[发明专利]一种基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法及装置

权利要求书

1.一种基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法，其特征在于，包括：

S1：采集原始睡眠生理指标数据；

S2：对采集的原始睡眠生理指标数据进行预处理，并标注SAHS片段；

S3：构建SAHS目标检测框架，SAHS目标检测框架包括用于融合特征的骨干网络模块、用于生成检测候选框的区域候选模块以及用于对候选序列进行分类的序列建模模块，其中，区域候选模块采用区域候选网络RPN，区域候选网络包括两个分支，其中一个分支用于区分候选框中信号是否为特征信号，另一个分支用于对候选框的边界进行回归，区域候选网络的输出为一个n*2的矩阵，n表示样本中包含的候选框数量，2表示候选框的开始结束位置的两个元素，根据区域候选网络得到SAHS片段的起止点；

S4：从预处理和标注后的数据中获取训练数据，利用训练数据对SAHS目标检测框架进行训练；

S5：使用训练好的SAHS目标检测框架对待识别数据进行检测。

2.如权利要求1所述的基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法，其特征在于，步骤S1包括：

使用标准多导睡眠图对人睡眠过程中的各项生理指标进行监测，并提取口鼻气流和胸部压力数据作为原始睡眠生理指标数据。

3.如权利要求2所述的基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法，其特征在于，S2包括：

S2.1：基于多相滤波算法对胸部压力数据进行降采样处理，将胸部压力数据和口鼻气流数据作为输入SAHS目标检测框架的两个通道；

S2.2：对步骤S2.1得到的数据进行标注，具体包括阻塞型、中枢型和低通气三种类型SAHS片段的标注。

4.如权利要求2所述的基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法，其特征在于，骨干网络模块由三个瓶颈层结构构成，每个瓶颈层结构包含两个子块，分别为恒等映射模块和卷积模块，每个子块中均为一系列一维卷积层。

5.如权利要求1所述的基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法，其特征在于，序列建模模块包括特征处理层、时序信号嵌入层以及全连接层，

特征处理层用于从特征图中截取候选区域的特征序列，得到候选序列；

时序信号嵌入层用于采用LSTM网络提取候选序列中时序特征，得到时序信号嵌入结果；

全连接层用于根据时序信号嵌入结果得到分类结果。

6.如权利要求1所述的基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法，其特征在于，S4包括：

S4.1：将骨干网络模块和区域候选模块共同训练，将区域候选模块的候选框类别损失和候选框边界损失求和并反向传播；

S4.2：将骨干网络模块和序列建模模块共同训练，将序列建模模块的分类损失和边界损失求和并反向传播；

S4.3：保持骨干网络模块参数固定，继续对区域候选模块进行训练，对区域候选模块的候选框类别损失和候选框边界损失求和并反向传播；

S4.4：保持骨干网络模块参数固定，对序列建模模块进行训练，将序列建模模块的分类损失和边界损失求和并反向传播。

7.如权利要求6所述的基于目标检测框架的睡眠呼吸暂停低通气综合症评估方法，其特征在于，S4.1和S4.3中的候选框类别损失采用focal loss损失函数计算。

8.一种基于目标检测框架的睡眠呼吸暂停低通气综合症评估装置，其特征在于，包括：

数据采集模块，用于采集原始睡眠生理指标数据；

预处理模块，用于对采集的原始睡眠生理指标数据进行预处理，并标注SAHS片段；

目标检测框架构建模块，用于构建SAHS目标检测框架，SAHS目标检测框架包括用于融合特征的骨干网络模块、用于生成检测候选框的区域候选模块以及用于对候选序列进行分类的序列建模模块，其中，区域候选模块采用区域候选网络RPN，区域候选网络包括两个分支，其中一个分支用于区分候选框中信号是否为特征信号，另一个分支用于对候选框的边界进行回归，区域候选网络的输出为一个n*2的矩阵，n表示样本中包含的候选框数量，2表示候选框的开始结束位置的两个元素，根据区域候选网络得到SAHS片段的起止点；

训练模块，用于从预处理和标注后的数据中获取训练数据，利用训练数据对SAHS目标检测框架进行训练；

检测模块，用于使用训练好的SAHS目标检测框架对待识别数据进行检测。