机构名称：
¥ 1.0
睡眠分期是睡眠评估和疾病诊断的基础，是睡眠研究的重要内容，自动化睡眠分期的相关工作已经取得了许多令人满意的成果，但目前的研究多以睡眠信息作为分类特征，如以时域或频域度量作为局部特征，以跨通道的综合脑网络信息作为全局特征，而忽略了脑活动的自发规律。同时，脑微状态被认为与脑活动密切相关，可以用来研究脑整体电位的变化规律。为了基于脑电图探究睡眠阶段脑功能微状态的规律性变化，特别是睡眠结构的规律性变化，我们首先进行微状态聚类，然后基于这些微状态表征被试的睡眠结构，随后将睡眠结构与传统的睡眠信息特征相结合，进行自动化睡眠分期。本研究的实验贡献如下：（1）首次提出将睡眠结构应用于睡眠自动分期。（2）当微状态类别数量达到 7 个及以上时，模型表现良好，最佳分类准确率达到 89.50%。（3）提出了一种融合睡眠结构与睡眠信息的睡眠自动分期模型。关键词：睡眠自动分期；脑电信号；微状态；睡眠结构
加州大学默塞德分校
主要关键词
相关文件推荐
