基于脑电信号的睡眠分期自动识别系统设计_生物医学自动化.docxVIP

PAGE2

基于脑电信号的睡眠分期自动识别系统设计

第一章绪论

1.1研究背景

睡眠是人体维持正常生理功能不可或缺的环节，直接关系到认知能力、免疫调节与情绪稳定。近年来，睡眠障碍患病率持续攀升，世界卫生组织数据显示全球约27%的人口存在不同程度的睡眠问题。临床睡眠评估高度依赖多导睡眠图（PSG），通过脑电、眼电、肌电等多通道信号进行整夜监测，并由专业技师依据AASM标准逐帧分期。

传统人工分期方式面临效率低下与主观性强两大核心矛盾。一名熟练技师完成整夜8小时PSG记录的分期判读通常需要2至3小时，且不同技师间的一致性仅为80%左右。这种依赖人工的模式不仅消耗大量医疗资源，也限制了睡眠障碍筛查的普及，尤其在基层医疗机构中难以推广。

现有自动睡眠分期技术虽然取得一定进展，但仍存在特征提取不够精细、对非平稳脑电信号适应性差等瓶颈。传统傅里叶变换无法兼顾时频局部化，而单一尺度的小波分析对睡眠纺锤波、K复合波等瞬态事件的刻画能力有限。此外，多数研究采用单一分类器，在N1期与REM期的区分上准确率偏低。

因此，设计一种能够自动、准确识别睡眠分期的系统，对于减轻技师负担、提高诊断效率、推动睡眠医学发展具有重要现实意义。本研究聚焦于利用小波包变换提取脑电信号的多尺度特征，并结合支持向量机实现高精度睡眠状态判定，旨在解决现有方法在特征表达与分类性能上的不足。

表1-1睡眠分期自动识别面临