基於隱藏式馬可夫模型之異質感測資料融合

臨床上睡眠深度倚賴於睡眠分析師根據許多生理訊號隨時間之波形變化以肉眼做判定。在此研究計畫中，我們將探討如何用應用不同於傅立葉轉換之小波轉換於量化生理訊號之波形，並且提出以隱馬可夫鏈模型為基礎之異質感測資訊整合演算法。為了使提出之演算法能夠將訊號內含之短期與長期相依性列入考慮，我們也將研究如何將遞歸神經網路之特性整合入具多重觀測之隱馬可夫鏈模型中。此計畫所提出之演算法與理論除了將與現有文獻所探討之異質感測資訊融合演算法做系統性比較外也將應用在自動睡眠深度判讀上以縮短傳統睡眠深度判讀方法所需之時間。