一种各类呼吸暂停综合征的分类检测系统技术方案

本发明专利技术公开了一种基于EfficientNeT神经网络的各类呼吸暂停综合征的分类检测系统，属于鼾声检测及疾病判别领域；包括音频采集模块、鼾声提取模块、特征提取模块、鼾声识别模块、统计判断模块，所述音频采集模块，用于采集被测患者整晚睡眠状态时音频；所述鼾声提取模块，用于提取完整音频中所有的鼾声段音频；所述特征提取模块，用于对采集得到的鼾声段进行特征提取；所述鼾声识别模块，用于使用基于EfficientNeT神经网络的模型对所有的鼾声段进行各类鼾声的自动识别与检测；所述统计判断模块，用于对各类鼾声情况的进行统计，并依据AHI指数完成对各类呼吸暂停综合征的分类检测。

【技术实现步骤摘要】
一种各类呼吸暂停综合征的分类检测系统
本专利技术涉及鼾声检测及疾病判别领域，具体涉及一种基于EfficientNeT神经网络的各类呼吸暂停综合征的分类检测系统。
技术介绍
睡眠呼吸暂停综合征(OSAHS)是一种睡眠时候呼吸停止的睡眠障碍，表现为在连续7h睡眠中发生30次以上的呼吸暂停，每次气流中止10s以上(含10s)，或平均每小时低通气次数(呼吸紊乱指数)超过5次，而引起慢性低氧血症及高碳酸血症的临床综合征。一般可以分为中枢型、阻塞型及混合型。该病症因为反复发作的低血氧、高碳酸血症会出现神经功能失调，儿茶酚胺、内皮素及肾素-血管紧张素系统失调，内分泌功能紊乱及血液动力学改变等情况，更严重甚至会危及生命。因此，对呼吸暂停综合征的及早诊断和治疗是十分关键的。而对于睡眠呼吸暂停综合征来说，中枢型、阻塞型及混合型呼吸暂停综合征的病因及危害都各不相同。阻塞性睡眠呼吸暂停(obstructivesleepapneahyperpnoeasyndrome简称OSAHS)，即在睡眠中因上气道阻塞引起呼吸暂停，表现为口鼻腔气流停止而胸腹呼吸动作尚存在。是本文档来自技高网...

【技术保护点】
1.一种基于EfficientNeT神经网络的各类呼吸暂停综合征的分类检测系统，包括音频采集模块、鼾声提取模块、特征提取模块、鼾声识别模块、统计判断模块，其特征在于：/n所述音频采集模块，用于采集被测患者整晚睡眠状态时音频；/n所述鼾声提取模块，用于提取完整音频中所有的鼾声段音频；/n所述特征提取模块，用于对采集得到的鼾声段进行特征提取；/n所述鼾声识别模块，用于使用基于EfficientNeT神经网络的模型对所有的鼾声段进行各类鼾声的自动识别与检测；/n所述统计判断模块，用于对各类鼾声情况的进行统计，并依据AHI指数完成对各类呼吸暂停综合征的分类检测。/n

【技术特征摘要】
1.一种基于EfficientNeT神经网络的各类呼吸暂停综合征的分类检测系统，包括音频采集模块、鼾声提取模块、特征提取模块、鼾声识别模块、统计判断模块，其特征在于：
所述音频采集模块，用于采集被测患者整晚睡眠状态时音频；
所述鼾声提取模块，用于提取完整音频中所有的鼾声段音频；
所述特征提取模块，用于对采集得到的鼾声段进行特征提取；
所述鼾声识别模块，用于使用基于EfficientNeT神经网络的模型对所有的鼾声段进行各类鼾声的自动识别与检测；
所述统计判断模块，用于对各类鼾声情况的进行统计，并依据AHI指数完成对各类呼吸暂停综合征的分类检测。


2.如权利要求1所述的基于EfficientNeT神经网络的各类呼吸暂停综合征的分类检测系统，其特征在于：所述音频采集模块，通过麦克风阵列采集被测患者整晚睡眠状态时音频。


3.如权利要求1所述的基于EfficientNeT神经网络的各类呼吸暂停综合征的分类检测系统，其特征在于：所述鼾声提取模块，通过端点检测识别出鼾声段和无声段，提取出鼾声段信号，使用的是低信噪比下基于谱熵的端点检测算法。


4.如权利要求1所述的基于EfficientNeT神经网络的各类呼吸暂停综合征的分类检测系统，其特征在于：所述特征提取模块对音频进行预加重、分帧加窗处理，提取梅尔倒谱系数(MFCC)；首先利用一阶高通FIR滤波器完成睡眠声信号的预加重，分帧时选择帧长为20ms,帧移为10ms、50％的重叠率；MFCC特征为由人耳对不同频率的声波有不同的听觉敏感度的启发提出来的特征，特征参数提取过程经过预...

【专利技术属性】
技术研发人员：程思一，李文钧，岳克强，孙洁，刘昊，潘成铭，
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