[发明专利]一种基于多级小波编解码的睡眠呼吸暂停检测方法及系统

说明书

本发明公开了一种基于多级小波编解码的睡眠呼吸暂停检测方法及系统，方法包括以下步骤：采集睡眠BCG信号并进行标准化预处理，获得标准化信号；构建NWCNN深度神经网络，将标准化信号输入到网络中进行训练，获得NWCNN的输出；将采集的BCG信号作为样本数据并分为训练集和测试集，对网络进行预训练和微调；以1分钟时长为分段依据对训练集进行分段并根据分段数据训练HMM模型；将BCG信号输入网络中进行降噪及特征提取，并将提取出的特征输入HMM模型，获得睡眠呼吸暂停分类概率，定位出睡眠呼吸暂停事件。本发明通过基于多级小波卷积编解码网络进行特征提取及分类，基于原始的BCG信号，达到降噪及特征提取以及分类的效果。

技术领域

本发明涉及生物医学领域，尤其涉及一种基于多级小波编解码的睡眠呼吸暂停检测方法及系统。

背景技术

在目前的生物医学工程研究当中，我们对人体的各种生理信号进行采集与处理。其中，心电信号是生理信号的一种，其所包含的信息对心脏疾病的诊断具有重要意义。

目前常规非接触基于单一信号源及事后区分确定呼吸暂停的检测方法，没有考虑前后呼吸性质的相关性，检测准确性低，且不能及时进行检测预警及定位。

如申请号为CN201911413560.9的专利申请公开了一种用于判断睡眠呼吸暂停的信号检测系统，该信号检测方法包括以下步骤：获取用户睡眠时的生命体征信号；将用户睡眠时的生命体征信号进行结构化处理去除无效信号获得有效体征信号集合；提取并通过睡眠呼吸样本信号的多维形态特征对分类器初始模型进行特征训练获得睡眠呼吸检测模型；将有效体征信号集合输入到睡眠呼吸检测模型中进行信号处理获得用户睡眠时发生呼吸暂停的概率数据。该方案虽然可以提高用户睡眠时发生呼吸暂停的准确率，但是基于单一数据的呼吸暂停检测准确率还有待提高。

又如申请号为CN201610541244.X的专利申请公开了一种基于BCG信号的呼吸暂停事件检测方法及系统，该方法通过识别觉醒段从而定位呼吸事件潜在的发生区间，再将事件潜在发生区间分割为呼吸暂停段、呼吸努力段、觉醒段，然后分别从三段中提取细粒度的能够刻画呼吸模式的特征，最终借助机器学习方法，判断该事件潜在发生阶段是否含有呼吸暂停事件。该系统主要包括：信号获取模块、数据处理模块、检测结果输出模块。该方法和系统能够自动、精确地定位呼吸暂停事件潜在发生区间并将该区间自动划分成不同的三个阶段，便于从多方面、细粒度地刻画呼吸模式。虽然该方案同样用以精确检测睡眠中的呼吸暂停事件，但是方案没有考虑到前后呼吸性质的相关性，在特征提取准确率和呼吸暂停事件的定位精准度上有待提高。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多级小波编解码的睡眠呼吸暂停检测方法及系统，通过基于多级小波卷积编解码网络进行特征提取及分类，直接基于原始的BCG信号，达到降噪及特征提取以及分类的效果，首先基于原始床垫式BCG采集系统，采集睡眠BCG信号，同时考虑到前后呼吸性质的相关性，基于样本标签数据构建HMM模型，本方法简单可靠，能够有效定位睡眠呼吸暂停事件。

本发明的目的是通过以下技术方案来实现的：

一种基于多级小波编解码的睡眠呼吸暂停检测方法，包括以下步骤：

步骤一：信号标准化，采集用户的两路睡眠BCG信号，并对采集的BCG信号进行标准化预处理，获得标准化信号；

步骤二：小波分解训练，构建NWCNN深度神经网络，将标准化信号输入到NWCNN深度神经网络中进行小波分解训练，获得NWCNN的输出，即深度神经网模型；

步骤三：模型微调，将采集的BCG信号作为样本数据并将样本数据分为训练集和测试集，对深度神经网络进行预训练和微调；

步骤四：训练HMM模型，以1分钟时长为分段依据对步骤三中的训练集进行分段，基于分段数据训练HMM模型；