基于消费级设备心率数据检测睡眠呼吸暂停的系统及设备技术方案

本申请涉及一种基于消费级设备心率数据检测睡眠呼吸暂停的的系统与设备，所述系统包括：心率获取模块，用于获取通过消费级设备收集的检测对象的时序心率数据；密度图分析模块，用于提取和分析时序心率数据以获取心率特征集合；预构建的机器学习模型模块，用于处理提取的心率特征集合，并输出表征该时序下是否发生呼吸暂停的呼吸暂停评价。本申请利用消费级传感器采集的心率数据，应用密度图算法和机器学习算法，结合独有的数据库，对正常睡眠和睡眠呼吸暂停之间的心率差异进行识别和分类。这一应用提供了长期睡眠期间的个性化数据分析，并确保了数据分析的高度准确性。并确保了数据分析的高度准确性。并确保了数据分析的高度准确性。

【技术实现步骤摘要】
基于消费级设备心率数据检测睡眠呼吸暂停的系统及设备


[0001]本申请涉及检测系统的领域，尤其是涉及基于消费级设备心率数据检测睡眠呼吸暂停的系统及设备。

技术介绍

[0002]睡眠呼吸暂停一般指阻塞性睡眠呼吸暂停低通气综合征(OSAHS)，是一种睡眠呼吸疾病，临床表现有夜间睡眠打鼾伴呼吸暂停等，由于呼吸暂停引起反复发作的夜间低氧和高碳酸血症，可导致高血压，冠心病，糖尿病和脑血管疾病等并发症，甚至出现夜间猝死，是一种有潜在致死性的睡眠呼吸疾病。
[0003]睡眠呼吸暂停的传统诊断方式需要夜间多导睡眠图(PSG)，其监测心率、心电图、监测肺部和大脑活动、呼吸模式、手臂和腿部运动以及睡眠时的血氧水平。有一些简化的测试可以在患者家中用于诊断睡眠呼吸暂停，但它们仍然需要同时测量心率、血氧水平、气流和呼吸模式等参数。传统方法需要医疗设备和训练有素的医务人员，不适合早期诊断和睡眠期间的日常心脏健康监测。
[0004]新兴的消费级电子传感器为日常生活中的心脏健康监测提供了新的机会，而且消费级电子传感器大都集成在日常生活所需的可穿戴式设备(或称消费级设备)上。生命体征是对身体最基本功能的测量，可用于检测或监测健康状况，包括脉搏率(心率)、呼吸率、血压、体温。其中，从消费级设备收集的心率已成为评估心脏健康的一种流行方法，但目前缺乏合适的高精确度和高可靠性的算法以用来实现睡眠呼吸暂停的检测。

