换一批基于心率变异性与机器学习的睡眠呼吸事件分类
Classification of sleep respiratory events based on heart rate variability and machine learning
摘要为了提供一种针对睡眠呼吸暂停低通气综合征(sleep apnea hypopnea syndrome,SAHS)患者的筛查方法,本研究把心率变异性(heart rate variability,HRV)应用于睡眠呼吸模态的分类问题.通过构建和训练概率神经网络(probabilistic neural network,PNN)对HRV各特征值进行有无异常睡眠呼吸事件的判别,以期实现对该病征进行初步筛查的目的.首先,对标注的有无呼吸事件的多导睡眠监测数据提取其心电的HRV特征值,再经过归一化后作为特征向量;其次采用PNN分类算法对特征向量进行训练及分类输出;最后,对模型的预测分类性能进行评价.对于准确率、灵敏度、特异性、受试者工作特性曲线下面积(area under the receiver operating characteristic curve,AUC)及分类耗时等评价指标 PNN 分类器的结果分别为:75.97%,82.51%,76.22%, 0.7936,0.63 s.与广义回归神经网络(generalized regression neural network,GRNN)及极限学习机(extreme learning machine,ELM)分类算法相比,PNN分类算法在灵敏度、特异性、AUC及分类耗时评价维度上均取得最优.本研究基于HRV及PNN分类算法实现了对有无异常睡眠呼吸事件的判别,提供了一种低生理负荷SAHS筛查的途径.
更多相关知识
关键词
心率变异性睡眠呼吸事件机器学习分类算法heart rate variabilitysleep respiratory eventmachine learningclassification algorithm
分类号
R318（医用一般科学）
DOI
10.13471/j.cnki.acta.snus.2018.03.017
发布时间
2018-06-20（万方平台首次上网日期，不代表论文的发表时间）
- 浏览8
- 被引11
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
