【技术实现步骤摘要】
一种睡眠脑电、鼾声检测分析装置
[0001]本专利技术涉及睡眠检测
,具体为一种睡眠脑电、鼾声检测分析装置。
技术介绍
[0002]睡眠是人类在漫长的进化中为了适应昼夜节律变化而产生的一种生命过程,是人类不可缺少的生理过程,具有多方面的重要意义,例如减少能量消耗、记忆编码、记忆巩固、脑功能重塑等重要功能。健康的睡眠调节有助于机体从疲劳中回复,提高神经系统效率,维持良好的生理机能。
[0003]然而,随着人们生活节奏的加快,生活习惯的改变,睡眠呼吸障碍综合征(Sleep Disordered Breathing,SDB)成为了一种常见的疾病。睡眠呼吸障碍是一组与睡眠相关、以睡眠时呼吸节律紊乱及幅度异常改变主要表现的一系列疾病。其中代表性疾病——阻塞性睡眠呼吸暂停低通气综合征(Obstructive Sleep Apnea
‑
hypopnea Disease,OSAHS),是以睡眠期间周期性的部分或完全上气道塌陷阻塞为特征的疾病。
[0004]现在市面上缺乏对睡眠进行检测和分析的装置,不便通过睡眠分期提高睡眠质量和睡眠呼吸疾病诊断处理效率。
[0005]本专利技术专利利用睡眠脑电分期算法做睡眠分期,然后计算出睡眠结构。利用鼾声智能诊断算法做鼾声诊断,然后计算AHI分类。相应算法可以形成睡眠报告,发回给用户。本专利技术专利具有以下应用场景:1.睡眠监测;2.睡眠分期;3.鼾声监测;4.体动监测;5.睡眠脑电鼾声监测。
技术实现思路
[0006](一)解决的技术 ...
【技术保护点】
【技术特征摘要】
1.一种睡眠脑电、鼾声检测分析装置,其特征在于,包括睡眠监测信号采集模块、睡眠监测信号预处理模块、睡眠分期和呼吸事件监测模型训练模块、睡眠分期和呼吸事件监测模块和结果展示与分析模块,所述睡眠监测信号采集模块的输出端与睡眠监测信号预处理模块的输入端单向连接,所述睡眠监测信号预处理模块的输出端与睡眠分期和呼吸事件监测模型训练模块的输入端单向连接,所述睡眠分期和呼吸事件监测模型训练模块的输出端与睡眠分期和呼吸事件监测模块的输入端单向连接,所述睡眠分期和呼吸事件监测模块的输出端与结果展示与分析模块的输入端单向连接;包括步骤一:获取整晚睡眠监测的睡眠脑电和鼾声监测信号,检查数据信号的完整性和可用性,并利用带通滤波器对该信号进行滤波,滤除信号上不相关频带噪声的干扰,并将这些数据以6:3:1的比例划分为训练集、验证集和测试集;步骤二:构建能用于对该信号进行特征提取和分类的神经网络,神经网络分为网络一和网络二,分别用于进行脑电睡眠分期和呼吸事件检测分类,网络一由特征提取层和分类层构成,网络二由检测定位层和分类层构成;步骤三:对训练集分为脑电训练集和鼾声训练集,其中脑电训练集进行固定时间的切片,按照每30秒为一帧进行分帧处理,作为数据集A,鼾声训练集也进行同样的切片处理,同时统计数据集中呼吸事件出现的次数,出现的位置和持续的时间,记为数据集B,同步对其他脑电数据集进行类似的操作,形成脑电验证集和测试集,分别记为A
’
和A”,同步对鼾声数据集进行类似操作,形成呼吸事件验证集和测试集,分别记为B
’
和B”,步骤四:对数据集A、A
’
、A”进行一定的清洗工作,将不符合金标准专家规则,以及明显错误的数据帧去除,其中A数据的标签设置为五种标签(包括W期、N1期、N2期、N3期、REM期),对数据集B、B
’
、B”进行类似的清洗工作,将标签设置为四种标签(包括阻塞型睡眠呼吸暂停、中枢型睡眠呼吸暂停、混合型睡眠呼吸暂停、低通气),步骤五:构建两个神经网络,其中网络一为脑电睡眠分期网络,网络二为鼾声呼吸事件检测网络,两个网络分别利用数据集A和B进行训练,其中网络二的训练分为两部分,即检测定位和分类层需要单独分开训练,步骤六:利用验证集A
’
对网络一的性能进行评估,综合评估脑电睡眠五分期的准确率、精确率、召回率、F1值等指标,利用验证集B
’
