技术总结
本案涉及基于脑电和肌电多特征的自动睡眠分期方法，包括采集脑电信号和肌电信号；采用小波分解去除脑电信号和肌电信号中的高频噪声；提取去噪后的脑电信号的α、β、θ、δ特征波的能量比，得到第一特征参数；利用样本熵算法提取脑电信号样本熵，得到第二特征参数；利用小波分解算法提取肌电信号中的高频特征能量比，得到第三特征参数；将第一特征参数、第二特征参数和第三特征参数输入支持向量机中进行训练和测试，从而得到分类结果。本案采用提取EEG和EMG多个特征的方法，结合支持向量机分类器，提高了睡眠分期的准确率；交叉验证结果表明该方法具有一定的泛化能力；实验结果可信度高，具有良好的应用前景。
技术研发人员：王心醉;吕甜甜;陈骁;俞乾
受保护的技术使用者：中国科学院苏州生物医学工程技术研究所
文档号码：201710002025
技术研发日：2017.01.03
技术公布日：2017.05.24