.png){kind=icon}
返回
Efficient system for classifying cyclic alternating pattern phases in sleep
.png){kind=icon}
PRE
AI
DOI：10.1007/s11571-025-10261-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
脑电图（EEG）信号是分析睡眠模式的一种常用工具。周期性交替模式（CAP）可以在睡眠的无意识阶段于EEG信号中观察到。对CAP的详细研究有助于对多种睡眠障碍进行早期诊断。首先，需要将CAP周期分离为其组成部分，即A期和B期。在本研究中，我们开发了一种准确且易于实现的系统，用于区分这两种CAP阶段。EEG信号经过去噪并划分为更小的段以方便处理。这些段通过零相位滤波分解为不同的频率子带。随后，从子带分量中提取统计特征，并使用Kruskal-Wallis检验选择显著特征。我们考虑了四种不同的分类算法，即k近邻（kNN）、支持向量机（SVM）、装袋树（BT）和神经网络（NN）。分类结果汇总了包含健康受试者和失眠患者的数据集。对于合并的平衡数据集，BT分类器产生了最佳结果，准确率为83.29%，F-1得分为83.58%。所提出的方法比现有方案更准确和高效，可以考虑在实际场景中进行广泛部署。
Keyword:
Electroencephalogram (EEG)
Machine learning
Signal decomposition
Statistical parameters
Zero-phase filtering
期刊
IF:
3.9
论文数:
1.5K
被引数:
2.8K
机构
引用论文
Atlas, rules, and recording techniques for the scoring of cyclic alternating pattern (CAP) in human sleep.png)
SLEEP MEDICINE
SLEEP MEDICINEIF3.4
PREAI
分享收藏A systematic review and meta-analysis of the cyclic alternating pattern across the lifespanSLEEP MEDICINE
SLEEP MEDICINEIF3.4
PREAI
分享收藏
查看更多内容