基于模糊支持向量机的睡眠呼吸暂停综合征的分类

摘要：

采用去趋势波动分析法(DFA)和自回归模型谱分析法研究心率变异性与睡眠时相的相关性，计算了38 名健康者和28 名不同程度睡眠呼吸暂停综合征(SAS)在各个睡眠阶段的标度指数及心率变异的频域特征；并比较了健康与SAS的各参数间的差异性，提出新的SAS 初筛的特征参数。应用模糊支持向量机(FSVM)将正常数据与异常数据分类，实现对SAS的自动初步筛选。通过实验测试，其分类正确率达到93.94％。因此可协助人工诊断实现社区大规模的SAS初步筛选，减少医务工作者的工作量，提高诊断效率。

关键词： 模糊支持向量机 睡眠呼吸暂停综合征 分类规则 心率变异 自回归模型谱 去趋势波动分析法

作者: 刘素娟 江丽仪 吴效明

作者单位: 华南理工大学生物医学工程系,广州 510006

会议类型: 国内会议

会议名称: 中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会

会议地点: 北京

会议语种:中文

页码: 22-27

在线出版日期: 2010-12-01（万方平台首次上网日期，不代表论文的发表时间）