基于物联网的OSAHS预测系统技术方案

本发明专利技术公开了基于物联网的OSAHS预测系统，属于预测系统应用领域。包括鼾声检测模块、OSAHS识别模块和系统应用平台，所述的系统应用平台基于云服务和客户端，所述OSAHS识别模块由服务器端预测模型和数据库执行；鼾声检测模块负责鼾声采集和信号处理，并将处理结果上传至服务器的OSAHS识别模块，客户端进行用户年龄、BMI、性别等OSAHS相关危险因素的Form ID收集，上传至与服务器的OSAHS识别模块，OSAHS识别模块识别后将识别结果返回至客户端显示。整个系统操作简单、且非接触式，用户体验良好，所需元器件少，总体成本较低，具有更高的识别率，实时性强、低功耗、可靠性高。

【技术实现步骤摘要】
基于物联网的OSAHS预测系统
本专利技术属于预测系统应用领域，具体涉及基于物联网的OSAHS预测系统。
技术介绍
阻塞性睡眠呼吸暂停综合症(OSAHS)是一种严重的与睡眠相关的呼吸障碍疾病，伴有打鼾、呼吸结构紊乱、频繁血氧饱和度下降，易引发由夜间呼吸不足和心脑血管疾病引起的粹死，国际发病率约为3％～5％。现有技术使用最多的是多导睡眠图(PSG)，但是其检测方法，两大缺陷十分明显：一是设备操作复杂且极其昂贵；二是为“接触式”的监测设备，身体多个部位被导管连接进行测量，严重影响用户睡眠质量，这些使潜在患者不能正确认识鼾症并及时预防、治疗。随着物联网技术和智慧医疗的发展，未来物联网可解决医疗系统中机构效率低下、智能医疗看护等问题，提高医学研究的速度和成效。因此，将传统医疗与物联网体系相结合开发出一套操作简单，成本低廉，能惠及更多普通病人的检测设备具有远大前景。
技术实现思路
针对现有技术存在的问题，本专利技术提供了基于物联网的OSAHS预测系统的技术方案，通过基于物联网的OSAHS预测系统应用设计，让用户轻松通过OSAHS预测系统服务进行自查患病预测概率，并获得个性化的睡眠质量报告和治疗方案。本专利技术要解决的技术问题是通过以下技术方案来实现的：基于物联网的OSAHS预测系统，包括鼾声检测模块、OSAHS识别模块和系统应用平台，所述的系统应用平台基于云服务和客户端，所述OSAHS识别模块由服务器端预测模型和数据库执行；鼾声检测模块负责鼾声采集和信号处理，并将处理结果上传至服务器的OSAHS识别模块，客户端进行用户年龄、BMI、性别等OSAHS相关危险因素的FormID收集，上传至与服务器的OSAHS识别模块，OSAHS识别模块识别后将识别结果返回至客户端显示。进一步的，所述的鼾声检测模块包括主控模块、采集模块、数据处理模块和无线传输模块，通过鼾声采集模块24小时采集音频，将采集的音频流进行储存，后台由数据处理模块进行运算，将处理后结果通过无线传输模块，利用TCP通信协议转发至服务器。进一步的，所述主控模块采用树莓派RaspberryPi4，其40个GPIO接口足够满足小居室环境的设备开发，4个USB端口，能够支持更多的串行通信设备，能很好接入音频处理的前端设备；所述的采集模块采用ReSpeaker4麦克风阵列，基于AC108开发，其中AC108是一款高度集成的四通道ADC，具有I2S/TDM输出转换功能，可实现3米内的高清语音捕获；所述的数据处理模块利用树莓派后台作为主运算中心，支持多种操作系统及语言，本文将采用Liunx操作系统和主流python语言，在IDE环境下对鼾声相关信号进行数据处理；所述的无线传输模块:采用ESPWiFi模块，可支持无线b/g/n标准，支持基站/热点/基站+热点三种工作模式，内置32位MCU，可兼作应用处理器，单电源供电可通过AT指令控制模块，主要功能为串口透传、PWM调控、GPIO控制。进一步的，所述的数据处理模块由树莓派端后台进行鼾声数据处理，本系统主要在Linux操作系统中运行，以python为主要实现语言，先通过树莓派RaspberryPi4搭载ReSpeaker4麦克风阵列采集鼾声有关音频数据并储存，后台在IDE环境下对信号进行分帧加窗等预处理、采用谱减法进行降噪、采用改进的子带谱熵算法进行端点检测、鼾声段的修正，确定鼾声有关信号的起始位置和终止位置，然后将处理后数据传至服务器端，所述处理后的数据包括鼾声次数及间隔。进一步的，所述的OSAHS识别模块在云服务器上部署CentOS操作系统和IDE环境，确定将鼾声检测模块处理的鼾声次数及间隔、BMI、性别、年龄等临床指标利用BP神经网络建立OSAHS预测模型，通过MySQL数据库实现用户信息管理和存储OSAHS预测系统的识别结果，MySQL是一个小型关系型数据库管理系统，支持多种操作系统，并为多种语言提供API，它支持多线程，充分利用CPU资源，支持TCP/IP、ODBC等连接方式。进一步的，所述的OSAHS识别模块中，OSAHS预测模型的具体实施为将样本数据集划分为训练集：测试集：验证集＝70％:15％:15％,，通过两层前馈神经网络，使用BP反向传播算法，将隐藏单元设置为10，训练函数＝trainscg、隐藏层激活函数＝tansig、输出层激活函数＝softmax、最大迭代步数epochs＝500、学习率lr＝0.01、目标误差goal＝0.01、训练周期＝50进行梯度下降训练不断调整权重和阈值逼近实际输出值和期望输出值的最小均方误差。进一步的，所述的OSAHS识别模块中，采用Mysql数据库的设计包含两部分功能：(1)明确存储的用户与对应的数据信息，确定表中各个字段的属性；(2)提供增加、删除、查询、修改的功能，方便用户及其他相关程序对识别结果的调用。进一步的，所述的系统应用平台由客户端和云服务搭建，客户端将用户信息采用form表单打包通过向服务器RESTAPI发送POST请求上传并访问服务器，经OSAHS预测模型识别后返回JSON格式封装的结果在页面显示中的OSAHS预测结果。进一步的，所述的客户端采用微信小程序，微信小程序设计，针对OSAHS预测系统应用的需求分析，根据微信小程序提供的MINA框架，利用提供的视图层特有的描述语言WXML、WXSS，全局配置JSON、以及基于JavaScript的逻辑层进行了视图层、逻辑层和系统层设计，用户可以较为容易地结合硬件设备获取疑似OSAHS的预测概率及睡眠报告等。本专利技术与传统OSAHS预测系统相比有如下优点：(1)整个系统操作简单、且非接触式，利用物联网技术，通过云服务和微信小程序极为便携的预测OSAHS患病情况并获取个性化的睡眠报告，用户体验良好；(2)采用树莓派搭建麦克风阵列采集数据并利用后台作为数据运算中心、实时性强、低功耗、可靠性高；(3)综合鼾声、年龄、BMI、性别等多OSAHS相关危险因素采用BP神经网络训练OSAHS预测模型部署在云服务器进行识别，相较于利用单一生理信号如心电、血氧等或者Logistic回归、决策树等方法搭建的筛查模型具有更高的识别率；(4)所需元器件少，总体成本较低，适宜大规模使用于家庭健康管理等多场景下。附图说明图1为本专利技术的系统总体方案图；图2为硬件设计结构图；图3为软件设计流程图；图4为小程序设计界面图。具体实施方式下面结合说明书附图对专利技术的技术方案做进一步说明。图1为本专利技术提供的一种基于物联网的OSAHS预测系统总体方案图，整个系统由鼾声检测模块、OSAHS识别模块和系统应用平台，系统应用平台由云服务器和客户端构成，客户端可以为微信小程序。鼾声检测模块负责鼾声采集、信号处理，并将处理后的鼾声信息发送至OSAHS识别模块，OSAHS识别模块由云服务器端实现。微信小程序进行用户年龄、BMI、性别等危险因素的FormID收集，然后将特征参数发本文档来自技高网...

