[發明專利]睡眠呼吸事件檢測模型處理方法、系統和存儲介質

有效

• 申請號: 202011129246.0
• 申請日: 2020-10-21
• 公開（公告）號: CN112426147B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 龐雄文;趙淦森;雷文斌;陳麒任;樂慧君
• 申請（專利權）人: 華南師范大學;中山大學附屬第一醫院
• 主分類號: A61B5/08
• 分類號: A61B5/08;A61B5/00
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

1.一種睡眠呼吸事件檢測模型處理方法，其特征在于，包括以下步驟：

獲取第一預設時長的多導睡眠監測的呼吸氣流數據；

對所述呼吸氣流數據進行預處理，得到數據集；

構建多分辨率殘差網絡；

根據所述數據集對所述多分辨率殘差網絡進行訓練和評估；

其中：

所述對所述呼吸氣流數據進行預處理，得到數據集，包括：

將所述呼吸氣流數據對應的圖像分解為第二預設時長的若干子圖像；

判斷所述若干子圖像的呼吸事件；

根據判斷結果在所述若干子圖像上標注標簽；

通過短時傅里葉變換將標準標簽后的若干子圖像轉換為頻譜圖，將所述頻譜圖保存到所述數據集；

在執行所述根據判斷結果在所述若干子圖像上標注標簽這一步驟時，還包括以下步驟：

在所述若干子圖像上標注所述呼吸事件發生的起始時間點和結束時間點。

2.根據權利要求1所述的一種睡眠呼吸事件檢測模型處理方法，其特征在于，所述構建多分辨率殘差網絡，包括：

構建ResNeXt網絡；

將所述ResNeXt網絡的卷積核替換為多級模塊，得到多分辨率殘差網絡，所述多級模塊為層級狀。

3.根據權利要求1所述的一種睡眠呼吸事件檢測模型處理方法，其特征在于，所述根據所述數據集對所述多分辨率殘差網絡進行訓練，包括：

將所述數據集拆分為訓練集和測試集；

將所述訓練集輸入所述多分辨率殘差網絡；

通過隨機梯度下降法對所述多分辨率殘差網絡進行訓練。

4.根據權利要求3所述的一種睡眠呼吸事件檢測模型處理方法，其特征在于，所述根據所述數據集對所述多分辨率殘差網絡進行評估，包括：

將所述測試集輸入訓練后的所述多分辨率殘差網絡；

采集測試過程中所述多分辨率殘差網絡的準確率、精確率、召回率和F1值；

根據所述準確率、所述精確率、所述召回率和所述F1值評估所述多分辨率殘差網絡的訓練效果。

5.根據權利要求1所述的一種睡眠呼吸事件檢測模型處理方法，其特征在于，所述頻譜圖為不包含時間參數的圖像。

6.一種睡眠呼吸事件檢測模型處理系統，其特征在于，包括：

獲取模塊，用于獲取第一預設時長的多導睡眠監測的呼吸氣流數據；

預處理模塊，用于對所述呼吸氣流數據進行預處理，得到數據集；

網絡構建模塊，用于構建多分辨率殘差網絡；

網絡處理模塊，用于根據所述數據集對所述多分辨率殘差網絡進行訓練和評估；

其中：

所述對所述呼吸氣流數據進行預處理，得到數據集，包括：

將所述呼吸氣流數據對應的圖像分解為第二預設時長的若干子圖像；

判斷所述若干子圖像的呼吸事件；

根據判斷結果在所述若干子圖像上標注標簽；

通過短時傅里葉變換將標準標簽后的若干子圖像轉換為頻譜圖，將所述頻譜圖保存到所述數據集；

在執行所述根據判斷結果在所述若干子圖像上標注標簽這一步驟時，還包括以下步驟：

在所述若干子圖像上標注所述呼吸事件發生的起始時間點和結束時間點。

7.一種睡眠呼吸事件檢測模型處理系統，其特征在于，包括：

至少一個存儲器，用于存儲程序；

至少一個處理器，用于加載所述程序以執行如權利要求1-5任一項所述的睡眠呼吸事件檢測模型處理方法。

8.一種存儲介質，其中存儲有處理器可執行的指令，其特征在于，所述處理器可執行的指令在由處理器執行時用于實現如權利要求1-5任一項所述的睡眠呼吸事件檢測模型處理方法。