论文部分内容阅读
阻塞型睡眠呼吸暂停低通气综合症(Obstructive Sleep Apnea Hypopnea Syndrome,OSAHS)是一种常见的睡眠疾病,会导致患者夜间睡眠缺氧,严重影响了患者的睡眠质量和身体健康,因此对OSAHS的检测与诊断十分重要。目前检测OSAHS的金标准是多导睡眠监测,但多导睡眠监测检测费用较高,并且需要使用多根导联线连接患者,对患者睡眠造成影响。因此本文提出了一种基于概率集成回归模型的呼吸暂停低通气指数预测方法,以实现患者OSAHS检测。算法的成功实施可以极大地方便OSAHS疑似患者的检测,降低OSAHS对患者身体健康的威胁。首先,本文提出的OSAHS诊断方法的创新点在于将鼾声与血氧饱和度结合,利用OSAHS的特点,对血氧饱和度进行了预处理,采用中值滤波去除血氧饱和度中的噪声,依据血氧饱和度下降阈值执行下降段处理。根据血氧饱和度下降段对应的时间找到鼾声信号,利用梅尔倒谱系数进行特征提取,将特征输入到卷积神经网络中结合逻辑回归模型将下降段音频信号分类为鼾声、呼吸和噪声,并对处理后的鼾声与血氧饱和度进行特征提取。其次,通过对概率集成回归模型的原理、结构介绍,利用概率集成回归模型训练出呼吸暂停低通气每小时发生的概率,预测出呼吸暂停低通气指数。实验结果表明,概率集成回归模型的预测结果与多导睡眠监测结果的相关性达到0.9838。最后,本文设计并实现了睡眠监测数据管理系统,用于管理OSAHS患者睡眠数据。睡眠监测数据管理系统的实现包括数据的识别、解析与存储,鼾声与血氧饱和度信号的导入及处理、数据库的设计以及系统功能等等。临床应用表明该系统对医生的科研和对患者初步诊断有极大的帮助。