[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

说明书

本发明提供了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，选择睡眠监控数据中的口鼻气流和胸部压力数据作为SAHS评估的数据基础，设计了一个融合口鼻气流和胸部压力数据的目标检测模型。该模型包含了三个主要部分：首先分别处理时序形式的口鼻气流和胸部压力数据，并对提取到的特征进行融合；基于区域候选网络(Region Proposal Network,RPN)网络自适应回归生成SAHS片段检测的候选框；以及基于候选片段生成尺度不变的特征并进行分类。模型训练采用交替训练的方式，分别对RPN网络和分类网络进行训练；使用focal loss损失函数缓解不均衡样本下模型训练可能造成的偏差问题。

技术领域

本发明涉及计算机技术领域，尤其涉及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。

背景技术

睡眠呼吸暂停低通气综合症(SAHS)是指各种原因导致睡眠状态下反复出现呼吸暂停和(或)低通气、高碳酸血症、睡眠中断，从而使机体发生一系列病理生理改变的临床综合征，是一类典型的睡眠障碍症状。睡眠呼吸暂停低通气综合症评估方法就是通过人睡眠过程所记录的生理信号(如多导睡眠图)对睡眠呼吸暂停低通气综合症进行评估，其结果作为睡眠障碍疾病诊断的重要参考依据。

传统SAHS评估方法往往采用模板匹配的方式，寻找SAHS片段的显著特征并对符合标准的片段进行标定；但这类评估算法依赖于特定任务，定制性强，在不同信号片段识别任务间迁移难度非常大。而基于特征工程或者特征学习的分类算法能够适用于不同的片段识别任务，此类算法通过手工特征提取或者特征学习的方法获取特征集合，再通过分类判定输入片段是否属于特定的信号片段；但基于分类的算法存在的一个关键问题是，只能对输入片段进行类型的判定，并不能解决特异性片段的定位问题；而且由于SAHS片段长度是不确定的，基于单一固定长度时间窗口的滑动窗算法也会破坏真实片段的完整性，无法满足片段精确定位的需求。

发明内容

为了解决上述技术问题，本发明第一方面公开了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，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，基于检测候选框能够得到每个候选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。

在一种实施方式中，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。

在一种实施方式中，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。

在一种实施方式中，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。

在一种实施方式中，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。