准确的睡眠分期能够评估睡眠质量,在睡眠紊乱或疾病诊断干预中起关键作用.本文利用多尺度熵分析和经验模态分解方法获取多通道脑电信号于睡眠状态下的非线性动力学特征,利用心率变异度时频域指标及多尺度样本熵构建了心电信号睡眠特征.基于最大相关-最小冗余特征选择算法及主成分分析降维,实现了高效多模态特征组合构建.多模态特征组合驱动的多种传统机器学习自动睡眠分期模型在ISRUC-S3数据集上达到了最高84.05％准确率,Kappa系数最高为0.7810,表明所提出多模态特征组合的有效性及准确性.
作者：吕君同；史文彬；张楚婷；李凡；郭睿琦；陈一川；周聪睿；叶建宏
来源：生命科学仪器 2023 年 21卷 1期
