基于ECG信号和体动信号的睡眠分期方法研究

刘众^1,2, 王新安^1,?, 李秋平¹, 赵天夏¹

1. 北京大学深圳研究生院集成微系统科学与工程应用实验室, 深圳 5180552. 北京大学信息科学技术学院, 北京 100871

收稿日期:2020-09-03修回日期:2020-09-30出版日期:2021-09-20

Research of Sleep Staging Algorithms Based onECG and Body Motion Signals

LIU Zhong^1,2, WANG Xin’an^1,?, LI Qiuping¹, ZHAO Tianxia¹

1. The key Laboratory of Integrated Microsystems, Peking University Shenzhen Graduate School, Shenzhen 5180002. School of Electronics Engineering and Computer Science, Peking University, Beijing 100871

Received:2020-09-03Revised:2020-09-30Published:2021-09-20

PDF

(2389KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 为了研究整夜睡眠状况和睡眠过程, 利用多导睡眠仪(polysomnography, PSG)和体动记录仪, 分别记录被试的ECG信号和体动信号, 再对 ECG信号提取心率变异性(heart rate variability, HRV)的特征值, 并将其作为实验数据的特征参数。为了提高识别率和防止过度拟合, 将实验数据分为训练集和测试集, 设计一个用遗传算法改进的BP神经网络模型, 对样本进行训练和预测。研究结果表明, 改进的BP神经网络能有效地识别测试样本, 综合识别准确率为86.29%。将检测ECG信号和体动信号的穿戴式设备与睡眠分期识别算法相结合, 能够用于家庭睡眠监测, 也可作为睡眠疾病的初筛方法。

引用本文

刘众, 王新安, 李秋平, 赵天夏. 基于ECG信号和体动信号的睡眠分期方法研究[J]. 北京大学学报自然科学版, 2021, 57(5): 833-840.
LIU Zhong, WANG Xin’an, LI Qiuping, ZHAO Tianxia. Research of Sleep Staging Algorithms Based onECG and Body Motion Signals[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(5): 833-840.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3655