论文部分内容阅读
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。