基于大脑皮层互信息理论的睡眠分级研究

被引：6

作者：

黄力宇

王伟勋

程敬之

机构：

[1] 西安交通大学生物医学工程系!陕西西安,金川有色金属公司培训中心!甘肃金昌,西安交通大学生物医学工程系!陕西西安

来源：

生物物理学报 | 2001年 / 01期

关键词：

脑电图; 互信息; 复杂度; 人工神经网络;

D O I：

暂无

中图分类号：

Q811.3 [生物控制论];

学科分类号：

1111 ;

摘要：

睡眠的分级研究是睡眠状况分析和睡眠质量评价的前提和基本内容。目前国际通用的睡眠分级方法 ,是利用脑电信号另加脑功能信号 (如肌电图、眼动电流图 ) ,且必须由人工来判别分析的。大脑皮层互信息理论是研究脑功能变化的有力工具。通过动态计算睡眠脑电四个导联之间的互信息时间序列的复杂度 ,并利用一个三层的人工神经网络进行六个级别的分类。6例720个不同时期的睡眠片段的测试表明 ,系统睡眠分级与人工分级的总相符率达到90.83% ,且实现了睡眠动态自动分级。神经网络的学习功能 ,可使系统的准确率进一步提高 ,逐渐接近或达到人工分级的水平。

引用

页码：98 / 104

页数：7

共 17 条

[1]

Easily calculable measure for complexity of spatial -emporal pattern. Kasper K,Schuster H J. Physical Review A Atomic Molecular and Optical Physics . 1987

[2]

Counterpropagation Networks. Hecht-Nielsen R. Applied Optics . 1987

[3]

An Introduction to Computing with Neural nets. Li ppmann R P. IEEE ASSP Magazine . 1987

[4] NEW METHOD OF AUTOMATED SLEEP QUANTIFICATION [J].

ROBERTS, S ;

TARASSENKO, L .

MEDICAL & BIOLOGICAL ENGINEERING & COMPUTING, 1992, 30 (05) :509-517

[5] 应用近似熵对睡眠脑电进行分期的研究 [J].

董国亚 ;

吴祈耀 .

北京生物医学工程, 1999, (04) :197-202

[6] 不同睡眠期脑电图复杂性研究 [J].

刘建平，郑崇勋，马建青 .

生物医学工程学杂志, 1996, (02) :119-122

[7]

Finite correlation dimension for stochastic systems with power-law spectra. Osborne AR,Provencale A. Physica D Nonlinear Phenomena . 1989

[8]

Testing for nonlinearity in time series: the method of surrogate data. Theiler J,Eubank S,Longtin A,et al. Physica D Nonlinear Phenomena . 1992

[9]

Evidence of chaotic dynamics. Baloyantz A. Physics Letters A . 1985

[10]

Neural Network Model : Application to Automatic Analysis of Human Sleep. Schaltenbrand N,Lengelle R,acher J P. Computers and Biomedical Research . 1993

← 1 2 →