[發明專利]一種基于心率變異性的呼吸異常檢測方法、裝置及設備

有效

• 申請號: 201811429914.4
• 申請日: 2018-11-27
• 公開（公告）號: CN109394188B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 李一帆;劉官正
• 申請（專利權）人: 中山大學
• 主分類號: A61B5/0205
• 分類號: A61B5/0205;A61B5/318;A61B5/00
• 代理公司: 廣州市智遠創達專利代理有限公司 44619
• 代理人: 王會龍

1.一種基于心率變異性的呼吸異常檢測方法，其特征在于，包括以下步驟：

S1，采集受試者處于夜間睡眠狀態的第一預定時間的心電信號；

S2，對采集到的心電信號提取心跳間期構成心率變異性序列{RRi,i＝1,2,…N}，并將心率變異性序列的每一等級隨機分成等量的兩組，分別作為訓練組和測試組；

S3，對所述心率變異性序列截取連續第二預定時間片段序列并對其進行兩個特征參數的提取；所述特征參數包括第一個特征參數以及第二個特征參數：其中，

第一個特征參數的提取步驟為：

對心率變異性序列{RRi,i＝1,2,…N}按5分鐘分段后計算趨勢序列{trendi,i＝1,2,…M}；

計算趨勢序列{trendi,i＝1,2,…M}的斜率構成斜率序列{slopei,i＝1,2,…M}；

計算斜率序列的均值獲得趨勢斜率均值slope，即獲得第一個特征參數；

第二個特征參數的提取步驟為：

對心率變異性序列{RRi,i＝1,2,…N}按5分鐘分段后計算趨勢構成序列{trendi,i＝1,2,…M}；

計算趨勢構成序列{trendi,i＝1,2,…M}的斜率構成斜率序列{slopei,i＝1,2,…M}；

計算斜率序列的模糊熵獲得第二個特征參數fuzzysl；

S4，對訓練組的兩個特征參數進行統計分析，將提取的兩個特征參數作為輸入，建立基于神經網絡的呼吸異常檢測模型；

S5，將測試組對應的兩個特征參數輸入所述呼吸異常檢測模型模型，以對所述受試者進行呼吸異常檢測評估。

2.根據權利要求1所述基于心率變異性的呼吸異常檢測方法，其特征在于，所述第二個特征參數的提取步驟具體為：

對心率變異性序列{RRi,i＝1,2,…N}按5分鐘時間長度分段，得到分段矩陣序列{RRi,j,i＝1,2,…M；j＝1,2,…N}，該分段矩陣序列每一行是一個5分鐘的RR間期值；

計算{RRi,j,i＝1,2,…M；j＝1,2,…N}每行的趨勢值，構成序列{trendi，j,i＝1,2,…M；j＝1,2,…N}，并計算趨勢序列每行的斜率，構成斜率矩陣{slopei，j,i＝1,2,…M；j＝1,2,…N}；

將斜率矩陣序列化并求其斜率的均值，構成一維序列，計算該一維序列的模糊熵，即為fuzzysl。

3.根據權利要求2所述基于心率變異性的呼吸異常檢測方法，其特征在于，步驟S4具體為：

根據訓練組的兩個特征參數構建2-N-1三層的神經網絡，即輸入層為2個神經元，輸出層為1個神經元，中間層為N個神經元；所述輸入層的2個神經元為：趨勢斜率均值slope、趨勢斜率模糊熵fuzzysl，建立呼吸異常檢測模型。

4.根據權利要求1所述的基于心率變異性的呼吸異常檢測方法，其特征在于，所述第一預定時間為6小時，所述第二預定時間為5分鐘。