[发明专利]一种呼吸事件检测方法及装置

说明书

本发明提供一种呼吸事件检测方法及装置。所述方法，包括：获取被测者在预设时间段的一组PSG信号，在PSG信号可用的情况下，对PSG信号进行预处理以及切片处理，得到多段第一切片信号；将多段第一切片信号输入至特征提取网络，得到每段第一切片信号对应的一维特征向量，将每段第一切片信号对应的一维特征向量输入至呼吸事件检测网络，得到每段第一切片信号对应的呼吸事件发生时间和持续时间；对每段第一切片信号进行时域延拓处理，得到对应的第二切片信号，将每段第二切片信号输入至呼吸事件分类网络，得到每段第二切片信号对应的呼吸事件类型以及概率；根据呼吸事件类型以及概率，确定被测者的OSAHS患病程度以及类型。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种呼吸事件检测方法及装置。

背景技术

OSAHS(obstructive sleep apnea-hypopnea syndrome，阻塞性睡眠呼吸暂停低通气综合征)，其临床表征就是睡眠时反复出现由上呼吸道塌陷引起的呼吸事件。该病的严重程度可以通过呼吸暂停低通气指数(AHI)即每小时出现的呼吸事件次数来评估。部分研究显示，女性中重度OSAHS(AHI＞15)的患病率为23.4％，男性为49.7％。且未经治疗的OSAHS患者患中风、抑郁症、心力衰竭、糖尿病的风险均比常人高数倍以上，因此具有一定OSAHS患病风险的个体应尽早到睡眠科进行就诊。

目前，睡眠科室现采用的呼吸事件检测方法是基于多导睡眠图(PSG)的监测，这需要患者在专业的睡眠实验室接受整夜的PSG监测以获得整夜的PSG信号。在获得PSG信号之后需要医师结合PSG信号中的口鼻气流、胸腹带和血氧等信号对PSG信号中的呼吸事件进行人工标注。并且不仅需要标注呼吸事件发生的起始点和持续时间，还需要根据多通道的信号对呼吸事件类型进行判断。一个熟练的睡眠技师分析一例数据需要一个小时以上的时间，且技师培训难、标签变异率高。因此急需一种自动的且可以提供给技师稳定可供参考的呼吸事件位置及其种类的辅助诊断方法。

通常情况下，多数基于深度学习的呼吸事件检测手段都是通过固定分帧然后直接逐帧进行分类来进行的，这种方法准确率低、可解释性差且无法获得呼吸事件的准确区域及范围。

发明内容

本发明提供一种呼吸事件检测方法及装置，用以解决现有技术中呼吸事件检测时准确率低且不易分类的问题，实现快速、自动地进行呼吸事件检测和分类，提高呼吸事件检测的处理效率和准确率。

本发明提供一种呼吸事件检测方法，包括：获取被测者在预设时间段的一组睡眠监测PSG信号，检查所述PSG信号的可用性，在所述PSG信号可用的情况下，对所述PSG信号进行预处理，得到经过预处理后的PSG信号；按照第一预设时长对所述经过预处理后的PSG信号进行切片处理，得到至少一段第一切片信号；将所述至少一段第一切片信号输入至训练好的特征提取网络，得到每段所述第一切片信号对应的一维特征向量，将每段所述第一切片信号对应的一维特征向量输入至训练好的呼吸事件检测网络，得到每段所述第一切片信号对应的呼吸事件发生时间和持续时间；根据所述每段所述第一切片信号对应的呼吸事件发生时间和持续时间，对每段所述第一切片信号进行时域延拓处理，得到对应的第二切片信号，将每段所述第二切片信号输入至训练好的呼吸事件分类网络，得到每段所述第二切片信号对应的呼吸事件类型以及概率；根据每段所述第二切片信号对应的呼吸事件类型以及概率，确定所述被测者的阻塞性睡眠呼吸暂停低通气综合征OSAHS患病程度以及OSAHS类型。