[发明专利]睡眠呼吸暂停综合症识别装置

权利要求书

1.一种睡眠呼吸暂停综合症识别装置，其特征在于：包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序可被处理器执行以实现如下的步骤：

分别采集心电数据信号和呼吸波数据信号；

将得到的心电数据信号、呼吸波数据信号自编码，并转换成标准数据格式；

将转换后的心电数据信号、呼吸波数据信号进行预处理，将预处理后的数据作为卷积神经网络的网络层输入；

对卷积神经网络的运算层做出优化，构建优化的卷积神经网络模型，并提取心电数据信号和呼吸波数据信号特征，构建机器学习模型；所述的优化的卷积神经网络模型有8层，包括1个输入层和1个输出层、2个卷积层、2个最大池化层、1个Dropout层和1个全连接层，第一卷积层包括14个卷积核，激活函数为Relu，步长为2，之后用第一最大池化层进行降采样，第二卷积层包含64个卷积核，激活函数为Relu，步长为2，之后再用第二最大池化层进行降采样，再通过Dropout层处理，经过全连接层应用Softmax激活函数，输出得到预测结果；

分别训练得到的优化的卷积神经网络模型和机器学习模型，观察优化的卷积神经网络模型和机器学习模型在测试集上得到的分类率，输出实时诊断结果；

所述的心电数据信号和呼吸波数据信号特征是基于R峰值、RR间隔和呼吸间隔来提取时域和频域特征，具体包括如下特征参数：心电信号时域特征、呼吸信号时域特征、心电信号频域特征和呼吸信号频域特征；完成特征提取后，针对所述的特征参数分别构建并训练支持向量机模型、多层感知器模型、逻辑回归模型和K邻近算法模型；所述的心电信号频域特征为分别提取0.0-0.1、0.1-0.2、0.2-0.3和0.3-0.4四个频段功率谱的均值、中值、标准差、最小值、最大值、最小最大值之差。

2.根据权利要求1所述的一种睡眠呼吸暂停综合症识别装置，其特征在于：所述的分别采集心电数据信号和呼吸波数据信号，具体内容如下：从PhysioNet的Apnea数据库中获取心电数据信号和呼吸波数据信号，所述的PhysioNet的Apnea数据库连续记载了70条心电信号数据和8条呼吸波数据，将其中35条心电信号和4条呼吸波信号数据作为训练集，其余35条心电信号和4条呼吸波信号数据作为测试集。

3.根据权利要求2所述的一种睡眠呼吸暂停综合症识别装置，其特征在于：所述的将转换后的心电数据信号、呼吸波数据信号进行预处理，具体步骤如下：将获取的心电数据信号和呼吸波数据信号通过中值滤波和低通巴特沃斯滤波去除噪声，针对心电数据信号进行R峰识别，应用汉密尔顿算法得到R峰的对应位置及计算RR间隔和R峰幅值；针对呼吸波数据信号提取波峰和波谷，应用Findpeak函数检测得到呼吸间隔；应用三次样条插值法及批归一化方法处理输入数据，处理后数据维度为900×2，将其作为卷积神经网络的网络层的输入。

4.根据权利要求1所述的一种睡眠呼吸暂停综合症识别装置，其特征在于：所述的心电信号时域特征具体包括如下参数：

RR间期平均值MRR：其中RR_i为RR间期信号，n为间期信号个数；

心率平均值MHR；

相邻RR间隔之间差值的均方根RMSSD：

N表示采集到的呼吸信号数据的长度；

RR间隔的标准差NNSD：NNSD表示窦性心律变化的波动情况，NN_i代表窦性心搏RR间期；

相邻RR间隔超过50ms的个数NN50；

NN50除以RR间隔的数值PNN50:表示NN50个数在RR间隔总数的占比。

5.根据权利要求1所述的一种睡眠呼吸暂停综合症识别装置，其特征在于：所述的呼吸信号时域特征具体包括如下参数：

均值Mean：其中S代表呼吸信号数据，N表示采集到的呼吸信号数据的长度；

中值Median；

标准差Std：

最大值Max；

最小值Min；

最大值/最小值Range。

6.根据权利要求1所述的一种睡眠呼吸暂停综合症识别装置，其特征在于：所述的心电信号频域特征具体包括如下参数：

高频HF：0.15-0.4Hz；

低频LF：0.04-0.15Hz；

极低频VLF：0-0.04Hz；

低频/高频LF/HF；

低频/(低频+高频)LF/(LF+HF)；

高频/(低频+高频)HF/(LF+HF)。