[发明专利]一种基于双重特征筛选的自动睡眠分期方法

摘要

一种基于双重特征选择的自动睡眠分期方法，首先提取被测试者的两导睡眠脑电信号和一导水平眼电信号，并对原始脑电和眼电信号进行滤波处理；再从滤波后的脑电和眼电信号中提取多个特征。然后采用Fisher得分法和顺序前进法相结合的双重特征筛选方法，进行最优特征子集的选择；双重特征筛选不仅大大降低了特征维数，而且减少了特征之间的冗余性；最后，通过使用支持向量机分类器对优化特征进行识别，完成睡眠的自动分期；该方法可以很好地提高自动睡眠分期的客观性、准确性和简便性，具有准确度高、计算复杂度低、操作简便、易于推广的特点，并能获得可观的社会效益和经济效益。

主权项

1.一种基于双重特征选择的自动睡眠分期方法，其特征在于，包括的步骤如下：步骤一、采集被试的两导睡眠脑电信号、水平眼电信号，其采样率均为100Hz；对原始脑电信号和眼电信号进行带通滤波，滤波器选用的是零相移有限冲击响应滤波器；步骤二、分别对滤波后的脑电信号和眼电信号进行睡眠特征提取，待提取的特征包括时域特征、频域特征和非线性特征；步骤三、结合Fisher得分法和顺序前进法进行最优特征子集的选择，降低特征维数；步骤四、特征选择后，使用支持向量机分类器对特征识别，进行自动睡眠分期；所述步骤二中，分别对滤波后的脑电信号和眼电信号进行时域、频域以及非线性分析，提取睡眠特征，具体为：(1)对滤波后的脑电信号进行分析，提取特征，其中待提取的时域特征包括幅值、一阶到四阶的统计值以及四分位数；频域特征包括谐波Hjorth参数、最大功率谱值以及对应的频率值、特征波形的相对能量比和特征波形之间的能量之比；非线性特征包括近似熵和谱熵；(2)对滤波后的眼电信号进行分析，提取特征；其中待提取的时域特征包括幅值、一阶到四阶的统计值以及四分位数；频域特征包括快速眼动频带能量；非线性特征包括近似熵和谱熵；所述步骤三中，结合Fisher得分法和顺序前进法进行最优特征子集的选择，降低特征维数，具体如下：(1)首先，在Fisher准则下对所有的特征计算其相应的分值，并选择分值大于0.2的特征；(2)再利用顺序前进法选取使正确率最大的特征子集作为特征向量输入到分类器中；所述的顺序前进法是以最大正确率作为标准来选择特征，即先将所需要的特征子集初始化为空集，然后开始迭代过程，一次迭代完成后，在分类器中得到一个正确率，然后再向特征子集中添加一个睡眠特征，迭代过程直到所有的特征被纳入为止，依据特征个数随正确率变化的曲线，得出最佳特征子集，确保该睡眠特征子集使睡眠分期正确率达到最大。