您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览89 | 下载10

睡眠是一种重要的生理现象,对睡眠进行合理分期,是研究睡眠质量、诊断睡眠疾病的基础。脑电是睡眠过程中最显著和直观的信号,也是研究睡眠的重要且有力的工具。本研究提取了多种脑电相关特征作为识别睡眠脑电信号的指标,并采用多元逐步回归分析法进行特征筛选,通过线性分类及支持向量机(SVM)算法实现了脑电睡眠分期的自动判别。实际测试结果表明,基于单路脑电的睡眠分期判别方法的平均正确率为78.85

作者:闫佳运;宾光宇;梁栗炎;吴水才

来源:中国医疗设备 2015 年 12期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:89 | 下载:10
作者:
闫佳运;宾光宇;梁栗炎;吴水才
来源:
中国医疗设备 2015 年 12期
标签:
睡眠监护系统 睡眠分期 单路脑电 多元逐步回归分析 线性分类 支持向量机 sleep staging single channel electroencephalograph multiple stepwise regression analysis linear classiifcation support vector machine
睡眠是一种重要的生理现象,对睡眠进行合理分期,是研究睡眠质量、诊断睡眠疾病的基础。脑电是睡眠过程中最显著和直观的信号,也是研究睡眠的重要且有力的工具。本研究提取了多种脑电相关特征作为识别睡眠脑电信号的指标,并采用多元逐步回归分析法进行特征筛选,通过线性分类及支持向量机(SVM)算法实现了脑电睡眠分期的自动判别。实际测试结果表明,基于单路脑电的睡眠分期判别方法的平均正确率为78.85