一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质，涉及睡眠呼吸暂停风险评估技术领域。本申请中基于不确定性采样策略选择蕴含信息量大的ECG信号片段进行标注并用其训练神经网络模型，不仅降低获得标注样例的成本和难度，还降低神经网络模型算法样本的复杂度，提高对OSA病症片段的自动检测效率。将用户前一晚睡眠期间收集到的ECG信号输入到训练后的神经网络模型中，得到描述当前片段为正常生理状态的概率和患有OSA病症的概率。然后根据确定患有OSA病症的所有片段计算得到用户前一晚的AHI指数，根据AHI指数得到OSA病症的等级程度，帮助用户结合当前自身的身体状态采取相应的治疗措施。采取相应的治疗措施。采取相应的治疗措施。

【技术实现步骤摘要】
一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质


[0001]本专利技术涉及睡眠呼吸暂停风险评估
，具体而言，涉及一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质。

技术介绍

[0002]阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea，OSA)是一种普遍存在的睡眠呼吸紊乱疾病，估计全世界有近10亿人受到影响。OSA患者普遍存在疲劳和日间嗜睡，这不仅影响了他们的生活质量，而且增加了交通事故和工作场所事故的风险。此外，未经治疗的OSA可能导致或加重心脑血管疾病和代谢紊乱。
[0003]通常，利用呼吸暂停低通气指数(Apnea Hypopnea Index，AHI)来量化OSA是否存在及其病情分度，AHI指的是平均每小时睡眠时间内呼吸暂停和低通气的次数。每夜7h睡眠过程中呼吸暂停及低通气反复发作30次以上，或AHI≥5次/h，则被认为是OSA。另外根据AHI可将OSA分为轻、中、重度。
[0004]多导睡眠图(Polysomnography，PSG)是诊断OSA的黄金标准，它记录各种睡眠生理信号，包括肌电图(EMG)、脑电图(EEG)、心电图(ECG)、眼电图(EOG)、血氧饱和度(SpO2)、气流、呼吸努力、鼾声和身体姿势等。但是，PSG是一种环境要求严苛、费时费力的检测程序，其必须在专业的睡眠实验室进行，并且需要由专业技术人员对整夜PSG监测信号进行人工分析并给出OSA病情分度评估，这是一项繁琐且易出错的过程。
[0005]因此，如何提供一种方便、易用、准确的OSA检测与风险评估方法是目前需要解决的技术问题。

技术实现思路

[0006]本专利技术的目的在于提供一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
[0007]第一方面，本申请提供了一种睡眠呼吸暂停风险评估方法，包括：
[0008]获取用户每天睡眠时间内的第一ECG信号。
[0009]根据所述第一ECG信号，得到第一ECG信号片段集合，所述第一ECG信号片段集合中的每个第一ECG信号片段为单位时间内的第一子信号集合，所述第一子信号集合中的每个第一子信号为对当前所述第一子信号进行等间期获取信号参数后得到的第二信号片段。
[0010]将所述第一ECG信号片段集合中的所有所述第二信号片段导入训练后的神经网络模型中，得到第一概率矩阵，所述第一概率矩阵用于描述所述第二信号片段的事件概率，所述事件概率包括正常生理状态的概率和患有OSA病症的概率。
[0011]根据所述第一概率矩阵，得到用户在每天睡眠时间内单位小时的AHI指数。
[0012]根据所述AHI指数，得到用户患有OSA病症的等级。
[0013]第二方面，本申请还提供了一种睡眠呼吸暂停风险评估装置，包括第一获取模块、第一提取模块、第一计算模块、第二计算模块和评级模块，其中：
[0014]第一获取模块：用于获取用户每天睡眠时间内的第一ECG信号；
[0015]第一提取模块：用于根据所述第一ECG信号，得到第一ECG信号片段集合，所述第一ECG信号片段集合中的每个第一ECG信号片段为单位时间内的第一子信号集合，所述第一子信号集合中的每个第一子信号为对当前所述第一子信号进行等间期获取信号参数后得到的第二信号片段；
[0016]第一计算模块：用于将所述第一ECG信号片段集合中的所有所述第二信号片段导入训练后的神经网络模型中，得到第一概率矩阵，所述第一概率矩阵用于描述所述第二信号片段的事件概率，所述事件概率包括正常生理状态的概率和患有OSA病症的概率；
[0017]第二计算模块：用于根据所述第一概率矩阵，得到用户在每天睡眠时间内单位小时的AHI指数；
[0018]评级模块：用于根据所述AHI指数，得到用户患有OSA病症的等级。
[0019]第三方面，本申请还提供了一种睡眠呼吸暂停风险评估设备，包括存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现所述的睡眠呼吸暂停风险评估方法的步骤。
[0020]第四方面，本申请还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于睡眠呼吸暂停风险评估方法的步骤。
[0021]本专利技术的有益效果为：
[0022]本申请中，基于不确定性采样策略选择蕴含信息量大的信号片段进行标注，降低获得标注样例的成本(时间成本以及金钱成本)和难度，利用这些筛选出来的标注片段进行神经网络模型的训练，降低神经网络模型算法样本的复杂度，提高对ECG信号片段识别分类性能和对OSA病症片段的自动检测效率。而且训练神经网络模型用到的参数类别较少，不但能够有效地缩短对神经网络模型的训练时间，而且也便于将其应用于移动设备中。将用户前一晚睡眠期间内收集到的ECG信号输入到训练后的神经网络模型中，得到当前信息片段的事件概率的矩阵，描述当前信息片段为正常生理状态的概率和患有OSA病症的概率。然后根据事件概率的矩阵计算得到用户前一晚的AHI指数，根据AHI指数得到OSA病症的等级程度，通过OSA病症的等级程度知道用户当前的生理状态，并对未来状况进行一定的预测，帮助用户结合当前自身的身体状态采取相应的治疗措施。
[0023]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0024]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0025]图1为本专利技术实施例中的睡眠呼吸暂停风险评估方法流程框图；
[0026]图2为本专利技术实施例中的睡眠呼吸暂停风险评估装置的框图；
[0027]图3为本专利技术实施例中的另一种睡眠呼吸暂停风险评估装置的框图；
[0028]图4为本专利技术实施例中的睡眠呼吸暂停风险评估设备的框图。
[0029]图中标记：700
‑
睡眠呼吸暂停风险评估装置；701
‑
第一获取模块；702
‑
第一提取模块；7021
‑
第一子提取单元；7022
‑
第二子提取单元；7023
‑
第三子提取单元；7024
‑
第四子提取单元；703
‑
第一计算模块；7031
‑
第一获取子单元；7032
‑
样本集单元；7033
‑
第一拟合单元；7034
‑
第一计算子单元；7035
‑
第二计算子单元；70351
‑...

