在没有EOG/EMG数据的脑内EEG记录中识别REM睡眠的无监督多段频谱方法

科学领域:

• 神经科学是一个神经科学.
• 睡眠科学 睡眠科学
• 生物医学工程 生物医学工程

背景情况:

• 为了临床使用,存在大量人体内EEG (iEEG) 数据集.
• 这些记录往往缺乏同时的EOG/EMG,阻碍了睡眠阶段的分类 (清醒与REM).
• 现有的仅用于EEG的方法难以准确地区分清醒和REM睡眠.

研究的目的:

• 开发一种准确的方法来分类清醒与REM睡眠,仅使用iEEG数据.
• 为了分析广泛的,以前无法访问的iEEG数据集用于睡眠研究.
• 改进对临床iEEG记录的利用,以了解睡眠架构.

主要方法:

• 开发了一种新的无监督的多段式阿尔法节律分类器.
• 该方法将K-平均集群用于多层光谱固有系数的概括.
• 对八个试验对象的性能进行了评估,并与经典功率探测器进行了比较.

主要成果:

• 多步分类器确定了每晚36±6分钟的REM睡眠时间.
• 对于大多数受试者来说,它错误标记了不到10%的时代 (人类可靠性~80%).
• 提出的方法的性能优于经典的功率探测器.

结论:

• 多阶段阿尔法节律分类器准确地区分醒觉和REM睡眠与单独的iEEG.
• 这种方法显著提高了睡眠研究临床iEEG数据的可用性.
• 准确的概括可能是单个晚上的数据,为大规模的iEEG睡眠分析铺平了道路.