对网络二的性能进行评估,并调整网络二中的参数阈值,直到模型对呼吸时间的召回率和精确率基本持平,步骤七:利用网络一对测试集数据集A”进行睡眠分期测试,统计不同睡眠分期的时长、时长比例、睡眠潜伏期、REM潜伏期、睡眠有效率等指标,利用网络二对测试数据集B”进行呼吸事件检测定位和分类判定,统计总的睡眠呼吸事件次数和单位时间睡眠呼吸事件次数,并利用相关规则对睡眠呼吸疾病严重性进行分类。2.根据权利要求1所述的一种睡眠脑电、鼾声检测分析装置,其特征在于:所述步骤一中,获取整晚睡眠监测的睡眠监测信号,检查数据信号的完整性和可用性,具体方法包括:获取睡眠监测的睡眠监测生理信号,提取其中的脑电相关信号(包括EEG
‑
1、EEG
‑
2、EMG、EOG
‑
1、EOG
‑
2通道),以及口气流、鼻气流、胸带、腹带和血氧信号,其中脑电相关信号用于进行脑电睡眠分期,需要保障有一到五个稳定的信号通道,睡眠呼吸事件信号由鼾声、口气流、鼻气流、胸腹运动、血氧等信号通道构成,需要保障有一到六个稳定的信号通道;将生理信号划分为以6:3:1的比例划分为训练集、验证集和测试集,利用信号预处理模块对信号进
行预处理,然后对信号进行一定的降维、归一化处理。3.根据权利要求1所述的一种睡眠脑电、鼾声检测分析装置,其特征在于:步骤二中所述构建特征提取网络和呼吸事件检测网络,其具体步骤包括:网络一中的特征提取层包括一切可用于信号特征提取的神经网络和机器学习方法,例如一维卷积神经网络层,以VGG、ResNet、transformer等网络层等,网络一的分类层包括神经网络的全连接层等,网络二中检测定位层使用包括但不限于传统目标检测网络中用到的特征提取网络的一维形式,如VGG、MobileNet、ResNet、SKNet等,其作用是提取一维睡眠监测信号中的有效信息并将其映射到一个一维向量中去,呼吸事件检测定位层利用不同网络深度的卷积层视觉野不同的特点加入了多尺度的检测;在每一层卷积层的特征点上预设下预置框,网络为预置框输出检测其是否为呼吸事件的置信度参数和位置回归参数;参考图像分类网络中的RFB模块设计了1
‑
D RFB模块,所述步骤三中对训练集中的睡眠监测信号进行固定时间的切片,并标注每个切片上睡眠分类的类型,生成数据集A;同时标注呼吸事件发生的位置和持续时间,生成数据集B,其具体方法如下所示:获取完整的一段睡眠呼吸生理信号,按照固定时间长度进行信号分帧,并核对睡眠技师提供的标签文件,将睡眠分期标签分配给每一帧的数据,在呼吸事件方面,分帧方法为切割点每次前移30秒,将信号片段逐帧储存下来,并利用睡眠技师的标注为每帧数据进行睡眠脑电分期标注,和呼吸事件标注,这包括标注呼吸事件的起始时间、持续时间和呼吸事件类型,生成一个标注文件,每一个标注文件与一段信号一一对应。4.根据权利要求1所述的一种睡眠脑电、鼾声检测分析装置,其特征在于:所述步骤四中,对数据集进行一定的清洗工作,将不符合金标准专家规则,以及明显错误的数据帧去除,其具体方法包括:
①
基于美国睡眠协会(AASM)的睡眠分期规则,对数据集A、A
’
、A”中的睡眠分期变化规律进行研究,将不符合睡眠分期规律的帧进行去除,或者修改为与前后帧相同的帧标签,同时将标签转化为五分类标签,分别用不同的数字代表不同的标签;
②
基于美国睡眠协会的睡眠呼吸事件规则,检查数据集B、B
’
、B”的呼吸事件标签,将不符合呼吸事件判定规则的判定时长的标签去除,同时将标签转化为四分类标签,分别用不同的数字代表不同的标签。5.根据权利要求1所述的一种睡眠脑电、鼾声检测分析装置,其特征在于:所述步骤五中,利用数据集A对网络一进行训练,利用数据集B对网络二进行训练,其具体方法包括:
①
...
【专利技术属性】
技术研发人员:赵亮,许精达,江旭东,
申请(专利权)人:深圳市畅眠科技有限公司,
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。