[发明专利]睡眠呼吸障碍分析方法、装置、设备及可读介质

权利要求书

1.一种睡眠呼吸障碍分析方法，其特征在于，所述方法包括：

获取睡眠呼吸时的音频数据及生命体征时序波形数据；

对所述音频数据执行第一处理，得到第一音频特征；

对所述生命体征时序波形数据执行第二处理，得到第一生命体特征；

将所述第一音频特征及所述第一生命体特征进行融合，得到睡眠呼吸障碍特征；

对所述睡眠呼吸障碍特征进行分析，获取睡眠呼吸障碍分析结果。

2.根据权利要求1所述的睡眠呼吸障碍分析方法，其特征在于，所述获取睡眠呼吸时的音频数据及生命体征时序波形数据包括：

以近场方式采集同一时间段内的所述音频数据及所述生命体征时序波形数据，并对所述音频数据及所述生命体征时序波形数据执行预处理，所述预处理包括使用降噪算法对所述音频数据与所述生命体征时序波形数据进行降噪，所述预处理还包括将所述音频数据与所述生命体征时序波形数据进行归一化处理。

3.根据权利要求1所述的睡眠呼吸障碍分析方法，其特征在于，所述音频数据至少包括鼾声及呼吸声。

4.根据权利要求1所述的睡眠呼吸障碍分析方法，其特征在于，所述生命体征时序波形数据至少包括呼吸周期波和心跳周期波，以及，还包括身体运动波形。

5.根据权利要求1所述的睡眠呼吸障碍分析方法，其特征在于，所述对所述音频数据执行第一处理，得到第一音频特征包括：

将所述音频数据划分为多个声音片段；

将所述声音片段划分为多个帧；

对每个所述帧执行加窗及傅里叶变换，得到第一幅频特性序列；

合并所述第一幅频特性序列，得到所述声音片段的第二频谱图；

组合所述第二频谱图，得到所述音频数据的频谱图序列；

将所述频谱图序列依次输入第一预训练深度卷积神经网络进行抽象表示，得到第一向量序列，所述声音片段及所述帧为等同长度，所述声音片段及所述帧的长度可以自定义设置，所述第一向量序列为所述第一音频特征。

6.根据权利要求1所述的睡眠呼吸障碍分析方法，其特征在于，所述对所述生命体征时序波形数据执行第二处理，得到第一生命体特征包括：

将所述生命体征时序波形数据划为分多个时间片段；

对所述时间片段执行连续小波变换提取时频特征图；

组合时频特征图得到时频特征图序列；

将所述时频特征图序列依次输入第二预训练深度卷积神经网络进行抽象表示，得到第二向量序列，所述时间片段为等长，所述时间片段可以自定义设置，所述的第二向量序列为所述第一生命体特征。

7.根据权利要求1所述的睡眠呼吸障碍分析方法，其特征在于，将所述第一音频特征及所述第一生命体特征进行融合，得到睡眠呼吸障碍特征包括：

对所述第一音频特征进行线性映射得到第一嵌入向量序列，对所述第一生命体特征进行线性映射得到第二嵌入向量序列；

按照时间顺序融合所述第一嵌入向量序列及所述第二嵌入向量序列，得到第三嵌入向量序列；

其中，所述的第三嵌入向量序列为所述的睡眠呼吸障碍特征，所述的第一音频特征为一维m列向量序列，所述的第一生命体特征为一维m列向量序列，所述的第一嵌入向量序列为一维n列向量序列，所述的第二嵌入向量序列为一维n列向量序列，其中，m大于n，m、n可以自定义设置。

8.根据权利要求1所述的睡眠呼吸障碍分析方法，其特征在于，对所述睡眠呼吸障碍特征进行分析，获取睡眠呼吸障碍分析结果包括：

计算获得位置向量序列，其中所述位置向量序列的序列长度和所述睡眠呼吸障碍特征的序列长度相等且每个向量同维度，将所述位置向量序列和所述睡眠呼吸障碍特征相加输入Transformer encoder模型，经过softmax分类得到是否有睡眠呼吸障碍以及睡眠呼吸障碍疾病的类型，所述睡眠呼吸障碍特征为第三嵌入向量序列。