减弱,而SAS患者从N1-N3阶段Hurst指数逐渐减小。每个睡眠阶段健康人的熵率都大于SAS患者,携带的脑电信息较少。 展开更多

关键词 睡眠脑电 微状态参数 微状态序列

下载PDF 职称材料