睡眠呼吸暂停事件检测模型的生成方法、检测方法及系统技术方案

本发明专利技术提供了一种睡眠呼吸暂停事件检测模型的生成方法、检测方法及系统。其中，睡眠呼吸暂停事件检测模型的生成方法包括：获取呼吸信号数据；获取标准呼吸事件标签；根据所述呼吸信号数据和所述标准呼吸事件标签对改进的U

【技术实现步骤摘要】
睡眠呼吸暂停事件检测模型的生成方法、检测方法及系统


[0001]本专利技术涉及睡眠呼吸障碍的检测
，尤其涉及一种睡眠呼吸暂停事件检测模型的生成方法、检测方法及系统。

技术介绍

[0002]睡眠与人们的身体健康息息相关。其中，阻塞性睡眠呼吸暂停综合征(OSAS)是最常见的睡眠障碍之一，会伴有一系列的后遗症。并且，睡眠障碍会导致白天身体表现下降，长此以往还会对认知功能如注意力、学习力和记忆力造成负面影响。对老年人而言，白天过度嗜睡或睡眠质量差可能是路易体痴呆的一个征兆。
[0003]家用睡眠呼吸暂停测试(HSAT)，也被称为便携式监测(PM)，可以在家里用有限数量的传感器进行。HSAT是一种干扰较小、支出较小的测试方法。一种方法是基于心血管信息监测进行呼吸事件检测。心电图(ECG)可以记录心脏的电活动。大多数基于ECG的研究提取了衍生的呼吸信号和心率变异性(心率变异性，HRV)等特征来对ECG片段进行分类。更直接的方法是基于呼吸信号进行呼吸事件检测。根据呼吸事件标注标准，气流信号、SpO2信号和呼吸努力信号与呼吸动力学关系最为直接，被广泛研究和应用于OSAS的诊断。然而这些方法需要整晚在患者身上连接传感器进行信号检测，传感器的布置需要专业知识，且接触式采集方式会给受试者带来心理负担。