【技术保护点】
1.基于物联网的OSAHS预测系统，其特征在于：包括鼾声检测模块、OSAHS识别模块和系统应用平台，所述的系统应用平台基于云服务和客户端，所述OSAHS识别模块由服务器端预测模型和数据库执行；鼾声检测模块负责鼾声采集和信号处理，并将处理结果上传至服务器的OSAHS识别模块，客户端进行用户年龄、BMI、性别等OSAHS相关危险因素的Form ID收集，上传至与服务器的OSAHS识别模块，OSAHS识别模块识别后将识别结果返回至客户端显示。/n

【技术特征摘要】
1.基于物联网的OSAHS预测系统，其特征在于：包括鼾声检测模块、OSAHS识别模块和系统应用平台，所述的系统应用平台基于云服务和客户端，所述OSAHS识别模块由服务器端预测模型和数据库执行；鼾声检测模块负责鼾声采集和信号处理，并将处理结果上传至服务器的OSAHS识别模块，客户端进行用户年龄、BMI、性别等OSAHS相关危险因素的FormID收集，上传至与服务器的OSAHS识别模块，OSAHS识别模块识别后将识别结果返回至客户端显示。


2.根据权利要求1所述的基于物联网的OSAHS预测系统，其特征在于：所述的鼾声检测模块包括主控模块、采集模块、数据处理模块和无线传输模块，通过鼾声采集模块24小时采集音频，将采集的音频流进行储存，后台由数据处理模块进行运算，将处理后结果通过无线传输模块，利用TCP通信协议转发至服务器。


3.根据权利要求2所述的基于物联网的OSAHS预测系统，其特征在于：
所述主控模块采用树莓派RaspberryPi4，其40个GPIO接口足够满足小居室环境的设备开发，４个USB端口，能够支持更多的串行通信设备，能很好接入音频处理的前端设备；
所述的采集模块采用ReSpeaker4麦克风阵列，基于AC108开发，其中AC108是一款高度集成的四通道ADC，具有I2S/TDM输出转换功能，可实现3米内的高清语音捕获；
所述的数据处理模块利用树莓派后台作为主运算中心，支持多种操作系统及语言，本文将采用Liunx操作系统和主流python语言，在IDE环境下对鼾声相关信号进行数据处理；
所述的无线传输模块:采用ESPWiFi模块，可支持无线b/g/n标准，支持基站/热点/基站+热点三种工作模式，内置32位MCU，可兼作应用处理器，单电源供电可通过AT指令控制模块，主要功能为串口透传、PWM调控、GPIO控制。


4.根据权利要求2所述的基于物联网的OSAHS预测系统，其特征在于：所述的数据处理模块由树莓派端后台进行鼾声数据处理，本系统主要在Linux操作系统中运行，以python为主要实现语言，先通过树莓派RaspberryPi4搭载ReSpeaker4麦克风阵列采集鼾声有关音频数据并储存，后台在IDE环境下对信号进行分帧加窗等预处理、采用谱减法进行降噪、采用改进的子带谱熵算法进行端点检测、鼾声段的修正，确定鼾声有关信号的起始位置和终止位置，然后将处理后数据传至服务器端，所述处理后的数据包...

【专利技术属性】
技术研发人员：帅文洁，岳克强，李文钧，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33