一种基于双重注意力机制的睡眠呼吸暂停检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于双重注意力机制的睡眠呼吸暂停检测方法及装置，方法包括：获取原始心电信号，对原始心电信号进行数据预处理得到RRI和Rpeak；通过一维卷积神经网络模块对RRI和Rpeak进行特征提取得到第一特征和第二特征；随后通过第一注意力模块对第一特征和第二特征进行权重运算处理得到第三特征；然后通过双向长短期记忆网络模块对第三特征进行上下文依赖关系捕获处理得到第四特征；之后通过第二注意力模块对第一特征和第四特征进行权重运算处理得到第五特征；最终通过分类器对第五特征进行分类处理得到分类结果。本发明专利技术能够综合考虑心电信号对睡眠呼吸暂停检测的影响，实现高效准确的睡眠呼吸暂停检测，可广泛应用于医学数据检测技术领域。于医学数据检测技术领域。于医学数据检测技术领域。

【技术实现步骤摘要】
一种基于双重注意力机制的睡眠呼吸暂停检测方法及装置


[0001]本专利技术涉及医学数据检测
，尤其是一种基于双重注意力机制的睡眠呼吸暂停检测方法及装置。

技术介绍

[0002]睡眠呼吸暂停(SA)是一种与睡眠有关的呼吸障碍，其特征是睡眠过程中呼吸气流会反复完全或不完全停止。据估计，全世界约有10亿人患有这种疾病。成年人口中，超过14％的男性和5％的女性患有睡眠呼吸暂停。然而，绝大多数睡眠呼吸暂停患者没有及时诊断和治疗。如不能及时诊断和治疗睡眠呼吸暂停，则会导致白天嗜睡、高血压、冠心病和心力衰竭等并发症。及时诊断和治疗睡眠呼吸暂停对预防其并发症很重要。
[0003]多导睡眠图(PSG)是国际公认的一种有效的睡眠呼吸暂停检测仪器。多导睡眠图对患者进行夜间记录，使用附着在身体上的传感器测量多种生理信号，如脑电图(EEG)、肌电图(EMG)、心电图(ECG)和眼电图(EOG)，用于监测呼吸患者的呼吸变化和其他生理变化。使用多导睡眠图进行检测时，患者需要在医院佩戴大量的电线和电极进行睡眠信号采集，这可能会带来不舒服的体验和昂贵的费用。此外，在收集多导睡眠图的数据后，医生需要花费大量时间观察和分析这些数据来做出诊断。所以，尽管多导睡眠图是诊断睡眠呼吸暂停的金标准，一种简单且廉价的替代方案是很有必要的。
[0004]心电图易于采集，而且是SA事件中最具生理相关性的信号之一。许多研究表明，使用单导联ECG信号检测SA是一种低成本的实用替代方案。近年来，很多研究人员应用深度学习方法从心电信号检测数据呼吸暂停。r/>[0005]为了利用心电信号自动检测SA，一些研究人员主要采用传统的基于特征工程的机器学习方法，需要设计人工特征并选择合适的分类器。例如，有的方法从心电信号的R峰间隙中提取了24个特征，从ECG衍生的呼吸信号提取了8个特征，通过分割信号的时间相关性，建立了一种用于SA检测的模型。有的方法则利用从心电信号中提取的心率和呼吸频率信号，使用支持向量机(SVM)检测睡眠呼吸暂停。然而，这些方法在特征提取过程中往往严重依赖于专家的先验知识，检测性能受到很大的限制。