技术实现思路

[0004]本专利技术的目的在于提供一种睡眠呼吸暂停事件检测模型的生成方法、检测方法及系统，在不干扰受试者睡眠的情况下，提高呼吸事件检测的准确性。
[0005]为实现上述目的，第一方面，本专利技术提供了一种睡眠呼吸暂停事件检测模型的生成方法，包括：获取呼吸信号数据；获取标准呼吸事件标签；根据所述呼吸信号数据和所述标准呼吸事件标签对改进的U
‑
Net网络模型进行训练，训练过程中所述改进的网络模型对所述呼吸信号数据进行自动化特征提取，得到睡眠呼吸暂停事件检测模型。
[0006]本专利技术提供的睡眠呼吸暂停事件检测模型的生成方法的有益效果在于：通过对改进的U
‑
Net网络模型进行训练得到睡眠呼吸暂停事件检测模型，由于改进的U
‑
Net网络模型是端到端的，所以直接输入原始信号数据即可，特征是网络模型在训练过程中自动提取的。通过睡眠呼吸暂停事件检测模型可准确的检测出呼吸事件发生的位置和时长，且无需对呼吸信号进行复杂的预处理操作，可提高检测效率。
[0007]可选的，所述改进的U
‑
Net网络模型包括组合模块；所述组合模块包括卷积层、批归一化层、修正线性单元和挤压激励块，所述组合模块用于代替卷积的重复应用。
[0008]可选的，所述改进的U
‑
Net网络模型还包括卷积层；所述卷积层包括多个不同大小的卷积核。
[0009]可选的，所述获取呼吸信号数据之前，包括：采用若干传感器进行呼吸信号的采集，得到所述呼吸信号数据；其中，每个所述传感器采集的时间长度和样本点的数量均相
同。
[0010]可选的，所述根据所述呼吸信号数据和所述标准呼吸事件标签对所述改进的U
‑
Net网络模型进行训练，得到睡眠呼吸暂停事件检测模型，包括：利用损失函数计算所述呼吸信号数据和所述标准呼吸事件标签之间的损失值；根据所述损失值调整所述改进的U
‑
Net网络模型的参数，得到所述睡眠呼吸暂停事件检测模型。
[0011]可选的，所述获取标准呼吸事件标签之前包括：
[0012]基于同步采集的多导睡眠图PSG信号标注的呼吸事件标签作为金标准，得到所述标准呼吸事件标签。
[0013]在第二方面，本专利技术实施例提供一种睡眠呼吸暂停事件的检测方法，基于上述的睡眠呼吸暂停事件检测模型，该方法包括：获取待测的呼吸信号数据；将所述待测的呼吸信号数据输入至所述睡眠呼吸暂停事件检测模型中，得到呼吸事件标签，所述呼吸事情标签包括呼吸事件发生的位置和时长。
[0014]本专利技术提供的睡眠呼吸暂停事件的检测方法的有益效果在于：通过对改进的U
‑
Net网络模型进行训练得到睡眠呼吸暂停事件检测模型，睡眠呼吸暂停事件检测模型可准确的检测出呼吸事件，且无需对呼吸信号进行复杂的预处理操作，可提高检测效率。
[0015]可选的，所述将所述待测的呼吸信号数据输入至所述睡眠呼吸暂停事件检测模型中，得到呼吸事件标签，包括：将所述待测的呼吸信号数据输入至所述睡眠呼吸暂停事件检测模型中，得到预测值；将预测值大于阈值的连续采样点组成的段表示一个呼吸事件，合并间隔小于1秒的所述呼吸事件，以及去除持续时间小于6秒的所述呼吸事件，得到所述呼吸事件标签。
[0016]在第三方面，本专利技术实施例提供一种睡眠呼吸暂停事件检测模型的生成系统，应用于测试床垫，若干传感器设于所述测试床垫，该生成系统包括：获取模块，用于获取呼吸信号数据；所述获取模块，还用于获取标准呼吸事件标签；处理模块，用于根据所述呼吸信号数据和所述标准呼吸事件标签对改进的U
‑
Net网络模型进行训练，训练过程中所述改进的网络模型对所述呼吸信号数据进行自动化特征提取，得到睡眠呼吸暂停事件检测模型。
[0017]本专利技术提供的睡眠呼吸暂停事件检测模型的生成系统的有益效果在于：通过对改进的U
‑
Net网络模型进行训练得到睡眠呼吸暂停事件检测模型，通过睡眠呼吸暂停事件检测模型可准确的检测出呼吸事件，且无需对呼吸信号进行复杂的预处理操作，可提高检测效率。并且通过将若干传感器设置在测试床垫的下方，避免了与人体的接触，在不干扰受试者睡眠情况下，进一步提高了检测的准确性。
[0018]可选的，所述改进的U
‑
Net网络模型包括组合模块；所述组合模块包括卷积层、批归一化层、修正线性单元和挤压激励块，所述组合模块用于代替卷积的重复应用。
[0019]可选的，所述改进的U
‑
Net网络模型还包括卷积层；所述卷积层包括多个不同大小的卷积核。
[0020]可选的，还包括采集模块；所述获取模块获取呼吸信号数据之前，包括：所述采集模块，采用若干传感器进行呼吸信号的采集，得到所述呼吸信号数据；其中，每个所述传感器采集的时间长度和样本点的数量均相同。
[0021]可选的，还包括计算模块；所述处理模块根据所述呼吸信号数据和所述标准呼吸事件标签对所述改进的U
‑
Net网络模型进行训练，得到睡眠呼吸暂停事件检测模型，包括：
所述计算模块，用于利用损失函数计算所述呼吸信号数据和所述标准呼吸事件标签之间的损失值；所述处理模块，根据所述损失值调整所述改进的U
‑
Net网络模型的参数，得到所述睡眠呼吸暂停事件检测模型。
[0022]可选的，所述获取模块获取标准呼吸事件标签之前包括：
[0023]采集模块，用于将同步采集的多导睡眠图PSG信号标注的呼吸事件标签作为金标准，得到所述标准呼吸事件标签。
附图说明
[0024]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠呼吸暂停事件检测模型的生成方法，其特征在于，包括：获取呼吸信号数据；获取标准呼吸事件标签；根据所述呼吸信号数据和所述标准呼吸事件标签对改进的U
‑
Net网络模型进行训练，训练过程中所述改进的网络模型对所述呼吸信号数据进行自动化特征提取，得到睡眠呼吸暂停事件检测模型。2.根据权利要求1所述的方法，其特征在于，所述改进的U
‑
Net网络模型包括组合模块；所述组合模块包括卷积层、批归一化层、修正线性单元和挤压激励块，所述组合模块用于代替卷积的重复应用。3.根据权利要求1所述的方法，其特征在于，所述改进的U
‑
Net网络模型还包括卷积层；所述卷积层包括多个不同大小的卷积核。4.根据权利要求1所述的方法，其特征在于，所述获取呼吸信号数据之前，包括：采用若干传感器进行呼吸信号的采集，得到所述呼吸信号数据；其中，每个所述传感器采集的时间长度和样本点的数量均相同。5.根据权利要求1所述的方法，其特征在于，所述根据所述呼吸信号数据和所述标准呼吸事件标签对所述改进的U
‑
Net网络模型进行训练，得到睡眠呼吸暂停事件检测模型，包括：利用损失函数计算所述呼吸信号数据和所述标准呼吸事件标签之间的损失值；根据所述损失值调整所述改进的U
‑
Net网络模型的参数，得到所述睡眠呼吸暂停事件检测模型。6.根据权利要求1所述的方法，其特征在于，所述获取标准呼吸事件标签之前包括：基于同步采集的多导睡眠图PSG信号标注的呼吸事件标签作为金标准，得到所述标准呼吸事件标签。7.一种睡眠呼吸暂停事件的检测方法，其特征在于，基于权利要求1至5任一项所述的睡眠呼吸暂停事件检测模型，该方法包括：获取待测的呼吸信号数据；将所述待测的呼吸信号数据输入至所述睡眠呼吸暂停事件检测模型中，得到呼吸事件标签，所述呼吸事情标签包括呼吸事件发生的位置和时长。8.根据权利要求6所述的检测方法，其特征在于，所述将所述待测的呼吸信号数据输入至所述睡眠呼吸暂停事件检测模型中，得到呼吸事件标签，包括：将所述待测的呼吸信号数据输入至所述睡眠呼吸暂停...

【专利技术属性】
技术研发人员：陈雨行，杨树臣，张智明，王丽荣，
申请(专利权)人：上海跃扬医疗科技有限公司，
类型：发明
国别省市：