基于多特征信息的双层睡眠分期模型

针对睡眠相关疾病的诊断和治疗过程中睡眠分期的问题，使用ADASYN算法对睡眠样本进行类平衡，有效利用复合多尺度排列熵、样本熵和不同频段的能量值等一系列能够反映不同睡眠阶段信息的特征进行训练．为了提高分类中易混淆睡眠阶段的分类识别性能，构建了一种双层分类模型，使睡眠分期的五分类问题转化为两个三分类问题．将所提出的方法在Sleep-EDF数据集上进行验证，结果表明：所提出的模型对健康受试者的准确率可达到88.3%，较以往模型提高1%～3%，其中N1阶段的分类准确率可达69.5%，较以往模型提高约10%，证明本双层分类模型优于传统的睡眠分类模型．