技术实现思路

[0005]为了能够通过消费级设备所检测的心率来较好的检测人员是否存在睡眠呼吸暂停的现象，本申请提供一种基于消费级设备心率数据检测睡眠呼吸暂停的系统及设备。
[0006]第一方面，本申请提供一种基于消费级设备心率数据检测睡眠呼吸暂停的系统，采用如下的技术方案：一种基于消费级设备心率数据检测睡眠呼吸暂停的系统，包括：心率获取模块，用于获取通过消费级设备收集的检测对象的时序心率数据；密度图分析模块，用于提取和分析时序心率数据以获取心率特征集合，其中，所述密度图分析模块包括密度图构建单元、轮廓椭圆拟合单元以及特征提取单元；所述密度图构建单元用于根据所获取的时序心率数据构建心率滞后密度图，所述心率滞后密度图横纵坐标分别为时序心率数据以及滞后的时序心率数据；所述轮廓椭圆拟合单元用于对所构建的心率滞后密度图拟合轮廓椭圆，并获轮廓椭圆的参数方程；所述特征提取单元根据所构建的心率滞后密度图、轮廓椭圆获取若干类心率特征，并对若干类心率特征进行整合以获取心率特征集合；预构建的机器学习模型模块，用于处理提取的心率特征集合，并输出表征该时序
下是否发生呼吸暂停的呼吸暂停评价。
[0007]通过采用上述技术方案，由于传统的方式无法对消费级设备获取心率数据进行处理，并且机器学习模型也无法直接对心率进行评价，较长持续时间的心率也无法满足机器学习模型的训练要求，因此通过密度图分析模块可以降低心率数据的维度，从而用较少的特征使心率数据可以满足机器学习模型的训练以及使用要求。而对于心率滞后密度图而言，健康人的心率滞后密度图中的时序数据点较为集中，而发生睡眠呼吸暂停的患者的心率滞后密度图中的时序数据点较为离散，因此可以通过轮廓椭圆等特征来评价时序数据点的离散程度，从而提取出区别明显的特征以供机器学习模型使用。
[0008]优选的，定义所述心率滞后密度图中的点为时序数据点，若干类所述心率特征通过对若干数据集合进行特征提取得到，若干所述数据集合至少包括第一数据集、第二数据集以及第三数据集，所述第一数据集包括各个时序数据点至心率滞后密度图的等速线的距离的集合，所述第二数据集包括各个时序数据点至轮廓椭圆中心点的距离的集合，所述第三数据集包括相邻时刻下的时序数据点之间的距离的集合。
[0009]优选的，所述心率特征还包括轮廓椭圆的半长轴距离特征以及轮廓椭圆的半短轴距离特征。
[0010]通过采用上述技术方案，由于健康人与睡眠呼吸暂停的患者的心率滞后密度图的区别，各个时序数据点至心率滞后密度图的等速线的距离的集合、各个时序数据点至轮廓椭圆中心点的距离的集合以及相邻时刻下的时序数据点之间的距离的集合均会有较大的不同，健康人的第一数据集、第二数据集以及第三数据集均会明显小于睡眠呼吸暂停患者，因此这些数据可以被提取出来以供机器学习模型使用。
[0011]此外，较大离散程度的心率滞后密度图所对应的轮廓椭圆也越大，因此轮廓椭圆的半长轴距离和半短轴距离也可以被用于机器学习模型使用。
[0012]优选的，所述特征提取包括分别求取若干数据集合的平均值、标准差以及变异系数，其中：数，其中：数，其中：式中，F11为第一数据集的平均值，F21为第一数据集的标准差，F31为第一数据集的变异系数，T为时序数据点的数量，n为第n个时序数据点，d1
i
为第一数据集中第i个元素；为第一数据集中第i个元素；
式中，F12为第二数据集的平均值，F22为第二数据集的标准差，F32为第二数据集的变异系数，T为时序数据点的数量，n为第n个时序数据点，d2
i
为第二数据集中第i个元素；为第二数据集中第i个元素；为第二数据集中第i个元素；式中，F13为第三数据集的平均值，F23为第三数据集的标准差，F33为第三数据集的变异系数，T为时序数据点的数量，n为第n个时序数据点，d3
i
为第三数据集中第i个元素。
[0013]通过采用上述技术方案，这个步骤可以进一步的缩小样本的数据量，并用较少的特征来表达样本反应的情况，从而使一段时序心率可以被九个心率特征表达出来，以满足机器学习模型的训练和实用要求。
[0014]优选的，所述轮廓椭圆的参数方程获取方法包括：获取轮廓椭圆的标准方程；对所获得的时序数据点遍历选用五个数据点，并结合所获取的轮廓椭圆的标准方程以采用拟合方法获取轮廓椭圆的参数方程。
