无需睡眠阶段标注的单通道脑电图失眠识别

本文提出了一种使用单通道脑电图 (EEG) 识别失眠患者的新方法，无需睡眠阶段标注。通过使用数据预处理、特征提取、特征选择和分类技术，基于从频域和时域提取的特征自动检测失眠，这些特征包括 delta、sigma、beta 和 gamma 频带的相对功率、总功率、绝对慢波功率、功率比、均值、过零率、移动性和复杂性。使用皮尔逊相关系数、t 检验、p 值和两条规则来选择最优特征集，以准确分类失眠患者并剔除产生负面影响特征。将包括通用人工神经网络、卷积神经网络和支持向量机在内的分类方案应用于最优特征集，以区分失眠患者和健康受试者。使用 50 名失眠患者和 50 名健康受试者验证了模型的性能，其中 Fp2 通道和 1D-CNN 分类器分别实现了 97.85% 和 94.15% 的最高准确率和 Cohen's kappa 系数。所开发的模型有望简化当前的睡眠监测系统，并实现家庭动态监测。