基于ECG信号和体动信号的睡眠分期方法研究

doi:10.13209/j.0479-8023.2021.079

北京大学学报自然科学版 ›› 2021, Vol. 57 ›› Issue (5): 833-840.DOI: 10.13209/j.0479-8023.2021.079

基于ECG信号和体动信号的睡眠分期方法研究

刘众^1,2, 王新安^1,†, 李秋平¹, 赵天夏¹

1. 北京大学深圳研究生院集成微系统科学与工程应用实验室, 深圳 518055 2. 北京大学信息科学技术学院, 北京 100871

收稿日期:2020-09-03 修回日期:2020-09-30 出版日期:2021-09-20 发布日期:2021-09-20
通讯作者: 王新安, E-mail: anxinwang(at)pku.edu.cn

Research of Sleep Staging Algorithms Based on ECG and Body Motion Signals

LIU Zhong^1,2, WANG Xin’an^1,†, LI Qiuping¹, ZHAO Tianxia¹

1. The key Laboratory of Integrated Microsystems, Peking University Shenzhen Graduate School, Shenzhen 518000 2. School of Electronics Engineering and Computer Science, Peking University, Beijing 100871

Received:2020-09-03 Revised:2020-09-30 Online:2021-09-20 Published:2021-09-20
Contact: WANG Xin’an, E-mail: anxinwang(at)pku.edu.cn

摘要/Abstract

摘要：

为了研究整夜睡眠状况和睡眠过程, 利用多导睡眠仪(polysomnography, PSG)和体动记录仪, 分别记录被试的ECG信号和体动信号, 再对 ECG信号提取心率变异性(heart rate variability, HRV)的特征值, 并将其作为实验数据的特征参数。为了提高识别率和防止过度拟合, 将实验数据分为训练集和测试集, 设计一个用遗传算法改进的BP神经网络模型, 对样本进行训练和预测。研究结果表明, 改进的BP神经网络能有效地识别测试样本, 综合识别准确率为86.29%。将检测ECG信号和体动信号的穿戴式设备与睡眠分期识别算法相结合, 能够用于家庭睡眠监测, 也可作为睡眠疾病的初筛方法。

关键词: 睡眠分期, 向后传播神经网络, 遗传算法, ECG信号, 体动信号

Abstract:

In order to study the overnight sleep condition and analyze each stage of the sleep process, polysomnography (PSG) and actigraphy were used to collect the ECG signal and body motion data. The features of ECG signal and heart rate variability (HRV) were extracted and used as the characteristic parameters of the data. In order to improve the recognition rate and prevent over-fitting, the data were divided into training set and test set, and an improved BP neural network model with genetic algorithm was designed to train and predict the samples. The results show that the improved BP neural network can effectively identify the test samples, and the comprehensive recognition accuracy is 86.29%. Wearable devices that detect both ECG and body motion signals with sleep stage classifying algorithms, can be used for family sleep monitoring and as a primary screen method for sleep disorders.

Key words: sleep stage, back propagation network, genetic algorithm, ECG signals, body motion signals

刘众, 王新安, 李秋平, 赵天夏. 基于ECG信号和体动信号的睡眠分期方法研究[J]. 北京大学学报自然科学版, 2021, 57(5): 833-840.

LIU Zhong, WANG Xin’an, LI Qiuping, ZHAO Tianxia. Research of Sleep Staging Algorithms Based on ECG and Body Motion Signals[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(5): 833-840.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2021.079

https://xbna.pku.edu.cn/CN/Y2021/V57/I5/833

[1]	左正康, 张飞舟, 张玲, 孙逸渊, 张瑞华, 于田, 陆建忠. 基于时空分布式的CMIP5气候多模式集合优化[J]. 北京大学学报自然科学版, 2020, 56(5): 805-814.
[2]	苏悦, 杨振涛, 杨博, 赵亮. 基于矢量波数变换法的主动源瑞雷波多模式提取方法在近地表地层结构探测中的应用研究[J]. 北京大学学报自然科学版, 2020, 56(3): 427-435.
[3]	孔繁达,何涛. 深拖曳多道地震系统阵列几何形态的高精度反演[J]. 北京大学学报（自然科学版）, 2012, 48(1): 71-78.
[4]	周彬学,戴特奇,梁进社,张华. 基于遗传算法的非线性Lowry模型模拟研究[J]. 北京大学学报（自然科学版）, 2011, 47(6): 1097-1104.
[5]	张飞舟陈嘉,杨伯钢. 面向公交车辆优化调度的运行服务质量评测分析[J]. 北京大学学报（自然科学版）, 2008, 44(5): 822-826.
[6]	吴涛,杜刚,刘晓彦,韩汝琦. 基于遗传算法的半导体器件模型参数提取[J]. 北京大学学报（自然科学版）, 2007, 43(5): 687-693.
[7]	赵晓莺,易江芳,佟冬,程旭. 利用遗传算法实现CMOS组合电路静态功耗优化[J]. 北京大学学报（自然科学版）, 2007, 43(3): 421-427.
[8]	易江芳,佟冬,程旭. GATEST: 使用遗传算法自动生成模拟矢量的验证平台[J]. 北京大学学报（自然科学版）, 2006, 42(5): 668-673.
[9]	李雷,朱柏承,周乐柱,龚中麟. 基于遗传算法的波束追踪和成型[J]. 北京大学学报（自然科学版）, 2006, 42(1): 110-115.
[10]	迟彬,叶庆凯,行飞. 用改进的遗传算法求解流水车间作业排序问题[J]. 北京大学学报（自然科学版）, 2003, 39(3): 294-300.
[11]	庄家礼,陈良富,徐希孺. 地表组分温度反演[J]. 北京大学学报（自然科学版）, 2000, 36(6): 850-857.

基于ECG信号和体动信号的睡眠分期方法研究

Research of Sleep Staging Algorithms Based on ECG and Body Motion Signals

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

留言