基于耳脑电图的自动睡眠监测
医学物理
2017-01-17 v1 机器学习
摘要
在不给患者带来不便或无需医学专家参与的情况下监测睡眠模式，是一个具有重要临床意义的问题。为此，我们提出了一种自动睡眠阶段监测系统，其基于一种经济、无侵扰、隐蔽且可长期穿戴的入耳式传感器，用于记录脑电图（耳脑电图，ear-EEG）。从单通道耳脑电图中选取用于睡眠模式分类的特征包括频谱边缘频率（SEF）和多尺度模糊熵（MSFE），后者是一种结构复杂性特征。在这项初步研究中，来自四名受试者的同步头皮脑电图与耳脑电图记录的手动评分催眠图被用作两种分析场景的标签：1）从耳脑电图记录对耳脑电图催眠图标签进行分类；2）从耳脑电图记录预测头皮脑电图催眠图标签。我们考虑了二分类和四分类睡眠评分，所得准确率在从耳脑电图预测耳脑电图标签时介于78.5%至95.2%之间，在从耳脑电图预测头皮脑电图标签时介于76.8%至91.8%之间。相应的kappa系数在场景1中范围为0.64至0.83，在场景2中为0.65至0.80，表明一致性从“实质性”到“几乎完美”，从而证明了在社区中进行睡眠监测的入耳式传感的可行性。
引用
@article{arxiv.1701.04398,
title = {Automatic sleep monitoring using ear-EEG},
author = {Takashi Nakamura and Valentin Goverdovsky and Mary J. Morrell and Danilo P. Mandic},
journal= {arXiv preprint arXiv:1701.04398},
year = {2017}
}