面向焦虑改善的睡眠脑电信号深度学习分析模型研究

来源：电子与信息学报杂志2025年第8期北京时间：

作者：黄辰, 马耀龙, 张龑, 王时绘, 杨超, 宋建华, 陈侃松, 杨伟平

单位：1.湖北大学计算机与信息工程学院 武汉 4300622.智能感知系统与安全教育部重点实验室 武汉 4300623.大数据智能分析与行业应用湖北省重点实验室 武汉 4300624.湖北省高校人文社科重点研究基地-绩效评价信息管理研究中心 武汉 4300625.湖北大学网络空间安全学院 武汉 4300626.湖北大学教育学院 武汉 430062

摘要：焦虑是一种常见的情绪障碍，其严重时会显著影响个体的身心健康。已有研究表明，睡眠与焦虑存在双向调控关系，高质量睡眠有助于缓解焦虑情绪。为提高在睡眠环境下对焦虑患者脑电信号的分析准确率，该文提出一种改进型特征金字塔网络(IFPN)模型。在IFPN模型中，首先，对焦虑患者睡眠前后脑电信号进行预处理，采用脑电信号标准化和特征金字塔网络去噪，以统一脑电信号尺度并去除噪声。然后，将预处理后焦虑患者的睡眠脑电数据转换为脑熵地形图，以强化在睡眠环境下对焦虑改善的脑电信号分析能力，接着，利用改进型特征金字塔网络对脑熵地形图进行特征提取，生成特征脑地形图。最后，将特征脑地形图输入到ResNet-50进行脑电信号分析。本文在开源数据集上验证了IFPN模型的有效性。实验结果表明，在睡眠环境下，采用所提模型能够进一步提升针对焦虑脑电信号的分析能力和准确率，从而为分析睡眠对于焦虑的改善作用提供深入的理论和实验支撑。

关键词：睡眠, 焦虑, 脑电图, 改进型特征金字塔网络, 奇异谱熵

基金资助：武汉市知识创新专项项目(202311901251001)，湖北省科技计划重大科技专项(2024BAA008)，湖北省重大攻关项目(2023BAA018)，深圳市科技攻关重点项目(2020N061)