[发明专利]基于机器学习的睡眠质量检测方法及装置

说明书

本发明提供了一种基于机器学习的睡眠质量检测方法及装置，该方法包括：获取睡眠期间的脉搏波信号和血氧信号；对脉搏波信号和血氧信号进行通道脱落检测，获得检测后的脉搏波信号和血氧信号；对检测后的脉搏波信号进行识别，获得脉搏波信号的特征波，根据脉搏波信号的特征波测算脉率数据；对检测后的血氧信号进行识别，获得氧降事件数据；将脉率数据和氧降事件数据作为自动睡眠质量检测模型的输入信号，经机器学习后输出睡眠质量检测结果，睡眠质量检测模型是根据历史的脉率数据和历史的氧降事件数据以及相应的睡眠质量标签经机器学习方法训练得到的。本发明简化了特征工程提取的通道和步骤，相比人工判断更为高效，因此具有执行效率较高的特点。

技术领域

本发明关于生物医学技术领域，特别是关于生物医学中信号的处理技术，具体涉及一种基于机器学习的睡眠质量检测方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

充足的睡眠和较高的睡眠质量是维持机体身心健康的必要条件。睡眠是身心休息放松的一种重要形式，可以减轻人们日常生活中的疲劳并缓解精神紧张等不良情绪，是人的体力和精力得到恢复，可以保持良好的机体形态。随着睡眠障碍患者及神经精神科疾患的增加，睡眠质量在神经精神领域、生理心理学和临床医学界受到普遍关注。

目前常用的用于评价睡眠质量的指标有呼吸暂停低通气指数(AHI，Apnea-Hypopnea Index)。在美国睡眠医学学会规定的呼吸事件判断标准中，将呼吸气流信号幅度值下降≥基础值的90％、且事件持续时间至少10s的事件判断为呼吸暂停事件；口鼻气流信号幅度值下降≥30％，且气流速度下降的持续时间至少为10s，并且血氧浓度相较事件前的基础值下降≥3的事件判断为低通气事件。呼吸暂停低通气指数是指每小时睡眠内呼吸暂停加上低通气的次数，实际上就是用整晚呼吸暂停事件和低通气事件的总次数除以了夜间睡眠的小时数，得出呼吸暂停低通气指数，并来反映监测对象整晚睡眠质量的高低。

一般而言，通过分析睡眠质量，可以判断受试者的体力和精力是否得到有效恢复，从而保持良好的机体形态。由于睡眠质量判读复杂，受试者和判读技师主观因素影响大，且不同个体间差异明显，如何准确选取睡眠质量判读特征是研究的重点。自主神经系统会随着睡眠不同阶段和不同质量情况发生相应的变化，而连续脉搏波是一项反映自主神经系统变化的重要通道信号。然而，基于单脉搏波信号进行整晚睡眠质量监测在当前仍然存在着准确率极其有限的瓶颈，且依赖于单通道检测无法有效预防信号采集设备脱落后造成的信号失效问题。血氧信号与人体的呼吸循环密切相关，血氧浓度下降事件更是作为睡眠呼吸暂停低通气综合征检测的重要依据。所以，使用脉搏波和血氧浓度双路信号通道不仅有助于从多个角度反映睡眠情况中的自主神经系统变化和睡眠呼吸情况，从而提高睡眠质量监测的准确性；而且能够有效地保障信号的可靠性，保障后续的特征提取和数据处理过程。传统的人工设计的特征都存在其局限性，如何提供一种睡眠质量检测方案，对于信号数据采集过程能保证受试者舒适性，简化特征工程的步骤，实现高效准确可靠的睡眠质量检测是本领域亟待解决的技术难题。

发明内容

有鉴于此，本发明提供了一种基于机器学习的睡眠质量检测方法。本发明在保证受试者舒适度的基础上，简化了特征工程提取的通道和步骤，相比人工判断更为高效，因此具有执行效率较高的特点。该方法包括：

获取睡眠期间的脉搏波信号和血氧信号；

对所述脉搏波信号和血氧信号进行通道脱落检测，获得检测后的脉搏波信号和血氧信号；

对所述检测后的脉搏波信号进行识别，获得脉搏波信号的特征波，根据所述脉搏波信号的特征波测算脉率数据；

对所述检测后的血氧信号进行识别，获得氧降事件数据；

将脉率数据和氧降事件数据作为自动睡眠质量检测模型的输入信号，经机器学习后输出睡眠质量检测结果。