技术实现思路

[0006]有鉴于此，本专利技术实施例提供一种基于双重注意力机制的睡眠呼吸暂停检测方法及装置，能够综合考虑心电信号对睡眠呼吸暂停检测的影响，实现高效准确的睡眠呼吸暂停检测。
[0007]第一方面，本专利技术的实施例提供了一种基于双重注意力机制的睡眠呼吸暂停检测方法，包括：
[0008]获取原始心电信号，对所述原始心电信号进行数据预处理得到RRI和Rpeak；
[0009]通过一维卷积神经网络模块对所述RRI和所述Rpeak进行特征提取得到第一特征和第二特征；
[0010]通过第一注意力模块对所述第一特征和所述第二特征进行权重运算处理得到第三特征；
[0011]通过双向长短期记忆网络模块对所述第三特征进行上下文依赖关系捕获处理得到第四特征；
[0012]通过第二注意力模块对第一特征和所述第四特征进行权重运算处理得到第五特征；
[0013]通过分类器对所述第五特征进行分类处理得到分类结果。
[0014]可选地，所述获取原始心电信号，对所述原始心电信号进行数据预处理得到RRI和Rpeak，包括：
[0015]获取原始心电信号；
[0016]根据所述原始心电信号，提取标记段和与所述标记段相邻段，得到5
‑
min
‑
RRI、5
‑
min
‑
Rpeak和1
‑
min
‑
RRI
‑
Rpeak；
[0017]通过插值技术对所述5
‑
min
‑
RRI、所述5
‑
min
‑
Rpeak和所述1
‑
min
‑
RRI
‑
Rpeak进行长度统一处理；
[0018]其中，所述5
‑
min
‑
RRI表示5分钟长的RRI，所述5
‑
min
‑
Rpeak表示5分钟长的Rpeak，所述1
‑
min
‑
RRI
‑
Rpeak表示1分钟长的RRI和Rpeak。
[0019]可选地，所述通过一维卷积神经网络模块对所述RRI和所述Rpeak进行特征提取得到第一特征和第二特征，包括：
[0020]通过第一一维卷积神经网络对所述5
‑
min
‑
RRI和所述5
‑
min
‑
Rpeak进行特征提取，得到F
′
r
和F
′
p
；在通道维上对所述F
′
r
和所述F
′
p
进行拼接处理，得到第一特征；
[0021]通过第二一维卷积神经网络对所述1
‑
min
‑
RRI
‑
Rpeak进行特征提取，得到第二特征；
[0022]其中，所述第一一维卷积神经网络和所述第二一维卷积神经网络均包括三个一维卷积层和两个一维最大池化层。
[0023]可选地，所述通过第一注意力模块对所述第一特征和所述第二特征进行融合处理得到第三特征，包括：
[0024]对所述第一特征进行挤压处理和激励处理，得到第一权重；
[0025]对所述第一权重和所述第二特征进行尺度运算，得到第三特征。
[0026]可选地，所述通过双向长短期记忆网络模块对所述第三特征进行上下文依赖关系捕获处理得到第四特征，包括：
[0027]通过LSTM单元进行信息流的调节增删处理，根据所述调节增删处理完成上下文依赖关系捕获处理；
[0028]其中，所述双向长短期记忆网络模块包括正向LSTM单元和反向LSTM单元，所述LSTM单元包括输入门、输出门和遗忘门。
[0029]可选地，所述通过第二注意力模块对第一特征和所述第四特征进行权重运算处理得到第五特征，包括：
[0030]对所述第一特征进行挤压处理和激励处理，得到第二权重；
[0031]对所述第二权重和所述第四特征进行尺度运算，得到第五特征。
[0032]可选地，所述方法还包括：
[0033]确定睡眠呼吸暂停检测的评价指标和呼吸暂停低通气指数。
[0034]第二方面，本专利技术的实施例提供了一种基于双重注意力机制的睡眠呼吸暂停检测装置，包括：
[0035]第一模块，用于获取原始心电信号，对所述原始心电信号进行数据预处理得到RRI和Rpeak；
[0036]第二模块，用于通过一维卷积神经网络模块对所述RRI和所述Rpeak进行特征提取得到第一特征和第二特征；
[0037]第三模块，用于通过第一注意力模块对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双重注意力机制的睡眠呼吸暂停检测方法，其特征在于，包括：获取原始心电信号，对所述原始心电信号进行数据预处理得到RRI和Rpeak；通过一维卷积神经网络模块对所述RRI和所述Rpeak进行特征提取得到第一特征和第二特征；通过第一注意力模块对所述第一特征和所述第二特征进行权重运算处理得到第三特征；通过双向长短期记忆网络模块对所述第三特征进行上下文依赖关系捕获处理得到第四特征；通过第二注意力模块对第一特征和所述第四特征进行权重运算处理得到第五特征；通过分类器对所述第五特征进行分类处理得到分类结果。2.根据权利要求1所述的一种基于双重注意力机制的睡眠呼吸暂停检测方法，其特征在于，所述获取原始心电信号，对所述原始心电信号进行数据预处理得到RRI和Rpeak，包括：获取原始心电信号；根据所述原始心电信号，提取标记段和与所述标记段相邻段，得到5
‑
min
‑
RRI、5
‑
min
‑
Rpeak和1
‑
min
‑
RRI
‑
Rpeak；通过插值技术对所述5
‑
min
‑
RRI、所述5
‑
min
‑
Rpeak和所述1
‑
min
‑
RRI
‑
Rpeak进行长度统一处理；其中，所述5
‑
min
‑
RRI表示5分钟长的RRI，所述5
‑
min
‑
Rpeak表示5分钟长的Rpeak，所述1
‑
min
‑
RRI
‑
Rpeak表示1分钟长的RRI和Rpeak。3.根据权利要求2所述的一种基于双重注意力机制的睡眠呼吸暂停检测方法，其特征在于，所述通过一维卷积神经网络模块对所述RRI和所述Rpeak进行特征提取得到第一特征和第二特征，包括：通过第一一维卷积神经网络对所述5
‑
min
‑
RRI和所述5
‑
min
‑
Rpeak进行特征提取，得到F
′
r
和F
′
p
；在通道维上对所述F
′
r
和所述F
′

【专利技术属性】
技术研发人员：马文俊，李攀，樊小毛，蒋运承，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：