[發明專利]監測睡眠時呼吸暫停的方法及裝置

在審

• 申請號: 202010631934.0
• 申請日: 2020-07-03
• 公開（公告）號: CN111938650A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 周霆;李慶;阮宏洋;郭祖琎
• 申請（專利權）人: 上海諾斯清生物科技有限公司
• 主分類號: A61B5/08
• 分類號: A61B5/08;A61B5/00
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 付婧

1.一種監測睡眠時呼吸暫停的方法，其特征在于，包括：

構建卷積神經網絡；

訓練所述卷積神經網絡，得到第一訓練完成的卷積神經網絡；

采集待識別的音頻數據；

利用所述第一訓練完成的卷積神經網絡對所述待識別的音頻數據進行處理，得到打鼾聲音段和非打鼾聲音段；

從所述打鼾聲音段中提取出非打鼾片段；

初始化所述第一訓練完成的卷積神經網絡并進行重新訓練，得到第二訓練完成的卷積神經網絡；

利用所述第二訓練完成的卷積神經網絡處理所述非打鼾片段，得到呼吸暫停數據。

2.根據權利要求1所述的方法，其特征在于，在所述利用所述第一訓練完成的卷積神經網絡對所述待識別的音頻數據進行處理之前，所述方法還包括：

將所述待識別的音頻數據轉化成離散時間序列，并對所述離散時間序列進行重采樣；

對重采樣后的離散時間序列進行去除噪音數據的處理。

3.根據權利要求2所述的方法，其特征在于，所述對重采樣后的離散時間序列進行去除噪音數據的處理，包括：

利用統計模型去除各種非人聲的背景聲音；

利用多通道卡爾曼濾波法去除經過反射和散射后多次被采集到的聲音；

使用盲源分離技術去除目標人物之外的人的聲音。

4.根據權利要求1所述的方法，其特征在于，所述從所述打鼾聲音段中提取出非打鼾片段，包括：運用高斯混合模型從所述打鼾聲音段中提取出非打鼾片段。

5.根據權利要求4所述的方法，其特征在于，所述運用高斯混合模型從所述打鼾聲音段中提取出非打鼾片段，包括：

從所述打鼾聲音段中獲取各音頻幀的梅爾頻域向量；

利用k均值聚類算法將所述梅爾頻域向量進行二聚類，迭代后得到兩個質心；

將所述兩個質心分別作為高斯混合模型中高斯成分的初始均值點，利用最大期望算法，對混合權重及各成分均值方差進行迭代更新，得到更新后的高斯混合模型；

使用所述更新后的高斯混合模型對各幀梅爾頻域向量進行預測；

將各幀以之前預設的幀移為長度擴充后，得到整個聲音序列完整的標簽序號；

依據所述標簽序號，分離得到所述打鼾聲音段中的非打鼾片段。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：分析所述呼吸暫停數據，確定呼吸暫停持續時間、次數以及所述呼吸暫停持續時間、次數所對應的風險等級。

7.一種監測睡眠時呼吸暫停的裝置，其特征在于，包括：

構建模塊，用于構建卷積神經網絡；

訓練模塊，用于訓練所述卷積神經網絡，得到第一訓練完成的卷積神經網絡；

采集模塊，用于采集待識別的音頻數據；

處理模塊，用于利用所述第一訓練完成的卷積神經網絡對所述待識別的音頻數據進行處理，得到打鼾聲音段和非打鼾聲音段；

提取模塊，用于從所述打鼾聲音段中提取出非打鼾片段；

所述訓練模塊還用于初始化所述第一訓練完成的卷積神經網絡并進行重新訓練，得到第二訓練完成的卷積神經網絡；

所述處理模塊還用于利用所述第二訓練完成的卷積神經網絡處理所述非打鼾片段，得到呼吸暫停數據。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括分析模塊，所述分析模塊用于分析所述呼吸暫停數據，確定呼吸暫停持續時間、次數以及所述呼吸暫停持續時間、次數所對應的風險等級。

9.一種電子設備，其特征在于，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序，以實現如權利要求1-6中任一所述的監測睡眠時呼吸暫停的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行，以實現如權利要求1-6中任一所述的監測睡眠時呼吸暫停的方法。