一種基于雙重特征篩選的自動睡眠分期方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及自動睡眠分期領(lǐng)域，特別涉及一種基于雙重特征篩選的自動睡眠分期 方法。
【背景技術(shù)】
[0002] 睡眠是包括人類在內(nèi)的所有高等生物普遍需要的生理過程。人的三分之一時間都 用來睡眠，長期缺乏睡眠將會造成很嚴重的后果，長期缺乏睡眠不僅會危害人的健康還會 對生活以及社會產(chǎn)生很多負面影響。因此睡眠研宄越來越多地受到關(guān)注。睡眠分期是睡眠 研宄的基礎(chǔ)，對睡眠研宄起著關(guān)鍵作用。它既能客觀地評價睡眠質(zhì)量，為睡眠相關(guān)疾病的治 療和診斷提供臨床依據(jù)，又能為癲癇、癡呆等神經(jīng)系統(tǒng)疾病的診斷和研宄提供臨床依據(jù)。
[0003] 依據(jù)美國睡眠醫(yī)學(xué)學(xué)會睡眠分期的最新標準將睡眠分為清醒期、非快速眼動期 (NREM)和快速眼動期（REM)，其中NREM隨著睡眠的加深又可以分為NREM1、NREM2和NREM3。 人工睡眠分期是根據(jù)不同生理信號的時域特征波形區(qū)分的，傳統(tǒng)的人工分期方法耗時長、 效率低、主觀性強并且需要專家具有豐富的經(jīng)驗，為了避免專家花過多的時間進行這項工 作并減小其主觀性，因此研宄者們提出了各種自動睡眠分期方法來提高睡眠分期的客觀性 和準確度。其中腦電信號是睡眠分期的"金標準"，但是在一些情況下，腦電（EEG)的特征并 不明顯，因此還需要其他生理信號比如眼電信號輔助分期。
[0004] 睡眠自動分期方法通常包含兩個部分：特征提取和模式識別。但是提取的特征之 間會存在相關(guān)性和冗余性，若是將所提取特征直接用于模式識別，可能會造成分類器的過 渡擬合，增加數(shù)據(jù)處理的時間和空間復(fù)雜度，因此在特征提取后必須進行特征篩選，將選擇 后的特征用于分類器中。特征篩選不僅關(guān)系到分類正確率的高低，而且直接影響分類速度 的快慢。Fisher得分法是按照Fisher準則單獨計算各個特征的分值，它忽略了特征組合之 后對分類的影響；而順序前進法是一種啟發(fā)式搜索策略，它得到的最優(yōu)特征子集可能僅僅 只是一些單獨貢獻率極為普通的特征組合，忽略了單獨貢獻率最大的特征，并且運算過程 耗時長。兩種方法均可用于特征篩選，但各有利弊。

