一种基于BCG信号的呼吸暂停事件检测方法及系统技术方案

技术编号:13924263 阅读:110 留言:0更新日期:2016-10-28 03:24
本发明专利技术公开了一种基于BCG信号的呼吸暂停事件检测方法及系统,用以精确检测睡眠中的呼吸暂停事件。该方法通过识别觉醒段从而定位呼吸事件潜在的发生区间,再将事件潜在发生区间分割为呼吸暂停段、呼吸努力段、觉醒段,然后分别从三段中提取细粒度的能够刻画呼吸模式的特征,最终借助机器学习方法,判断该事件潜在发生阶段是否含有呼吸暂停事件。该系统主要包括:信号获取模块、数据处理模块、检测结果输出模块。该方法和系统能够自动、精确地定位呼吸暂停事件潜在发生区间并将该区间自动划分成不同的三个阶段,便于从多方面、细粒度地刻画呼吸模式,大大提升了呼吸暂停事件的检测准确率。

【技术实现步骤摘要】

本专利技术涉及生物医学领域,具体地,涉及一种呼吸暂停事件检测方法及系统。
技术介绍
近年来,睡眠障碍已成为影响人们生活质量的重要因素。其中,睡眠呼吸暂停综合症已成为最常见的睡眠障碍。据世界卫生组织有关数据显示,全球大约2亿人口患有睡眠呼吸暂停综合症,约占世界总人口的2%-4%。睡眠呼吸暂停综合症发病率之高、危害之严重堪称各类睡眠障碍之首,对呼吸暂停事件的检测已成为需要重点研究的问题。现有的呼吸暂停事件检测方法主要分为两大类:1)基于PSG、胸带、血氧饱和计、气流检测计等的呼吸暂停事件检测;2)基于心率变异性的呼吸暂停事件检测。前者在检测时需要受试者佩戴若干仪器或电极,影响受试者睡眠时的舒适性。后者通常采用等分数据段策略,将数据分成若干长度相等的段,该策略忽视了呼吸暂停事件可能发生在任意时刻且持续时间不固定这一事实,影响了事件检测的准确性。此外,上述两类呼吸暂停事件检测方法均将呼吸暂停事件的可能发生区间作为一个整体,并未考虑呼吸暂停事件的内部结构,因此所提取特征无法细粒度地刻画呼吸暂停事件,进而降低了事件检测的准确性。针对上述问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术提供一种基于BCG信号的呼吸暂停事件检测方法,通过自动定位呼吸暂停事件可能的发生区间,将该区间分割为呼吸暂停段、呼吸努力段、觉醒段;所述的一种基于BCG信号的呼吸暂停事件检测方法包括以下步骤:S1:对BCG信号进行归一化处理;S2:初步定位呼吸暂停事件的觉醒段;S3:对S2中得到的觉醒段进行合并、筛选等处理,获取准确觉醒段;S4:将S3中相邻的准确觉醒段之间的BCG信号进一步分割为觉醒段尾部、呼吸暂停段、呼吸努力段;S5:对S4中所得各阶段进行选择性修正处理,最终准确定位呼吸暂停事件的发生区间,将其划分为呼吸暂停段、呼吸努力段、觉醒段。S6:分别从上述三段中提取能够细粒度刻画呼吸模式的特征;S7:基于上述提取的细粒度呼吸模式特征,借助机器学习方法,检测该区间中是否包含有呼吸暂停事件。进一步地,一种基于BCG信号的呼吸暂停事件检测方法S2中使用Z-score方法对BCG信号进行归一化处理,公式为:其中,μ为BCG信号序列的平均值,σ为信号序列的标准差,Xi是胸冲击信号序列中第i个信号值,Xnor_i是Xi经过归一化处理后的值。进一步地,一种基于BCG信号的呼吸暂停事件检测方法S3中初步定位呼吸暂停事件包括:先通过小波分析方法将胸冲击信号进行分解,选择既能够消除噪音干扰又能较好地表征觉醒段的近似层,然后将该近似层信号分割为等长的数据段,并借助阈值方法,初步判断每个数据段是否为觉醒段,并进行标记;第i段记为segi,并根据如下公式对每一段进行标记:threshold=mean(std(segj))+A×std(std(segj))其中,j=1,2,…,N;N为信号段的个数;A为权重因子。进一步地,一种基于BCG信号的呼吸暂停事件检测方法S4中的合并处理是指根据睡眠呼吸暂停事件的相关定义,对不满足事件时间长度要求的相邻觉醒段及之间数据段进行合并。进一步地,一种基于BCG信号的呼吸暂停事件检测方法中睡眠呼吸暂停事件的相关定义是指呼吸暂停事件发生时间持续10秒以上,根据如下公式判断是否需要将若干初步定位的觉醒段进行合并:endj-endi≤10seconds其中endi与endj是相邻两个初步定位的觉醒段的结束时刻;进一步地,一种基于BCG信号的呼吸暂停事件检测方法S4中的筛选处理是指从各个合并后的觉醒段提取特征,训练一个分类器,将目前所得的各觉醒段分类为真正的觉醒段或由数据中噪音导致的假觉醒段,进而筛选出真正的觉醒段。进一步地,一种基于BCG信号的呼吸暂停事件检测方法中所述筛选按照如下公式进行筛选:其中,条件C1由如下公式构成:(Durationi≥18)∪[(Durationi>6)∩(Durationi≥max{Durationj本文档来自技高网...

