基于多通道EEG的睡眠分阶段使用大脑功能连接和域适应.
Wenhao Yuan1, Wentao Xiang2, Kaiyue Si1
1Key Laboratory of Bioelectronics, School of Instrument Science and Engineering, Southeast University, Nanjing, 210096, People's Republic of China.
Physiological measurement
|October 12, 2023
概括
这项研究介绍了脑功能连接特征,用于使用脑电图 (EEG) 信号识别睡眠阶段. 域适应方法显著提高了主体独立睡眠阶段的准确性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 识别睡眠阶段对于诊断睡眠障碍和评估健康至关重要.
- 现有的方法往往忽略了大脑连接和信号非静止.
- 脑电图 (EEG) 是监测睡眠期间大脑活动的关键工具.
研究的目的:
- 开发一种新的大脑功能连接方法,用于多通道EEG睡眠阶段.
- 为了评估同步概率 (SL),基于波纹的相关性 (WC) 和能量比率 (ER) 功能的有效性.
- 评估域适应 (DA) 对独立于受试者的睡眠分期精度的影响.
主要方法:
- 利用ISRUC-SLEEP数据集中的20名受试者的六通道EEG数据.
- 提取的频域特征:四个频段的SL和WC,六个频段的ER.
- 用高斯支持向量机 (SVM) 来进行五类睡眠阶段分类.
- 使用十倍交叉验证 (取决于受试者) 和离开一个受试者 (独立于受试者) 方法验证的性能.
- 应用了五个领域适应技术来解决跨主体的变化.
主要成果:
- 取决于对象的分类准确度达到83.97%±1.04%的融合SL,WC和ER特征.
- 由于个人EEG差异,独立于主体的准确性较低 (57.44%).
- 四种DA方法显著提高了独立于对象的准确性1.89%-5.22%.
结论:
- 大脑功能连接特征有效地捕捉了睡眠阶段的区域间大脑相关性.
- 域适应方法对于通过减轻个体EEG变异来提高睡眠分阶段算法性能至关重要.
- 拟议的方法为更强大,更准确的自动化睡眠分析提供了一个有希望的方向.