【發(fā)明內(nèi)容】

[0005] 為了克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種基于雙重特征篩選的自動睡眠分期 方法，即采用Fisher得分法和順序前進法結(jié)合進行特征選擇，通過兩種方法的順序結(jié)合， 彌補了各自方法的不足，它不僅大大減小了分類器的運行時間，并且降低了特征維數(shù)，減小 分類器的復(fù)雜度，同時還能提高睡眠分期的客觀性以及準確性。
[0006] 為了達到上述目的，本發(fā)明通過以下技術(shù)方案實現(xiàn)：
[0007] -種基于雙重特征選擇的自動睡眠分期方法，包括的步驟如下：
[0008] 步驟一、采集被試的兩導(dǎo)睡眠腦電信號、水平眼電信號，其采樣率均為IOOHz;對 原始腦電信號和眼電信號進行帶通濾波，濾波器選用的是零相移有限沖擊響應(yīng)濾波器；
[0009] 步驟二、分別對濾波后的腦電信號和眼電信號進行睡眠特征提取，待提取的特征 包括時域特征、頻域特征和非線性特征；
[0010] 步驟三、結(jié)合FiSher得分法和順序前進法進行最優(yōu)特征子集的選擇，降低特征維 數(shù)；
[0011] 步驟四、特征選擇后，使用支持向量機分類器對特征識別，進行自動睡眠分期。
[0012] 所述步驟二中，分別對濾波后的腦電信號和眼電信號進行時域、頻域以及非線性 分析，提取睡眠特征，具體為：
[0013] 1)對濾波后的腦電信號進行分析，提取特征，其中待提取的時域特征包括幅值、一 階到四階的統(tǒng)計值以及四分位數(shù)；頻域特征包括諧波Hjorth參數(shù)、最大功率譜值以及對應(yīng) 的頻率值、特征波形的相對能量比和特征波形之間的能量之比；非線性特征包括近似熵和 譜摘；
[0014] 2)對濾波后的眼電信號進行分析，提取特征，其中待提取的時域特征包括幅值、一 階到四階的統(tǒng)計值以及四分位數(shù)；頻域特征包括快速眼動頻帶能量；非線性特征包括近似 熵和譜熵。
[0015] 所述步驟三中，結(jié)合Fisher得分法和順序前進法進行最優(yōu)特征子集的選擇，降低 特征維數(shù)，具體如下：
[0016] 1)首先，在Fisher準則下對所有的特征計算其相應(yīng)的分值，并選擇分值大于0. 2 的特征；
[0017] 2)再利用順序前進法選取使正確率最大的特征子集作為特征向量輸入到分類器 中；所述的順序前進法是以最大正確率作為標準來選擇特征，即先將所需要的特征子集初 始化為空集，然后開始迭代過程，一次迭代完成后，在分類器中得到一個正確率，然后再向 特征子集中添加一個睡眠特征，迭代過程直到所有的特征被納入為止，依據(jù)特征個數(shù)隨正 確率變化的曲線，得出最佳特征子集，確保該睡眠特征子集使睡眠分期正確率達到最大。
[0018] 本發(fā)明提供的技術(shù)方案的有益效果是：本發(fā)明通過雙重特征篩選降低特征維數(shù)、 確保了睡眠分期的正確率，大大減少分類器的運行時間，減小分類器的復(fù)雜度。另外通過分 析腦電和眼電信號進行睡眠分期，可以很好地提高睡眠分期的客觀性、準確性和簡便性。便 于在臨床實際中廣泛推廣，并對睡眠質(zhì)量評估和睡眠相關(guān)疾病研宄有著重要的應(yīng)用價值。
【附圖說明】
[0019] 圖1為自動睡眠分期方法的流程圖。
[0020] 圖2為最大正確率隨特征個數(shù)變化的曲線圖。
【具體實施方式】
[0021] 下面結(jié)合附圖對本發(fā)明進一步進行說明。
[0022] 參照圖1，一種基于雙重特征篩選的自動睡眠分期方法，其實現(xiàn)的實施步驟：
[0023] 步驟一、采集被試的兩導(dǎo)腦電信號和水平眼電信號，其采樣率均為100Hz，對腦電 信號進行〇. 5~30Hz的帶通濾波，對眼電信號進行0. 1~30Hz的帶通濾波，濾波器均選用 的是零相移有限沖擊響應(yīng)濾波器。
[0024] 步驟二、分別對濾波后的腦電信號和眼電信號進行睡眠特征提取，待提取的特征 包括時域特征、頻域特征和非線性特征；具體為：將濾波后的腦電信號和濾波后的眼電信 號分為30s-幀的信號片段，然后對腦電信號和眼電信號分別進行時域、頻域以及非線性 分析，共提取69個睡眠特征。
[0025] 對濾波后的腦電信號所提取的時域特征包括幅值、一階到四階的統(tǒng)計值以及四分 位數(shù)；頻域特征包括諧波Hjorth參數(shù)、最大功率譜值以及對應(yīng)的頻率值、特征波形的相對 能量比和特征波形之間的能量之比；非線性特征包括近似熵和譜熵。
[0026] 對濾波后的眼電信號所提取的時域特征包括幅值、一階到四階的統(tǒng)計值以及四分 位數(shù)；頻域特征包括快速眼動頻帶能量；非線性特征包括近似熵和譜熵。
[0027] 所述的幅值的計算方法如下：
[0028] 計算一幀信號的最大值與最小值的差的一半。
[0029] 所述的一階到四階的統(tǒng)計值的計算方法如下：
[0030] 一階到四階的統(tǒng)計值包括平均值（avg)、標準差（std)、偏離（skew)和峭度 (kurt)，它們分別量化了信號的主要趨勢、分散度、對稱性和峰值，其計算公式如下：
度，^代表信號的均值。
[0036] 所述的四分位數(shù)的計算方法如下：
[0037] 四分位數(shù)（perCent75)是將信號的各個采樣點的值從小到大排列后，位置在第 75 %的值，其計算公式如下：
[0039] 其中，y(i)代表一幀腦電/眼電信號，n代表該幀信號長度。
[0040] 所述的頻域特征均采用Welch平均周期法計算功率譜從而得到相關(guān)頻域特征，其 計算方法如下：
[0041] 根據(jù)窗函數(shù)W(n)將信號分成重疊的S段，其長度為M，然后計算每段信號的功率譜 求平均，其計算公式如下：

[0045] 所述的諧波Hjorth參數(shù)計算方法如下：
[0046]諧波Hjorth參數(shù)包括中心頻率（feEH；)、中心頻率的功率譜值（Pfcjffi)和帶寬（fs EEe)，其計算公式如下：
[0050] 其中戶Cf)為信號的功率譜估計，f?代表頻率，&代表最低頻率，f表最高頻率。
[0051] 所述的最大功率譜值（PfmaxEEe)及其對應(yīng)的頻率值（fmaxEEe)計算方法如下：
[0052] 最大功率譜值（PfmaxEE(；)及其對應(yīng)的頻率值（fmaxEH；)即為功率譜中頻譜能量最大 的值以及其所對應(yīng)的頻率值；
[0053]根據(jù)腦電節(jié)律的頻率范圍分類，腦電信號通常劃分為：S波（〇. 5~4Hz)、0波 (4 ~8Hz)、a波（8 ~13Hz)、0 波（又可分為 0J13 ~20Hz)、02(2〇 ~30Hz))，另外睡 眠過程中還會出現(xiàn)spindle波（11~16Hz)和saw波（2~7Hz)。在不同的睡眠期中占主 導(dǎo)地位的特征波不同，比如清醒期的特征波是a波，NREM3期的特征波是S波，因此又選 取了相對頻譜能量和能量之比作為頻域特征，
[0054] 相對頻譜能量計算方法如下：
[0055] 相對頻譜能量是計算以上幾種特征波形的頻譜能量與總頻譜能量之比，其計算公 式如下：
[0057] 其中，wave分別為8、0、a、|3p|3 2、spindle和saw，