利用神经网络从鼾声来预测睡眠呼吸中止的方法技术

一种利用神经网络从鼾声来预测睡眠呼吸中止的方法，其包含以下步骤:撷取一原始声音信号；藉由一打鼾切割算法在原始声音信号中找到至少一打鼾信号，并切割打鼾信号后，可输出一具有一维特征向量的打鼾信号向量；藉由一特征提取算法提取打鼾信号向量，使打鼾信号向量转换成一具有二维特征向量的打鼾特征矩阵；以及藉由一神经网络算法分类打鼾特征矩阵，使打鼾特征矩阵经由分类训练后，可得知打鼾信号所代表的呼吸暂停次数或呼吸减缓次数。

【技术实现步骤摘要】
利用神经网络从鼾声来预测睡眠呼吸中止的方法
本专利技术有关一种利用神经网络从鼾声来预测睡眠呼吸中止的方法，尤指一种以神经网络得知打鼾信号所代表的的呼吸暂停次数或呼吸减缓次数。
技术介绍
打鼾与阻塞性睡眠呼吸中止症(obstructivesleepapnea,OSA)是因为睡眠时上呼吸道的组织松软塌陷所导致，属于同一个疾病但是不同严重程度的表现，影响至少百分之四以上的人口族群。它除了会造成白天疲倦、嗜睡、记忆力减退、忧郁症，甚至增加交通事故的发生率，并且对人体会产生相当严重的疾病，包括：神经精神方面的病变、动脉高血压、心血管疾病、中风以及新陈代谢的问题。目前临床上的诊断基准是根据睡眠多项生理检查，这项检查需要在医院进行整夜睡眠，包含睡眠效率及深度监测，睡眠呼吸中止次数及血氧浓度等，然而睡眠多项生理检查必须在医院进行，排程旷日废时，耗费人力且检查费用又昂贵。因此不论对于医师或是一般民众来说，如果有个工具能迅速方便诊断且可以每天监测睡眠呼吸中止的严重程度是非常重要的。鼾声是阻塞性睡眠呼吸中止症的一个主要症状，几乎九成五的患者会有鼾声，对于打鼾本文档来自技高网...

【技术保护点】
1.一种利用神经网络从鼾声来预测睡眠呼吸中止的方法，其特征在于，包含以下步骤：/n撷取一原始声音信号；/n藉由一打鼾切割算法在该原始声音信号中找到至少一打鼾信号，并切割该打鼾信号后，输出一具有一维特征向量的打鼾信号向量；/n藉由一特征提取算法提取该打鼾信号向量，使该打鼾信号向量转换成一具有二维特征向量的打鼾特征矩阵；以及/n藉由一神经网络算法分类该打鼾特征矩阵，使该打鼾特征矩阵经由分类训练后，得知该打鼾信号所代表的呼吸暂停次数或呼吸减缓次数。/n

【技术特征摘要】
20190516 TW 1081169391.一种利用神经网络从鼾声来预测睡眠呼吸中止的方法，其特征在于，包含以下步骤：
撷取一原始声音信号；
藉由一打鼾切割算法在该原始声音信号中找到至少一打鼾信号，并切割该打鼾信号后，输出一具有一维特征向量的打鼾信号向量；
藉由一特征提取算法提取该打鼾信号向量，使该打鼾信号向量转换成一具有二维特征向量的打鼾特征矩阵；以及
藉由一神经网络算法分类该打鼾特征矩阵，使该打鼾特征矩阵经由分类训练后，得知该打鼾信号所代表的呼吸暂停次数或呼吸减缓次数。


2.如权利要求1所述的利用神经网络从鼾声来预测睡眠呼吸中止的方法，其特征在于，该打鼾切割算法更包括一第一门坎值与一第二门坎值作为切割标准，并设定一滑动窗口进行线性扫描该原始声音信号，以计算在该滑动窗口内该原始声音信号的最大值，当该原始声音信号的最大值大于该第二门坎值时，则认定有该打鼾信号的发生，而该滑动窗口所停留位置设定为该打鼾信号的位置，接着，该滑动窗口向右继续进行线性扫描该打鼾信号，同时在该滑动窗口内计算该打鼾信号的绝对值总和，计算出的绝对值总和小于该第一门坎值时，而该滑动窗口所停留位置设定为该打鼾信号的右边截止位置，接着，该滑动窗口向左继续进行线性扫描该打鼾信号，同时在该滑动窗口内计算该打鼾信号的绝对值总和，计算出的绝对值总和小于该第一门坎值时，而该滑动窗口所停留位置设定为该打鼾信号的左边截止位置，并以该打鼾信号的右边截止位置与该打鼾信号的左边截止位置切割出该打鼾信号向量。


3.如权利要求2所述的利用神经网络从鼾声来预测睡眠呼吸中止的方法，其特征在于，该第一门坎值公式为M＝mean(f(Yi＞0))，其中，该M代表...

【专利技术属性】
技术研发人员：黄琮玮，陈敦裕，陈圣言，
申请(专利权)人：医疗财团法人徐元智先生医药基金会亚东纪念医院，
类型：发明
国别省市：中国台湾;71