申请/专利权人：杭州电子科技大学

申请日：2024-01-23

公开（公告）日：2024-04-09

公开（公告）号：CN117838053A

主分类号：A61B5/00

分类号：A61B5/00;A61B5/0205;A61B5/1455;G06F18/25;G06F18/241;G06N3/0464;G06N3/082

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种多模态多分辨率睡眠呼吸暂停自动检测方法，包括如下步骤：S1、提取多导睡眠图信号中血氧饱和度信号、鼾声信号、心率信号并进行预处理；S2、预处理后得到的信号片段关联实际数据的对应标签；S3、对数据集进行数据增强和随机处理；S4、将分帧后的信号片段通过多通道残差连接进行多维特征提取，得到分帧后的多通道数据特征；S5、采用两种融合策略得到分类结果：1将所述特征输入融合特征层；2将所述特征输入融合决策层；构建可调整通道数及检测分辨率的多通道多分辨率网络。该方法通过对多导睡眠图信号进行滤波、分帧处理，并结合多通道数据特征的深度神经网络训练，实现了多通道单分辨率网络的构建。

主权项：1.一种多模态多分辨率睡眠呼吸暂停自动检测方法，其特征在于，包括如下步骤：S1、提取多导睡眠图信号中的多通道生理信号并进行预处理得到相应的信号片段，所述多通道生理信号包括血氧饱和度信号、鼾声信号、心率信号；S2、根据预处理后的多通道生理信号构建独立睡眠事件，通过调整输入信号片段中重叠部分可将信号分辨率调整为1秒至10秒，并进行数据增强和随机处理得到样本数据集；S3、调整样本数据集中三种信号的通道数，然后将调整后SpO2信号片段经过2层卷积、一个多层残差块；鼾声信号片段和心率信号片段经过2层卷积、两个多层残差块进行多维特征提取，得到分帧后的多通道特征；S4、将用于提取多通道特征的3个卷积神经网络模型的卷积层经过展平后得到对应的线性层，级联拼接后构建融合特征层，将所述多通道特征经过融合特征层得到多通道融合特征；将用于提取多通道特征的3个卷积神经网络模型的卷积层经过展平后得到对应的线性层，加权平均后并联拼接构建融合决策层，SpO2、鼾声、心率信号的3种模型对应的加权比例为3:4:3，多通道特征按加权比例经过融合决策层得到决策加权特征；S5、分别将多通道融合特征和决策加权特征接入全连接分类器进行分类，得到睡眠呼吸检测结果。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种多模态多分辨率睡眠呼吸暂停自动检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD