血氧饱和度信号分析方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种血氧饱和度信号分析方法、装置、计算机设备和存储介质。所述方法包括：获取待分析的血氧饱和度信号；确定血氧饱和度信号中氧减事件对应的氧减信号片段；提取氧减信号片段的局部特征；融合局部特征和血氧饱和度信号的全局特征，得到融合特征；对融合特征进行氧减类型识别，得到氧减信号片段的氧减类型识别结果。采用本方法能够提高血氧饱和度信号的分析效率。

【技术实现步骤摘要】
血氧饱和度信号分析方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种血氧饱和度信号分析方法、装置、计算机设备和存储介质。
技术介绍
睡眠呼吸暂停低通气综合征(SAHS，SleepApneaHypopneaSyndrome)是一种常见的与睡眠有关的呼吸障碍，其特征是睡眠时出现多次的气流减少和停止，据统计约有49.7％的男性和23.4％的女性成人患有睡眠呼吸障碍。夜间多导睡眠图(PSG，Polysomnography)是诊断SAHS最常用的标准，在整晚的PSG中，记录了口鼻气流、血氧饱和度(SpO2)、心电图和睡眠状态等生理信号，根据PSG记录的各种生理信号可以对SAHS进行识别。其中，血氧饱和度信号可以通过可穿戴式脉搏血氧饱和度仪测得，信号易于采集，且许多呼吸暂停事件与明显的氧饱和度下降有关，血氧饱和度信号逐渐成为诊断SAHS的常用指标。SAHS的诊断中，需要对呼吸暂停事件进行准确统计分析，而血氧饱和度信号记录的氧减事件，即氧饱和度下降并不一定与呼吸暂停事件相关。目前将血氧饱和度信号分成一到两分钟的间隔来分析是否发生呼吸暂停事件的血氧饱和度信号分析方法，只能确定各分段间隔内是否发生呼吸暂停事件，无法准确各呼吸暂停事件对应的氧减信号片段，而需要医生进行人工判定，导致血氧饱和度信号分析效率较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高血氧饱和度信号分析效率的血氧饱和度信号分析方法、装置、计算机设备和存储介质。一种血氧饱和度信号分析方法，所述方法包括：获取待分析的血氧饱和度信号；确定血氧饱和度信号中氧减事件对应的氧减信号片段；提取氧减信号片段的局部特征；融合局部特征和血氧饱和度信号的全局特征，得到融合特征；对融合特征进行氧减类型识别，得到氧减信号片段的氧减类型识别结果。在其中一个实施例中，确定血氧饱和度信号中氧减事件对应的氧减信号片段包括：基于小波算法对血氧饱和度信号进行小波去噪处理，得到去噪后的血氧饱和度信号；对去噪后的血氧饱和度信号进行平滑处理，得到预处理后的血氧饱和度信号；根据预处理后的血氧饱和度信号的幅值变化，从预处理后的血氧饱和度信号中确定氧减事件；从血氧饱和度信号中确定氧减事件对应的氧减信号片段。在其中一个实施例中，提取氧减信号片段的局部特征包括：从血氧饱和度信号中提取氧减信号片段；对氧减信号片段进行时序特征提取，得到氧减信号片段时序特征；对氧减信号片段时序特征进行卷积处理，得到氧减信号片段的局部特征。在其中一个实施例中，融合局部特征和血氧饱和度信号的全局特征，得到融合特征包括：获取血氧饱和度信号的全局特征；全局特征通过对血氧饱和度信号进行全局特征分析得到；融合局部特征和全局特征，得到融合特征。在其中一个实施例中，全局特征包括血氧饱和度信号的平均值、标准差、曲线下面积、平均频率、峰值频率和中心频率中的至少一项。在其中一个实施例中，血氧饱和度信号分析方法基于预训练的氧减信号分析模型实现，氧减信号分析模型的训练步骤包括：获取原始血氧饱和度信号；确定原始血氧饱和度信号中氧减事件对应的原始氧减信号片段，并根据原始氧减信号片段得到携带氧减类型标签的氧减信号训练片段；通过待训练的待训练的氧减信号分析模型提取氧减信号训练片段的局部训练特征；通过待训练的氧减信号分析模型融合局部训练特征和血氧饱和度训练信号的全局训练特征，得到融合训练特征；通过待训练的氧减信号分析模型对融合训练特征进行氧减类型识别，得到血氧饱和度训练信号的氧减类型训练识别结果；根据氧减类型训练识别结果和氧减类型标签确定模型损失，并根据模型损失调整待训练的氧减信号分析模型后继续训练，直至满足训练结束条件时结束训练，得到训练完成的氧减信号分析模型。在其中一个实施例中，氧减类型标签包括呼吸暂停氧减类型标签和非呼吸暂停氧减类型标签；根据原始氧减信号片段得到携带氧减类型标签的氧减信号训练片段：确定原始氧减信号片段对应的氧减事件标签；根据氧减事件标签从原始氧减信号片段中确定正样本信号片段和负样本信号片段；正样本信号片段携带呼吸暂停氧减类型标签，负样本信号片段携带非呼吸暂停氧减类型标签；根据正样本信号片段和负样本信号片段得到氧减信号训练片段。一种血氧饱和度信号分析装置，所述装置包括：待分析信号获取模块，用于获取待分析的血氧饱和度信号；氧减信号确定模块，用于确定血氧饱和度信号中氧减事件对应的氧减信号片段；局部特征提取模块，用于提取氧减信号片段的局部特征；特征融合处理模块，用于融合局部特征和血氧饱和度信号的全局特征，得到融合特征；氧减类型识别模块，用于对融合特征进行氧减类型识别，得到氧减信号片段的氧减类型识别结果。一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：获取待分析的血氧饱和度信号；确定血氧饱和度信号中氧减事件对应的氧减信号片段；提取氧减信号片段的局部特征；融合局部特征和血氧饱和度信号的全局特征，得到融合特征；对融合特征进行氧减类型识别，得到氧减信号片段的氧减类型识别结果。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取待分析的血氧饱和度信号；确定血氧饱和度信号中氧减事件对应的氧减信号片段；提取氧减信号片段的局部特征；融合局部特征和血氧饱和度信号的全局特征，得到融合特征；对融合特征进行氧减类型识别，得到氧减信号片段的氧减类型识别结果。上述血氧饱和度信号分析方法、装置、计算机设备和存储介质，确定待分析的血氧饱和度信号中氧减事件对应的氧减信号片段，并融合氧减信号片段的局部特征和血氧饱和度信号的全局特征，对得到的融合特征进行氧减类型识别，得到氧减类型识别结果。在血氧饱和度信号的分析处理中，基于血氧饱和度信号的全局特征与氧减信号片段的局部特征融合得到的融合特征进行氧减类型识别，充分考虑了信号的整体性特征，可以准确得到血氧饱和度信号中氧减信号片段的氧减类型识别结果，不需要医生进一步进行人工判定，提高了血氧饱和度信号的分析效率。附图说明图1为一个实施例中血氧饱和度信号分析方法的应用环境图；图2为一个实施例中血氧饱和度信号分析方法的流程示意图；图3为一个实施例中确定氧减信号片段的流程示意图；图4为另一个实施例中原始血氧饱和度信号进行预处理的波形示意图；图5为一个实施例中卷积模块的结构示意图；图6为一个实施例中氧减信号分析模型的结构示意图；图7为一个实施例中血氧饱和度信号分析装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优本文档来自技高网...

