[发明专利]一种基于深度学习对呼吸暂停症患者的识别方法及系统

说明书

本发明公开了一种基于深度学习对呼吸暂停症患者的识别方法及系统，属于打鼾检测技术领域。方法包括：提取音频数据特征；鼾声特征数据标注及分类；设置网络结构及训练参数；训练模型，保存训练后的模型；利用保存的模型进行鼾声数据检测；根据AHI指数识别OSAHS患者；系统包括：特征提取模块（1）、训练建模模块（2）、识别OSAHS患者模块（3）。本发明方便用户携带，体验感舒适，可以在一定程度上替代传统PSG。

技术领域

本发明涉及打鼾检测技术领域，具体涉及一种基于深度学习对呼吸暂停症患者的识别方法及系统。

背景技术

合理的睡眠时间对人体的健康状况至关重要，而在当今社会下，越来越多人由于睡眠质量不好导致记忆力下降从而降低工作和学习效率，甚至影响人们的正常生活。其中导致睡眠质量不好的一大元凶就是呼吸暂停综合征(OSAHS)。呼吸暂停综合征给人们带来很大的影响，对中老年人群中影响比例最大。该病症引发慢性低氧血症、高碳酸血症，甚至引起高级中枢神经系统功能失调病变，因此，越来越多的科研人士投身该病症的研究，为了得到引发该病症的原因、诊断方法和应对治疗政策。

据研究表明，医生专家们采用PSG并结合经验来进行诊断。测量该病的标准是由多导睡眠监测系统(PSG)对病人进行整晚监测。正规的PSG有多维的数据进行工作，如：心率，脑电波，胸腔震动、血氧饱和度、呼吸、鼾声等。这些数据以一定算法和比例融合以后可以得到病人的AHI值(每小时呼吸暂停指数)，低通气指数和阻塞暂停、中枢暂停以及混合暂停这三种症状的次数。但是这种医疗器械由于对使用者极其不方便甚至会影响使用者的睡眠质量以及不方便携带这些因素直接影响测量的精确度。因此寻找一种使用感舒适、便于携带甚至低成本的OSAS检测诊断系统迫在眉睫。

单纯打鼾是仅有鼾声无呼吸暂停迹象，睡眠呼吸暂停是既有打鼾又有明显睡眠暂停迹象。目前的医学研究报告显示，成人呼吸暂停临床表现为鼾声巨大，鼾声时常因呼吸暂停中断，然后出现大口喘气，并伴随响亮的鼾声。鼾声的发生原理是由于上气道塌陷导致气流变小甚至堵塞。呼吸暂停综合征(OSAS)有阻塞暂停、中枢暂停以及混合暂停这三种情况，阻塞暂停一般是病人由于鼻炎或咽炎等口鼻病症引发口鼻腔内部堵塞导致气流通量不足引起，中枢暂停是由于脑中枢神经的病变引起，混合暂停则是前两种状况的结合。许多学者对在判别OSAS患者的研究上做出了很多贡献。而本实验主要针对阻塞暂停(OSAHS)这一种状况来分析。另外还提出根据AHI和夜间SpO2将OSAHS分为轻、中、重度，其中以AHI作为主要判断标准，夜间最低SpO2作为参考(表1)。

表1成人OSAHS病情程度与AHI和/或低氧血症程度判断依据

发明内容

针对现有技术存在的问题，本发明提供一种基于深度学习对呼吸暂停症患者的识别方法及系统，该方法基于深度学习神经网络的训练学习效果对呼吸暂停事件相关鼾声和非呼吸暂停事件相关鼾声的特征进行区别，据此判断患呼吸暂停症严重程度。

一种基于深度学习对呼吸暂停症患者的识别方法，所述方法包括：

S10)提取音频数据特征；

S20)鼾声特征数据标注及分类；

S30)设置网络结构及训练参数；

S40)训练模型，保存训练后的模型；

S50)利用保存的模型进行鼾声数据检测；

S60)根据AHI指数识别OSAHS患者。

所述步骤S10)提取音频数据特征，包括：

MFCC特征提取算法；

LPCC特征提取算法；

LPMFCC特征提取算法。