典型文献
基于脑电小波分解的呼吸暂停自动检测方法
文献摘要：
睡眠呼吸暂停是一种常见的睡眠呼吸紊乱,目前呼吸暂停的诊断主要依靠多导睡眠监测,但因其操作复杂、价格昂贵,且对使用环境要求较高,而难以实现家用普及.为此提出一种基于脑电信号小波分解的呼吸暂停自动检测方法.首先,对脑电信号进行4层小波分解,提取第2～4层细节系数;其次,在得到的细节系数绝对值中提取能量和方差两种特征;最后,建立k-近邻,支持向量机和随机森林等机器学习模型对特征进行分类.使用来自天津市胸科医院睡眠监测实验室30名受试的3 248个正常呼吸和呼吸暂停期间的脑电信号片段进行检测,结果显示,对呼吸暂停识别准确率、灵敏度、特异度分别达到93.85％、91.46％、96.27％,表明该方法可以实现呼吸暂停事件的高精度检测,有望用于呼吸暂停自动识别系统的设计,辅助医师进行呼吸暂停自动检测.
文献关键词：
呼吸暂停;脑电信号;小波分解;机器学习;自动检测
中图分类号：
作者姓名：
王瑶;杨天顺;纪思宇;王小红;王慧泉;王金海;赵晓赟
作者机构：
天津工业大学生命科学学院,天津 300387;天津大学精密仪器与光电子工程学院,天津 300072;天津工业大学电气与电子工程学院,天津 300387;天津市胸科医院,天津 300222;天津大学胸科医院,天津 300072;天津医科大学胸科临床学院,天津 300070
文献出处：
引用格式：
[1]王瑶;杨天顺;纪思宇;王小红;王慧泉;王金海;赵晓赟-.基于脑电小波分解的呼吸暂停自动检测方法)[J].中国生物医学工程学报,2022(03):370-374
A类：
B类：
电小,小波分解,自动检测,睡眠呼吸暂停,睡眠呼吸紊乱,多导睡眠监测,价格昂贵,环境要求,难以实现,家用,脑电信号,近邻,机器学习模型,胸科,识别准确率,高精度检测,自动识别系统
AB值：
0.184676
相似文献
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。