【技术保护点】
1.一种血氧饱和度信号分析方法，所述方法包括：/n获取待分析的血氧饱和度信号；/n确定所述血氧饱和度信号中氧减事件对应的氧减信号片段；/n提取所述氧减信号片段的局部特征；/n融合所述局部特征和所述血氧饱和度信号的全局特征，得到融合特征；/n对所述融合特征进行氧减类型识别，得到所述氧减信号片段的氧减类型识别结果。/n

【技术特征摘要】
1.一种血氧饱和度信号分析方法，所述方法包括：
获取待分析的血氧饱和度信号；
确定所述血氧饱和度信号中氧减事件对应的氧减信号片段；
提取所述氧减信号片段的局部特征；
融合所述局部特征和所述血氧饱和度信号的全局特征，得到融合特征；
对所述融合特征进行氧减类型识别，得到所述氧减信号片段的氧减类型识别结果。


2.根据权利要求1所述的方法，其特征在于，所述确定所述血氧饱和度信号中氧减事件对应的氧减信号片段包括：
基于小波算法对所述血氧饱和度信号进行小波去噪处理，得到去噪后的血氧饱和度信号；
对所述去噪后的血氧饱和度信号进行平滑处理，得到预处理后的血氧饱和度信号；
根据所述预处理后的血氧饱和度信号的幅值变化，从所述预处理后的血氧饱和度信号中确定氧减事件；
从所述血氧饱和度信号中确定所述氧减事件对应的氧减信号片段。


3.根据权利要求1所述的方法，其特征在于，所述提取所述氧减信号片段的局部特征包括：
从所述血氧饱和度信号中提取所述氧减信号片段；
对所述氧减信号片段进行时序特征提取，得到氧减信号片段时序特征；
对所述氧减信号片段时序特征进行卷积处理，得到所述氧减信号片段的局部特征。


4.根据权利要求1所述的方法，其特征在于，所述融合所述局部特征和所述血氧饱和度信号的全局特征，得到融合特征包括：
获取所述血氧饱和度信号的全局特征；所述全局特征通过对所述血氧饱和度信号进行全局特征分析得到；
融合所述局部特征和所述全局特征，得到融合特征。


5.根据权利要求4所述的方法，其特征在于，所述全局特征包括所述血氧饱和度信号的平均值、标准差、曲线下面积、平均频率、峰值频率和中心频率中的至少一项。


6.根据权利要求1至5任意一项所述的方法，其特征在于，所述方法基于预训练的氧减信号分析模型实现，所述氧减信号分析模型的训练步骤包括：
获取原始血氧饱和度信号；
确定所述原始血氧饱和度信号中氧减事件对应的原始氧减信号片段，并根据所述原始氧减信号片段得到携带氧减类型标签的氧...

【专利技术属性】
技术研发人员：关建，殷善开，易红良，盛斌，李华婷，刘茹涵，许华俊，
申请(专利权)人：上海市第六人民医院，上海交通大学，
类型：发明
国别省市：上海;31