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。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号