[发明专利]一种阻塞性睡眠呼吸暂停症严重程度的分类方法

说明书

本发明涉及一种阻塞性睡眠呼吸暂停症严重程度的分类方法，包括S1：对原始阻塞性睡眠呼吸暂停症语音文件进行特征提取；得到包括HFE的特征矩阵；S2：对S1得到的特征矩阵进行降维；S3：构建朴素贝叶斯分类模型，用经S2降维后的特征矩阵训练并测试朴素贝叶斯分类模型，直至朴素贝叶斯分类模型分类误差值符合要求；S4：将待测阻塞性睡眠呼吸暂停症患者的语音原始文件输入S3中训练并测试好的朴素贝叶斯分类模型进行分类。本发明可提高OSA严重程度的分类的准确度。

技术领域

本发明涉及病理语音分析领域，更具体地，涉及一种阻塞性睡眠呼吸暂停症严重程度的分类方法。

背景技术

阻塞性睡眠呼吸暂停症(Obstructive sleep apnea，OSA)是人类特有且常见的睡眠呼吸障碍性疾病。除了先天性头骨畸形以外，年龄的增长、过度肥胖等因素都会增加患有阻塞性睡眠呼吸暂停症(OSA)的风险。患有阻塞性睡眠呼吸暂停症时，由于反复发作的低血氧、高碳酸血症，可致神经功能失调，儿茶酚胺、内皮素及肾素-血管紧张素系统失调，内分泌功能紊乱及血液动力改变，造成全身多器官多系统损害，严重影响人体健康。研究发现：约80％的OSA患者有明显的心动过缓，57％-74％的患者出现室性早搏，10％的患者发生二度房室传导阻滞。这种心律失常是引起患者猝死的主要原因。我们在Karl A.Franklin的研究中发现男性的OSA发病率是22％，女性的是17％。根据国家统计局2019年1月21日发布中国人口最新统计数据，2018年末中国大陆总人口139538万人，男性人口71351万人，女性人口68187万人，换而言之，中国大约有15697万男性、11592万女性(共2亿7千万人)患有阻塞性睡眠呼吸暂停症，以上数据表明，对阻塞性睡眠呼吸暂停症的检测与治疗是很有必要的。

现在，诊断OSA的黄金标准是多导睡眠测试(Polysomnography,PSG)。PSG通过分析患者的睡眠生理数据来计算脑电图、眼电图、呼吸流量、胸腹运动、心电图、血含氧度等。医生们可以从多导睡眠图中找出有关呼吸暂停的事件(包括OSA、中央性睡眠呼吸暂停Central sleep apnea等等)，从而计算出呼吸中止指数(Apnea Hypopnea Index(AHI)：睡眠期间平均每小时发生的呼吸暂停事件)，并使用呼吸中止指数来衡量阻塞性睡眠呼吸暂停症的严重程度。然而PSG并不是每个患者都能接受的，其主要问题在于很多人在装上感应装置后会有不适感，影响睡眠质量，从而导致多导睡眠测试失败。另一方面，多导睡眠图必须要由多导睡眠技师(Registered Polysomnography Technologist,RPSGT)来收集和处理，才能得出AHI结果，运作成本十分高。基于以上问题，人们开始寻求一种新的检测方法。自上世纪80年代初以来，研究人员致力于研发分析患者清醒时的声音来筛选出OSA患者的方法。其中主要的计算机分析技术依赖于傅里叶变换的特征，例如频率模式、频宽、谐振峰，但是这些工具是针对正常语音开发的，对OSA声音信号进行分析是不准确的，因为OSA声音信号是病理语音，无论音域、频率变化度、共振峰轨迹都跟一般语音信号存在很大的不同，所以传统的语音处理/识别方法对此应用并不适合。

有研究表明，OSA与上呼吸道的解剖形状和功能异常有关。经过长期的阻塞性睡眠呼吸暂停之后，患者的上呼吸道组织会变得跟正常人有差别。这种差别会在患者的声音上体现出来，故通过对患者的声音进行检测可以预测其OSA的严重程度。近期很多研究人员开始使用语音来预测OSA的严重程度，并且验证了使用语音检测来预测OSA的严重程度的可行性。他们大多是选择构造一个常见的语音特征集(里面包含谐振峰，基频，梅尔倒谱系数，能量等)放进特征选择模块(如序列前向特征选择)，然后再把选择出来的特征放进分类器里，得到预测的结果，然而这些特征都是传统语音特征，主要的关注点都在6kHz以下的频率，并不一定适合病理语音或者并不能最好地区分出OSA与正常人的区别。