【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
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。