一种基于鼾声的实时呼吸暂停及低通气预测方法技术

本发明专利技术提供了一种基于鼾声的实时呼吸暂停及低通气预测方法，包括：获取目标对象的鼾声音频和睡眠指标数据，对所述鼾声音频进行预处理和特征提取，以多导睡眠监测数据中标注的呼吸事件时间节点作为标注提取正负样本，基于睡眠指标数据、正负样本提取结果，预测后续预设时间内出现呼吸暂停和低通气的概率；用于获得目标对象的鼾声音频和查体数据以及多导睡眠监测数据，基于特征融合的方式将其建模在统一的特征空间并结合特征重要性原则，实时准确地预测呼吸暂停和低通气及其对应的对应概率的出现与否，在呼吸事件发生节点前进行监测并根据检测结果发出相应预警信号，并对所述目标对象主动干预。

【技术实现步骤摘要】
一种基于鼾声的实时呼吸暂停及低通气预测方法
本专利技术涉及预测方法
，特别涉及一种基于鼾声的实时呼吸暂停及低通气预测方法。
技术介绍
阻塞性睡眠呼吸暂停低通气综合征(obstructivesleepapnoeahypopnoea,OSAHS)是指患者在睡眠过程中上气道塌陷阻塞引起反复呼吸暂停和低通气。该类患者临床表现为睡眠打鼾，憋醒，睡眠结构紊乱，频繁发生血氧饱和度下降，常伴有夜尿增多，晨起头痛，白天嗜睡，记忆力下降，严重者出现认知功能下降，行为异常等。OSAHS是一种全身性疾病，夜间反复发生的呼吸暂停和低通气造成慢性间歇低氧，二氧化碳潴留，引发高血压、心脑血管疾病、Ⅱ型糖尿病等代谢疾病，同时又是猝死、道路交通事故的重要原因，因而是一个严重的社会问题。据数据显示，全球OSAHS的患病人数达到10亿，而中国仍有大量的病人未被诊断。OSAHS的标准诊断手段为多导睡眠仪(polysomnography,PSG)。该项检查需要在专门的睡眠实验室由睡眠技师整夜值守的情况下完成。通常PSG记录的信号包括脑电图、眼动电图、颏肌电图、下肢肌电图、本文档来自技高网...

【技术保护点】
1.一种基于鼾声的实时呼吸暂停及低通气预测方法，其特征在于，包括：/nS1：获取目标对象的鼾声音频和睡眠指标数据；/nS2：对所述鼾声音频进行预处理和特征提取；/nS3：以多导睡眠监测数据中标注的呼吸事件时间节点作为标注提取正负样本；/nS4：基于睡眠指标数据、正负样本提取结果，预测后续预设时间内出现呼吸暂停和低通气的概率。/n

【技术特征摘要】
1.一种基于鼾声的实时呼吸暂停及低通气预测方法，其特征在于，包括：
S1：获取目标对象的鼾声音频和睡眠指标数据；
S2：对所述鼾声音频进行预处理和特征提取；
S3：以多导睡眠监测数据中标注的呼吸事件时间节点作为标注提取正负样本；
S4：基于睡眠指标数据、正负样本提取结果，预测后续预设时间内出现呼吸暂停和低通气的概率。


2.如权利要求1所述的一种基于鼾声的实时呼吸暂停及低通气预测方法，其特征在于，S2：对所述鼾声音频进行预处理和特征提取，包括：
基于多窗谱减法和维纳滤波对所述鼾声音频进行降噪处理，再进行预加重处理，获得预处理后的鼾声音频信号；
基于预设的硬判别和软判别方式滤除预处理后的鼾声音频信号中的非鼾帧和呼吸帧。


3.如权利要求2所述的一种基于鼾声的实时呼吸暂停及低通气预测方法，其特征在于，S2：对所述鼾声音频进行预处理和特征提取，还包括：
计算预处理后的鼾声音频信号的背景信号阈值；
将预处理后的鼾声音频信号划分成多个预设长度的音频段，提取每个音频段的声学特征，基于每个音频段的声学特征，确定鼾声段起始点待选区域和鼾声段终止点待选区域；
将所述起始点待选区域的逆向差分函数最大值对应的帧作为鼾声段的起始点，将所述终止点待选区域的逆向差分函数最大值对应的帧作为鼾声段的终止点；
基于相邻所述起始点和所述终止点确定连续鼾声音频信号中所有鼾声段；
获取所有鼾声帧对应的短时能量和过零率，并判断所述鼾声帧是否满足短时幅值大于最低能量阈值或过零率大于过零率阈值，若是，则判定所述鼾声帧为有效鼾声帧，否则，判定所述鼾声帧为无效鼾声帧；
获取所述连续鼾声音频信号中相邻有效鼾声帧之间的时间间隔，当所述时间间隔小于预设时间阈值，则将相邻有效鼾声帧中的第一有效鼾声帧与第二有效鼾声帧合并，进而获得合并音频；
否则，不合并。


4.如权利要求3所述的一种基于鼾声的实时呼吸暂停及低通气预测方法，其特征在于，S2：对所述鼾声音频进行预处理和特征提取，还包括：
将所述合并音频输入深度神经网络提取梅尔频率倒谱系数特征矩阵；
基于第一预设准则确定所述合并音频的突变点，并基于所述突变点将所述合并音频分割成若干个音频样本；
确定每个音频样本中的有效鼾声帧排列次序，所述音频样本都由预设数量个连续的有效鼾声帧构成；
基于梅尔频率倒谱系数特征矩阵将每个音频样本中位于相同排列次序的有效鼾声帧进行聚类，获得所述有效鼾声帧对应的对应的聚类中心；
确定每个聚类中心对应的所述有效鼾声帧的个数，基于对应的个数和聚类中心确定对应的有效鼾声帧的特征数据。


5.如权利要求1所述的一种基于鼾声的实时呼吸暂停及低通气预测方法，其特征在于，S3：以多导睡眠监测数据中标注的呼吸事件时间节点作为标注提取正负样本之前，包括：
对所述睡眠指标中的数据和有效鼾声帧的特征数据进行质量评估，获得完整的数据样本；
基于所述多导睡眠监测数据获取目标对象的睡眠分期，基于所述睡眠分期获取所述目标对象未入眠的时间段；
删除未入眠时间段对应的数据样本；
将保留的数据样本和时间轴融合，获得所述全时域覆盖数据样本，并将所述全时域覆盖数据样本基于均值等分区间离散化，获得全时域覆盖离散样本。


6.如权利要求5所述的一种基于鼾声的实时呼吸暂停及低通气预测方法，其特征在于，S3：以多导睡眠监测数据中标注的呼吸事件时间节点作为标注提取正负样本，包括：
获取与时间轴对...

【专利技术属性】
技术研发人员：韩德民，吴及，高键东，易炫宇，王泊淳，李彦如，
申请(专利权)人：北京好医生云医院管理技术有限公司，清华大学，首都医科大学附属北京同仁医院，
类型：发明
国别省市：北京;11