基于神经网络集成的睡眠脑电分期研究

被引：1

作者：

贾花萍 ^{[1
,2
]}

机构：

[1] 渭南师范学院数学与信息科学学院

[2] 渭南师范学院计算机网络工程技术中心

来源：

计算技术与自动化 | 2012年 / 31卷 / 02期

关键词：

睡眠脑电(EEG); BP神经网络; AR参数; Bagging算法; 集成;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TN911.6 [信号分析];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080401 ; 080402 ;

摘要：

用近似熵对睡眠脑电信号进行分期,由于睡眠Ⅲ期和Ⅳ期近似熵值非常接近,靠近似熵值无法区分,提出基于神经网络集成的睡眠脑电信号分期,采用BP神经网络为分类器,对用AR参数提取的睡眠脑电特征对睡眠Ⅲ期和Ⅳ期进行分期。为进一步提高BP神经网络性能,采用Bagging算法对BP神经网络分类器进行加权投票,实验表明,提出的方法具有很好的分期效果。

引用

页码：34 / 36

页数：3

共 8 条

[1] 基于样本熵的睡眠脑电分期 [J].

和卫星 ;

陈晓平 ;

邵珺婷 .

江苏大学学报(自然科学版), 2009, 30 (05) :501-504

[2] 小波变换和小波熵在睡眠脑电信号变化特性研究中的应用价值 [J].

肖余粮 ;

和卫星 ;

陈晓平 ;

吉奕 ;

吴秋明 .

中国临床康复, 2006, (25) :118-120

[3] 睡眠脑电的非线性动力学方法 [J].

刘慧 ;

和卫星 ;

陈晓平 .

江苏大学学报(自然科学版), 2005, (02) :174-177

[4] 睡眠与健康 [J].

付晓华 ;

李鸿培 .

中国医刊, 2003, (08) :26-27

[5] 睡眠脑电的研究 [J].

张杰 ;

王明时 .

国外医学生物医学工程分册., 1997, (02) :1-4

[6] 脑电信号的分析──一种探索大脑功能状态及活动规律的途径 [J].

刘建平，郑崇勋 .

国外医学生物医学工程分册., 1995, (05) :262-270

[7]

基于脑电心电数据融合的睡眠分期[D]. 梁晓花.江苏大学. 2008

[8]

Sleep spindle detection using artificial neural networks trained with filtered time-domain EEG: A feasibility study[J] . Errikos M. Ventouras,Efstratia A. Monoyiou,Periklis Y. Ktonas,Thomas Paparrigopoulos,Dimitris G. Dikeos,Nikos K. Uzunoglu,Constantin R. Soldatos.Computer Methods and Programs in Biomedicine . 2005 (3)

← 1 →