典型文献
基于粒子群优化-支持向量机的睡眠呼吸暂停检测
文献摘要：
睡眠呼吸暂停(sleep apnea,SA)是一种睡眠障碍疾病,严重影响睡眠质量和身体健康.为降低睡眠呼吸障碍检测的复杂度并提高准确率,提出了一种粒子群优化-支持向量机(particle swarm optimization-support vector machine,PSO-SVM)方法,通过心电信号实现对SA的准确检测.首先,将心电信号分段,并从中提取心率变异性;其次,实现特征提取与选择,包含心电信号RR间期的均值、标准差、均值标准差、差值均方的平方、心率变异性的信号总功率、低频段功率、高频段功率、瞬时中位频率、边际谱熵和能量谱熵等;最后,通过PSO-SVM分类算法进行睡眠呼吸暂停检测.结果表明,筛选10个特征对SA进行检测,利用Apnea-ECG数据库通过PSO-SVM的检测准确率为94.0％,提升了现有方法的检测性能.
文献关键词：
睡眠呼吸暂停;心电信号;粒子群优化;支持向量机
中图分类号：
作者姓名：
张大可;马隽;王立英;王钢;蔡靖;孙玉冰
作者机构：
北华大学电气与信息工程学院,吉林132021;北华大学基础医学院,吉林132021;清华大学附属垂杨柳医院,北京100020;吉林大学仪器科学与电气工程学院,长春130061
文献出处：
引用格式：
[1]张大可;马隽;王立英;王钢;蔡靖;孙玉冰-.基于粒子群优化-支持向量机的睡眠呼吸暂停检测)[J].科学技术与工程,2022(33):14644-14651
A类：
B类：
粒子群优化,睡眠呼吸暂停,sleep,apnea,SA,睡眠障碍,睡眠质量,睡眠呼吸障碍,障碍检测,particle,swarm,optimization,support,vector,machine,PSO,过心,心电信号,信号分段,取心,心率变异性,RR,间期,总功,低频段,频段功率,高频段,中位频率,边际谱,谱熵,能量谱,分类算法,Apnea,ECG,检测准确率,检测性能
AB值：
0.349973
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
