[发明专利]一种基于心跳间期的睡眠呼吸暂停自动检测方法及装置

说明书

本发明提供了一种基于心跳间期的睡眠呼吸暂停自动检测方法和装置，用于解决现有技术中睡眠呼吸暂停检测不准确、精度不高的问题。所述睡眠呼吸暂停自动检测方法首先采集睡眠时的心跳间期信息，再通过残差神经网络对所述心跳间期信息自动提取特征，并进一步提取心率变异性特征，再将所述自动提取特征和心率变异性特征集合进行融合，从而判断是否出现呼吸暂停。本发明通过提取心电图ECG信号中的心跳间期特征，并将此特征在残差神经网络中进行深入分析，结合了心率变异性特征，且所述残差神经网络中的所有权重都可以在临床上进行微调，提高了提高了睡眠检测的灵性性、准确性和精确性；同时只需要单导心电信息，采集过程简单便捷，具有相当的普适性。

技术领域

本发明属于医学数据监测领域，具体涉及一种基于心跳间期的睡眠呼吸暂停自动检测方法及装置。

背景技术

睡眠呼吸暂停(Sleep Apnea，SA)是导致睡眠障碍的常见呼吸病症。在快速眼动睡眠中，气道被颏舌肌、肌腱和脂肪组织完全阻塞至少10秒，或者持续10秒出现气流减少超过50％、氧气去饱和度超过3％的呼吸不足现象，都被称为呼吸暂停。根据调查，近30多年以来，睡眠呼吸暂停一直影响着全世界的人们，且在2008年患病人数就已达到了全球成人的6％。越来越多的呼吸暂停患者由于没有被及时诊断和干预，面临着心血管疾病以及临床抑郁症的风险。许多实验都研究了呼吸暂停的危害，结果表明呼吸暂停与几种内源性生理现象和疾病之间存在很大的相关性。

睡眠呼吸暂停是长期、有害的，但在诊断后可以进行治疗。气道正压(PositiveAirway Pressure,PAP)治疗和腭咽成形术(Palatopharyngoplasty,PPP)治疗等疗法在早期诊断中是很有效的。因此，及时诊断对于呼吸暂停的治疗过程至关重要。传统上通过多导睡眠图(Polysomnogram,PSG)信号来诊断呼吸暂停综合征严重程度，但在收集PSG信号来检测呼吸暂停时，患者被要求与侵入式设备一起睡眠过夜，还需要医学专家和诊所环境。这种传统的呼吸暂停检测过程过于复杂且价格高昂，因此需要能够在非侵入式设备上快速准确执行的新方法。

现有技术中，检测睡眠呼吸暂停的一种有效解决方案是使用单导联心电图(ECG)信号来检测呼吸暂停，目前通常通过人工设计各种功能。例如，通过从ECG信号中提取特征，放入邻近算法(kNN)、支持向量机(SVM)等各种分类器中进行分类，或者通过深度神经网络进行自动特征提取及分类。但在100Hz左右采样的ECG信号限制了神经网络的深度，从而影响睡眠呼吸检测的准确性和精度。因此，现有的睡眠呼吸检测方法在用户体验、灵活性及准确性方面都存在一定的缺陷。

发明内容

本发明实施例提供了一种基于心跳间期的睡眠呼吸暂停自动检测方法和装置，通过提取心电图ECG信号中的心跳间期特征，并将此特征在残差神经网络中进行深入分析，结合心率变异性特征，判断是否出现呼吸暂停，提高睡眠呼吸暂停检测的准确性和灵活性。

为了实现上述目的，本发明实施例采用的技术方案如下。

第一方面，本发明实施例提供了一种基于心跳间期的睡眠呼吸暂停自动检测方法，所述方法包括如下步骤：

步骤S1，采集睡眠时的人体心电图ECG信号，根据心电周期PQRST五个波中的R波，进行相邻心电的心跳间期信息提取，生成心跳间期时间序列；

步骤S2，基于预设的残差神经网络对所述心跳间期时间序列进行特征自动提取，得到第一心率变异性特征；

步骤S3，基于心跳间期时间序列进行心率变异性特征提取，获得第二心率变异性特征；

步骤S4，将所述残差神经网络自动提取的第一心率变异性特征和所述第二心率变异性特征集合进行特征融合，一起输入到分类器，判断是否出现呼吸暂停。

可选地，所述步骤S1中生成心跳间期时间序列，进一步为，使用线性插值对所提取的心跳间期信息采用2Hz频率进行重采样，生成心跳间期时间序列。