睡眠自动分期脑电双谱符号动力学隐马尔可夫模型目的:研究一种基于单通道脑电(electroencephalogram,EEG)信号特征提取的睡眠自动分期方法,发现用于睡眠分期的EEG有效特征,提高睡眠自动分期准确率.方法:使用10名受试者共10925个睡眠EEG样本,提取EEG时域,频域,双谱,非线性共48个特征作睡眠样本的特征向量,构造睡眠自动分期模型...
S1、S2阶段为浅度睡眠期（light sleep ，LS ），S3、S4阶段为慢波睡眠期（slow-wave sleep ，SWS ）。2007年美国睡眠医学学会（American Academy of Sleep Medicine ，AASM ）将基于脑电信号特征提取的睡眠分期方法研究 刘戈1，刘洪运2，石金龙2，王国静2，胡敏露2，王卫东2* （1.解放军总医院海南医院，海南...
基于脑电信号特征提取的睡眠分期方法研究 单位代码： 10293 密 级： 公开 硕 士 学 位 论 文 论文题目： 基于脑电信号特征提取的睡眠分期方法研究 1013010419 李 斐 马 千 里 信号与信息处理 无线通信与信号处理技术 工学硕士 2016.03 学号 姓名 导 师 学 科 专 业 研 究 方 向 ...
目的:研究一种基于单通道脑电(electroencephalogram,EEG)信号特征提取的睡眠自动分期方法,发现用于睡眠分期的EEG有效特征,提高睡眠自动分期准确率.方法:使用10名受试者共10925个睡眠EEG样本,提取EEG时域,频域,双谱,非线性共48个特征作睡眠样本的特征向量,构造睡眠自动分期模型.新定义用于睡眠分期的双谱特征,将95%频谱边...
Conclusion The 48 EEG features extracted in this study can be a valid basis for sleep staging, and the SVMHMM automatic sleep staging method can be used for automatic staging of new subjects, which has potential clinical value.刘戈刘洪运石金龙王国静胡敏露王卫东Chinese Medical Equipment Journal...
基于脑电信号特征提取的睡眠分期方法研究