[0015]优选的，所述机器学习模型的构建方法包括：获取若干组时序心率数据并进行标记，所述标记结果表征对应的时序心率数据是否存在睡眠呼吸暂停的现象，若干组时序心率数据包括健康对象的时序心率数据以及睡眠呼吸暂停对象的时序心率数据；分别对所获取的各组时序心率数据构建心率滞后密度图，所述心率滞后密度图横纵坐标分别为时序心率数据以及滞后的时序心率数据；对所构建的心率滞后密度图拟合轮廓椭圆，并获取轮廓椭圆的参数方程；根据所构建的心率滞后密度图、轮廓椭圆获取若干类心率特征，并对若干类心率特征进行整合以获取心率特征集合；将若干组心率特征集合进行切分以分为训练集以及测试集；对训练集内的心率特征集合及其对应的标记结果进行机器学习以形成初步机器学习模型；对初步机器学习模型用测试集内的心率特征集合进行验证判断，若不符合，则重新训练初步机器学习模型以形成新的初步机器学习模型供验证判断；若符合，则该初步机器学习模型则为所需的机器学习模型。
[0016]优选的，所述初步机器学习模型通过支持向量机、高斯过程、随机森林、梯度推进或多层感知机训练构建而成。
[0017]优选的，在处理提取的若干类心率特征集合之前，根据所选用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于消费级设备心率数据检测睡眠呼吸暂停的系统，其特征在于，包括：心率获取模块，用于获取通过消费级设备收集的检测对象的时序心率数据；密度图分析模块，用于提取和分析时序心率数据以获取心率特征集合，其中，所述密度图分析模块包括密度图构建单元、轮廓椭圆拟合单元以及特征提取单元；所述密度图构建单元用于根据所获取的时序心率数据构建心率滞后密度图，所述心率滞后密度图横纵坐标分别为时序心率数据以及滞后的时序心率数据；所述轮廓椭圆拟合单元用于对所构建的心率滞后密度图拟合轮廓椭圆，并获轮廓椭圆的参数方程；所述特征提取单元根据所构建的心率滞后密度图、轮廓椭圆提取若干类心率特征，并对若干类心率特征进行整合以获取心率特征集合；预构建的机器学习模型模块，用于处理提取的心率特征集合，并输出表征该时序下是否发生呼吸暂停的呼吸暂停评价。2.根据权利要求1所述的基于消费级设备心率数据检测睡眠呼吸暂停的系统，其特征在于：定义所述心率滞后密度图中的点为时序数据点，若干类所述心率特征通过对若干数据集合进行特征提取得到，若干所述数据集合至少包括第一数据集、第二数据集以及第三数据集，所述第一数据集包括各个时序数据点至心率滞后密度图的等速线的距离的集合，所述第二数据集包括各个时序数据点至轮廓椭圆中心点的距离的集合，所述第三数据集包括相邻时刻下的时序数据点之间的距离的集合。3.根据权利要求1所述的基于消费级设备心率数据检测睡眠呼吸暂停的系统，其特征在于：所述心率特征还包括轮廓椭圆的半长轴距离特征以及轮廓椭圆的半短轴距离特征。4.根据权利要求2所述的基于消费级设备心率数据检测睡眠呼吸暂停的系统，其特征在于：所述特征提取包括分别求取若干数据集合的平均值、标准差以及变异系数，其中：在于：所述特征提取包括分别求取若干数据集合的平均值、标准差以及变异系数，其中：在于：所述特征提取包括分别求取若干数据集合的平均值、标准差以及变异系数，其中：式中，F11为第一数据集的平均值，F21为第一数据集的标准差，F31为第一数据集的变异系数，T为时序数据点的数量，n为第n个时序数据点，d1
i
为第一数据集中第i个元素；为第一数据集中第i个元素；为第一数据集中第i个元素；式中，F12为第二数据集的平均值，F22为第二数据集的标准差，F32为第二数据集的变异
系数，T为时序数据点的数量，n为第n个时序数据点，d2
i
为第二数据集中第i个元素；为第二数据集中第i个元素；为第二数据集中第i个元素；式中，F13为第三数据集的平均值，F23为第三数据集的标准差，F33为第三数据集的变异系数，T为时序数据点的数量，n为第n个时序数据点，d3
i
为第三数据集中第i个元素。5.根据权利要求2所述的基于消费级设备心率数据检测睡眠呼吸暂停...

【专利技术属性】
技术研发人员：老周，李英仑，
申请(专利权)人：宁波诺丁汉大学，
类型：发明
国别省市：