【技术保护点】

【技术特征摘要】
1.一种睡眠呼吸暂停风险评估方法，其特征在于，包括：获取用户每天睡眠时间内的第一ECG信号；根据所述第一ECG信号，得到第一ECG信号片段集合，所述第一ECG信号片段集合中的每个第一ECG信号片段为单位时间内的第一子信号集合，所述第一子信号集合中的每个第一子信号为对当前所述第一子信号进行等间期获取信号参数后得到的第二信号片段；将所述第一ECG信号片段集合中的所有所述第二信号片段导入训练后的神经网络模型中，得到第一概率矩阵，所述第一概率矩阵用于描述所述第二信号片段的事件概率，所述事件概率包括正常生理状态的概率和患有OSA病症的概率；根据所述第一概率矩阵，得到用户在每天睡眠时间内单位小时的AHI指数；根据所述AHI指数，得到用户患有OSA病症的等级。2.根据权利要求1所述的睡眠呼吸暂停风险评估方法，其特征在于，所述神经网络模型的训练方法包括：获取第二参数，所述第二参数为从OSA研究实际案例中获取的第二ECG信号的特征参数；根据第一预设比例，将所述第二参数划分为训练数据集、未标记数据集和测试数据集；根据预设损失函数和所述训练数据集对神经网络模型进行拟合，得到拟合后的所述神经网络模型；根据所述未标记数据集和拟合后的所述神经网络模型，得到第二概率矩阵，所述第二概率矩阵用于描述所述未标记数据集的事件概率，所述事件概率包括正常生理状态的概率和患有OSA病症的概率；根据所述第二概率矩阵，得到筛选后的所述未标记数据集；将筛选后的所述未标记数据集和所述训练数据集导入拟合后的所述神经网络模型进行拟合，得到训练后的所述神经网络模型；将所述测试数据集导入训练后的所述神经网络模型，得到训练后的所述神经网络模型的性能评价。3.根据权利要求2所述的睡眠呼吸暂停风险评估方法，其特征在于，所述未标记数据集的筛选方法，包括：根据所述第二概率矩阵，得到所述未标记数据集中的每个元素所对应的信息熵，所述信息熵用于描述每个所述元素中所蕴含信息量的大小；根据所述信息熵的大小进行排序，得到由大到小排列的信息熵序列；根据预设标注代价和所述信息熵序列，得到筛选后的所述未标记数据集，所述预设标注代价为选取所述元素的第一总个数，所述第一总个数为所述第二参数总数与第二预设比例的乘积，所述第二预设比例为自定义参数。4.根据权利要求2所述的睡眠呼吸暂停风险评估方法，其特征在于，所述未标记数据集的筛选方法，包括：获取预设标注代价、预设参数和实际筛选次数，所述预设标注代价为选取所述未标记数据集的第一总个数，所述第一总个数为所述第二参数总数与第二预设比例的乘积，所述预设参数为每次选取所述未标记数据集的个数；根据所述预设标注代价和所述预设参数，得到预设筛选次数，所述预设筛选次数为所
述预设标注代价与所述预设参数的比值；根据所述第二概率矩阵，得到所述未标记数据集中每个元素对应的信息熵，所述信息熵用于描述每个所述元素中所蕴含信息量的大小；根据所述信息熵的大小进行排序，得到由大到小排列的信息熵序列；根据所述信息熵序列和所述预设参数，得到第三数据集合，所述第三数据集合为对当前所述未标记数据集进行筛选操作后得到的数据集合；将更新后的所述训练数据集导入拟合后的所述神经网络模型进行拟合，得到更新后的所述神经网络模型，更新后的所述训练数据集为所述训练数据集与所述第三数据集合累计叠加的数据；判断所述实际筛选次数与所述预设筛选次数是否一致，若是，则得到筛选后的所述未标记数据集；若不是，则根据筛选的所述未标记数据集，得到剩余的所述未标记数据集；将剩余的所述未标记数据集导入更新后的所述神经网络模型，得到更新后的所述第二概率矩阵，迭代上述所有步骤直至实际筛选次数与所述预设筛选次数一致。5.根据权利要求1所述的睡眠呼吸暂停风险评估方法，其特征在于，根据所述第一概率矩阵，得到用户在每天睡眠时间内单位小时的AHI指数，包括：根据第一概率矩阵，判断描述当前第二信号片段患有OSA病症的概率是否大于0.5；若是，则将所述第二信号片段标记为1；若不是，则将所述第二信号片段标记为0；统计所述第二信号片段标记为1的第二总个数；获取用户每天的睡眠时间，所述睡眠时间单位以小时计；根据所述第二总个数和所述睡眠时间，得到AHI指数，所述AHI指数为所述第二总个数和所述睡眠时间的比值。6.根据权利要求1所述的睡眠呼吸暂停风险评估方法，其特征在于，获取所述第二信号片段的方法，包括：根据所述第一ECG信号，得到第一特征参数，所述第一特征参数包括第一R波波峰的振幅值和相邻两个所述第一R波波峰的间期；根据所述第一特征参数，得到剔除后的所述第一ECG信号片段集合，剔除后的所述第一ECG信号片段集合中至少包括一个所述第一ECG信号片段；根据剔除后的所述第一ECG信号片段集合中的所有所述第一ECG信号片段，得到第一子信号集合，所述第一子信号集合中的每个第一子信号为对当前所述第一子信号片段按照单位时间获取信号参数后得到的第一子信号；根据所述第一子信号集合中的所有所述第一子信号，得到第二信号片段，所述第二信号片段为对当前所述第一子信号进行等间期获取信号参数后得到的第二信号片段。7.一种睡眠呼吸暂停风险评估装置，其特征在于，包括：第一获取模块：用于获取用户每天睡眠时间内的第一ECG信号；第一提取模块：用于根据所述第一ECG信号，得到第一ECG信号片段集合，所述第一ECG信号片段集合中的每个第一ECG信号片段为单位时间内的第一子信号集合，所述第一子信号集合中的每个第一子信号为对当前所述第一子信号进行等间期获取信号参数后得到的
第二信号片段；第一计算模块：用于将所述第一ECG信号片段集合中的所...

【专利技术属性】
技术研发人员：王典，滕飞，马征，李双庆，姚远，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：