基于脑电小波分解的呼吸暂停自动检测方法  

An Automated Apnea Detection Method Based on Wavelet Decomposition of EEG Signals

作　　者：王瑶 杨天顺 纪思宇[1] 王小红 王慧泉[1] 王金海[1] 赵晓赟 Wang Yao;Yang Tianshun;Ji Siyu;Wang Xiaohong;Wang Huiquan;Wang Jinhai;Zhao Xiaoyun(School of Life Sciences,Tiangong University,Tianjin 300387,China;School of Precision.Instruments and Optoelectronics Engineering,Tianjin University,Tianjin 300072,China;School of Electrical and Electronic Engineering,Tiangong University,Tianjin 300387,China;Tianjin Chest Hospital,Tianjin 300222,China;Chest Hospital of Tianjin University,Tianjin 300072,China;Chest Clinical College of Tianjin Medical University,Tianjin 300070,China)

机构地区：[1]天津工业大学生命科学学院,天津300387 [2]天津大学精密仪器与光电子工程学院,天津300072 [3]天津工业大学电气与电子工程学院,天津300387 [4]天津市胸科医院,天津300222 [5]天津大学胸科医院,天津300072 [6]天津医科大学胸科临床学院,天津300070

出　　处：《中国生物医学工程学报》2022年第3期370-374,共5页Chinese Journal of Biomedical Engineering

基　　金：国家重点研发计划项目(2019YFC0119400);国家自然科学基金(61701342);天津市津南区科技计划项目(20200116)。

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。

关 键 词：呼吸暂停 脑电信号 小波分解 机器学习 自动检测 

分 类 号：R318[医药卫生—生物医学工程]