多尺度熵睡眠呼吸暂停程度的分析

摘要：

当前就睡眠呼吸暂停症状的研究对心血管疾病的预测有重要的临床意义.选用Apnea-ECG database里的37个研究对象,根据呼吸暂停低通气指数(apnea hypopnea index,AHI)分为四类:正常群体(AHI<5)、轻度睡眠呼吸暂停(5≤AHI<15)、中度睡眠呼吸暂停(15≤AHI<30)、重度睡眠呼吸暂停(AHI≥30).选取样本整个数据中间时刻1 h心电信号(ECG)数据,以保证数据是处于研究对象深度睡眠下测得的.利用Costa等提出的多尺度熵(multiscale entropy,MSE)算法应用于ECG的RR间隔,来分析四类睡眠呼吸暂停的不同程度.根据多尺度熵指数(multiscale entropy index, MEI)定义MEI1~3和MEI13~15.研究结果表明MEI1~3和MEI13~15能够很好地区分正常睡眠群体、轻度睡眠呼吸暂停患者、中度和重度呼吸暂停患者;并且MEI1~3和AHI二者具有良好的负相关性(R2=0.279,P<0.05).

关键词：睡眠呼吸暂停、低通气指数(AHI)、多尺度熵、多尺度熵指数(MEI)

所属期刊栏目：17

分类号：TP391.77(计算技术、计算机技术)

资助基金：国家自然科学基金61306106

在线出版日期：2017-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：247-250