【技术保护点】
一种基于BCG信号的呼吸暂停事件检测方法及系统,其特征在于:自动定位呼吸暂停事件的潜在发生区间,将事件潜在发生区间分割为呼吸暂停段、呼吸努力段、觉醒段,利用三段中所蕴含的与呼吸模式有关的特征,借助机器学习方法,最终检测该事件潜在发生区间是否包含呼吸暂停事件;所述的呼呼吸暂停事件检测方法包括以下步骤:S1:对BCG信号进行归一化处理;S2:初步定位呼吸暂停事件的觉醒段;S3:对S2中得到的觉醒段进行合并、筛选等处理,获取准确觉醒段;S4:将S3中相邻的准确觉醒段之间的BCG信号进一步分割为觉醒段尾部、呼吸暂停段、呼吸努力段;S5:对S4中所得各阶段进行选择性修正处理,最终准确定位呼吸暂停事件的潜在发生区间,将其划分为呼吸暂停段、呼吸努力段、觉醒段;S6:分别从上述三段中提取能够细粒度刻画呼吸模式的特征;S7:基于上述提取的细粒度呼吸模式特征,借助机器学习方法,检测该区间中是否包含有呼吸暂停事件。

【技术特征摘要】
1.一种基于BCG信号的呼吸暂停事件检测方法及系统,其特征在于:自动定位呼吸暂停事件的潜在发生区间,将事件潜在发生区间分割为呼吸暂停段、呼吸努力段、觉醒段,利用三段中所蕴含的与呼吸模式有关的特征,借助机器学习方法,最终检测该事件潜在发生区间是否包含呼吸暂停事件;所述的呼呼吸暂停事件检测方法包括以下步骤:S1:对BCG信号进行归一化处理;S2:初步定位呼吸暂停事件的觉醒段;S3:对S2中得到的觉醒段进行合并、筛选等处理,获取准确觉醒段;S4:将S3中相邻的准确觉醒段之间的BCG信号进一步分割为觉醒段尾部、呼吸暂停段、呼吸努力段;S5:对S4中所得各阶段进行选择性修正处理,最终准确定位呼吸暂停事件的潜在发生区间,将其划分为呼吸暂停段、呼吸努力段、觉醒段;S6:分别从上述三段中提取能够细粒度刻画呼吸模式的特征;S7:基于上述提取的细粒度呼吸模式特征,借助机器学习方法,检测该区间中是否包含有呼吸暂停事件。2.根据权利要求1所述的一种基于BCG信号的呼吸暂停事件检测方法,其特征在于:所述的S1中使用Z-score方法对BCG信号进行归一化处理。3.根据权利要求1所述的一种基于BCG信号的呼吸暂停事件检测方法,其特征在于:所述的S2中初步定位呼吸暂停事件包括:先通过小波分析方法将胸冲击信号进行分解,选择既能够消除噪音干扰又能较好地表征觉醒段的近似层,然后将该近似层信号分割为等长的数据段,并借助阈值方法,初步判断每个数据段是否为觉醒段,并进行标记。4.根据权利要求1所述的一种基于BCG信号的呼吸暂停事件检测方法,其特征在于:所述的S3中的合并处理是指对不满足事件时间长度要求的相邻觉醒段及之间的数据段进行合并;所述的事件时间长度要求是指呼吸暂停事件持续时间应超过10秒,根据如下公式判断是否需要将初步定位的觉醒段进行合并:endj-endi≤10seconds其中endi与endj是相邻两个初步定位的觉醒段的结束时刻。5.根据权利要求1所述的一种基于BCG信号的呼吸暂停事件检测方法,其特征在于:所述的S3中的筛选处理是指从各个合并后的觉醒段提取特征,训练一个分类器,将目前所得的各觉醒段分类为真正的觉醒段或由数据中噪音导致的假觉醒段,进而筛选出真正的觉醒段;所述的筛选按照如下公式进行筛选: PoArousalPha i = t r u e A r o u s a l P h a s e , ...

【专利技术属性】
技术研发人员:周兴社刘帆王柱倪红波於志文
申请(专利权)人:西北工业大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1