一种基于移动设备检测睡眠呼吸暂停的方法技术

本发明专利技术公开了一种基于移动设备检测睡眠呼吸暂停的方法，以深度学习、音频鼾声检测技术作为基础，进行睡眠时的睡眠呼吸暂停检测。检测方法包括音频采集、特征处理、鼾声判断、音量分贝检测、呼吸暂停检测等等一系列步骤，实现对受检用户的睡眠呼吸暂停事件检测，判断用户是否存在睡眠呼吸暂停症状。本发明专利技术所描述的整套算法及流程，可应用在包括但不限于手机等移动设备以及部分嵌入式设备，摆脱了传统睡眠呼吸暂停检测方法需要接触式设备的局限性，同时保证了检测的准确率，对于存在睡眠呼吸暂停症状的用户可以及早发现并治疗。症状的用户可以及早发现并治疗。症状的用户可以及早发现并治疗。

【技术实现步骤摘要】
一种基于移动设备检测睡眠呼吸暂停的方法


[0001]本专利技术涉及语音识别领域，尤其涉及一种基于移动设备来检测睡眠呼吸暂停的方法。

技术介绍

[0002]打鼾是当前世界上比较常见的一种疾病，严重者可引发睡眠呼吸暂停综合征，危及生命安全。
[0003]睡眠呼吸暂停综合征是一种在睡眠期间发生的一种暂停呼吸或呼吸减弱症状，暂停时长从数秒到数分钟不等，一晚上发生多次，同时因为此症状严重破坏正常睡眠，会造成白天的嗜睡和疲劳，若不及时治疗，还会引发如糖尿病、心脏衰竭等等一系列其他重大疾病。
[0004]目前，临床检测睡眠呼吸暂停的金标准是使用多导仪进行脑电、心电、肌电等的全面检测，但是多导仪价格昂贵，动辄数十万，普通家庭很难负担得起检测费用。因此，多导仪一般只有在用户察觉到自身问题，或是睡眠呼吸暂停症状到了明显的地步时，到医院进行检查时被动的作用，很难起到提前检测主动预防的效果。此外，多导仪的检测方式需要在患者身上贴上多处电极，同时还要带上头罩，在一定程度上会影响用户的睡眠，从而影响检测。在本文中，我们提出的算法致力于实现一种低费用、非接触本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动设备检测睡眠呼吸暂停的方法，其特征在于，包括步骤：将在检测时间段内获取的音频切分为粒度更细的音频切片；使用基于卷积神经网络的鼾声检测算法判断每个音频切片是否包含鼾声并计算每个音频切片中的时间节点的音量；将所述检测时间段内所有所述音频切片的鼾声判断结果以及每个所述音频切片的时间节点的音量数据保存为日志；对所述日志进行分析，如果存在包括鼾声数据的音频切片则对该音频切片以及后续的音频切片进行分析并根据所述鼾声结束时刻与下一个音量突变的时间节点之间的时长以及所述鼾声的音量与所述音量突变的时间节点的音量的差来判断是否存在睡眠呼吸暂停事件。2.根据权利要求1的基于移动设备检测睡眠呼吸暂停的方法，其特征在于：根据所述鼾声结束时刻与下一个音量突变的时间节点之间的时长以及所述鼾声的音量与所述音量突变的时间节点的音量的差来判断是否存在睡眠呼吸暂停事件：如果所述突变时刻与所述鼾声结束时刻的时间差小于预设的时间阈值，且所述鼾声持续时间段内的平均音量与所述突变时刻的音量的差小于预设的音量差阈值，则记录一次睡眠呼吸暂停事件。3.根据权利要求1的基于移动设备检测睡眠呼吸暂停的方法，其特征在于：首先使用基于深度学习的鼾声...

【专利技术属性】
技术研发人员：单华锋，丁少康，张建炜，郑剑，
申请(专利权)人：麒盛科技股份有限公司，
类型：发明
国别省市：