一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法技术

本发明专利技术公开了一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法。所述方法包括以下步骤：获取待检测的人体的不同呼吸信号数据并进行预处理；将预处理后的数据输入TF

【技术实现步骤摘要】
一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法


[0001]本专利技术涉及睡眠监测领域，具体涉及一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法。

技术介绍

[0002]睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是最常见的睡眠呼吸障碍疾病之一，具体表现形式为睡眠期间气流周期性减少(低通气)或停止(呼吸暂停)。目前，全球大约有10％的中年人被诊断为睡眠呼吸暂停综合征，且发病率逐年上升。多导睡眠图(Polysomnography,PSG)是诊断SAS的金标准，然而由于其价格昂贵、需患者长期监测、数据记录繁琐及解释困难，大量潜在患者并未寻求专业治疗，得到及时的诊断，导致白天嗜睡、心血管疾病、认知功能障碍等并发症的潜在威胁。因此，SAS的检测对保障人体健康、预防相关并发症具有重要意义。
[0003]为提高患者的便利性并降低成本，已有研究采用各种生理信号替代PSG来诊断SAS，其中，呼吸信号是和呼吸动态变化最直接相关的信号。现有的基于呼吸信号的SAS检测方法分为基于传统的机器学习分析方法和深度神经网络模型分析方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法，其特征在于，包括以下步骤：S1、获取待检测的人体的不同呼吸信号数据并进行预处理，得到预处理后的数据；S2、将预处理后的数据输入TF
‑
Res2Net模块，获取呼吸信号的时频域不同尺度的空间特征；S3、将呼吸信号的时频域特征输入混合注意力模块(Mixed
‑
Attn
‑
Block)，以获取不同呼吸信号内部的关联特征、不同呼吸信号间的交叉特征；S4、将不同呼吸信号内部的关联特征和不同呼吸信号间的交叉特征联结，输入自适应融合模块，经过激活函数为Softmax的全连接层，输出睡眠呼吸暂停综合征的检测结果。2.根据权利要求1所述的一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法，其特征在于，步骤S1中，所述人体的不同呼吸信号包括胸廓活动信号即第一呼吸信号、腹部活动信号即第二呼吸信号、口鼻呼吸气流即第三呼吸信号。3.根据权利要求1所述的一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法，其特征在于，步骤S1中，所述数据预处理步骤包括：将人体的不同呼吸信号进行z
‑
score标准化；将标准化后的人体的不同呼吸信号统一划分为长度大于等于10秒的不重叠片段；对上述呼吸信号片段进行睡眠呼吸暂停类别标记，若该片段中存在超过10秒的低通气事件、阻塞性睡眠呼吸暂停事件或中枢性睡眠呼吸暂停事件，则分别标记为低通气、阻塞性睡眠呼吸暂停或中枢性睡眠呼吸暂停；否则，将上述片段标记为正常。4.根据权利要求1所述的一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法，其特征在于，所述TF
‑
Res2Net模块包括时域分支和频域分支，频域分支作为时域分支的残差。5.根据权利要求4所述的一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法，其特征在于，预处理后的第一呼吸信号片段为S，则有：S＝(p1,p2,
…
,p
i
,
…
,p
w
)其中，p
i
是呼吸信号片段中的时间点i对应的值，w是呼吸信号片段中时间点的数量。在时域分支，将第一呼吸信号片段S输入一维卷积层后，平均分割为scale份，记为S
′
＝(s1,s2,
…
,s
i
,
…
,s
scale
)，S
′
表示分割后的第一呼吸信号片段，i≠1时，每个特征子集s
i
经过额外的卷积操作后，作为残差进入下一个特征子集s
i+1
的卷积操作：其中，z
i
为特征子集s
i
经上述额外的卷积操作后的输出，Con(
·
)为一维卷积操作；将所有特征子集的输出联结，输入一维卷积层，作为时域分支的输出Z
T
：其中，为联结(Concatenation)操作；在频域分支，将第一呼吸信号片段S进行离散傅里叶变换(Discrete Fourier Transform，DFT)，保留实部，记为D，重复时域分支中的分割、卷积、联结、卷积操作，获取频
域分支的输出Z
F
：D＝DFT(S).RealD
′
＝(d1,d2,
…
,d
i
,
…
,d
scale
))其中，D
′
表示分割后的第一呼吸信号的频域片段，d
i
表示分割后的第一呼吸信号的频域片段中的第i个特征子集，z
i
′
为频域的特征子集d
i
经上述额外的卷积操作后的输出。6.根据权利要求5所述的一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法，其特征在于，将时域分支的输出Z
T
和频域分支的输出Z
F
相加，输入最大池化层(MaxPool)后，获取TF
‑
Res2Net模块的输出X：X＝MaxPool(Z
T
+Z
F
)。7.根据权利要求1所述的一种基于多层次特征融合的睡眠呼吸暂停综合征检测方法，其特征在于，步骤S3中，混合注意力模块Mixed
‑
Attn
‑
Block包括单信号的自注意力模块，以及信号间的多头交叉注意力模块，其中单信号的自注意力模块由图注意力网络实现：A1、假设第一呼吸信号片段经过TF
‑
Res2Net模块的输出为X
A
＝{a1,a2,
…
,a
i
,
…
,a
l
}，作为单信号自注意力模块的输入，其中l是X
A
中的时间点个数，a
i
为X
A
中每一个时间点i的向量表示；A2、计算X
A
中时间点j对于时间点i的注意力权重w
ij
：其中w
T
为X
A
内部共享的权重矩阵，ψ(
·
)为非线性激活函数,为联结(Concatenation)操作；A3、对单信号自注意力模块的输入a
i
加权，获取融合单信号内部关联特征的增强矩阵表示A<...

【专利技术属性】
技术研发人员：何克晶，舒诗文，卓伟伦，
申请(专利权)人：广州奥滴尔科技有限公司，
类型：发明
国别省市：