[发明专利]一种用于判断睡眠呼吸暂停的信号检测系统

说明书

本发明提供一种用于判断睡眠呼吸暂停的信号检测方法及系统，所述信号检测方法包括以下步骤：获取用户睡眠时的生命体征信号；将用户睡眠时的生命体征信号进行结构化处理去除无效信号获得有效体征信号集合；提取并通过睡眠呼吸样本信号的多维形态特征对分类器初始模型进行特征训练获得睡眠呼吸检测模型；将有效体征信号集合输入到睡眠呼吸检测模型中进行信号处理获得用户睡眠时发生呼吸暂停的概率数据。所述用于判断睡眠呼吸暂停的信号检测方法，利用多维形态特征对分类器初始模型进行特征训练，使得睡眠呼吸检测模型的性能更加鲁棒，能够获得较为准确的用户睡眠时发生呼吸暂停的概率数据，从而便于判断睡眠呼吸暂停事件是否发生。

技术领域

本发明涉及睡眠呼吸信号研究领域，特别是涉及一种用于判断睡眠呼吸暂停的信号检测系统。

背景技术

睡眠是一种重要的生理活动，对于人体的物理和精神方面的自我恢复具有非常关键的作用。近年来，随着人们生活节奏的加快和工作压力的增加，人们对于自身的健康意识日益增强，各种便携式的医疗检测设备在家庭生活应用中得到了普及。而一般的便携式检测设备对获取的生命体征信号的处理方式较为简单，其分类方法以及特征工程检测方法多局限于单一维度的经验统计，未结合多维特征来对信号检测模型进行有效训练，因此，一般的便携式医疗检测设备存在分类精准度不高，获取的用户睡眠时发生呼吸暂停的概率数据不够准确的问题，会直接影响到医生对用户睡眠时是否发生呼吸暂停事件的判断。

发明内容

为克服相关技术中存在的问题，本发明实施例提供了一种用于判断睡眠呼吸暂停的信号检测系统。

根据本发明实施例的用于判断睡眠呼吸暂停的信号检测系统，包括：

生命体征信号采集装置，用于采集用户睡眠时的生命体征信号；

存储器，用于存储程序；

处理器，用于通过执行所述存储器存储的程序，以实现用于判断睡眠呼吸暂停的信号检测方法；

所述用于判断睡眠呼吸暂停的信号检测方法，包括如下步骤：

将用户睡眠时的生命体征信号进行结构化处理去除无效信号获得有效体征信号集合；

提取并通过睡眠呼吸样本信号的多维形态特征对分类器初始模型进行特征训练获得睡眠呼吸检测模型，该方法包括：

对睡眠呼吸样本信号进行结构化处理去除无效信号，获取有效睡眠呼吸样本信号集合；

提取有效睡眠呼吸样本信号中的BCG样本信号，方法为：识别BCG样本信号的J峰和K谷，定位固定时间尺度内的每个BCG样本信号的J峰位置和K谷位置；将J峰向左遍历第一时间尺度，K峰向右遍历第二时间尺度，以定位出完整的BCG样本信号，并定位出固定时间尺度内的所有BCG样本信号；筛选出固定时间尺度内的BCG样本信号；

提取固定时间尺度内的BCG样本信号的多维形态特征集合，所述多维形态特征包括：低频特征、峰值特征、面积特征、功率谱特征和非线性特征；

将提取的BCG样本信号的多维形态特征集合输入到集成学习模型中进行特征优化，获得稳态特征集合；

将稳态特征集合输入到多个分类器初始模型中进行特征分类训练获得睡眠呼吸检测模型；

将有效体征信号集合输入到睡眠呼吸检测模型中进行信号处理获得用户睡眠时发生呼吸暂停的概率数据。

本实施例所述的用于判断睡眠呼吸暂停的信号检测方法，利用多维形态特征对分类器初始模型进行特征训练以获得睡眠呼吸检测模型，使得睡眠呼吸检测模型的性能更加鲁棒，能够获得较为精准的用户睡眠时发生呼吸暂停的概率数据，从而便于用户或医生准确判断用户睡眠时是否发生呼吸暂停事件。

在一个可选的实施例中，将用户睡眠时的生命体征信号进行结构化处理去除无效信号，获得有效体征信号集合的方法包括如下步骤：