[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

本發明公開了一種睡眠呼吸事件檢測模型處理方法、系統和存儲介質，方法包括以下步驟：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。本發明通過在獲取第一預設時長的多導睡眠監測的呼吸氣流數據后，對呼吸氣流數據進行預處理以得到數據集，接著構建多分辨率殘差網絡，并通過數據集對構建的多分辨率殘差網絡進行訓練和評估，從而使得后續應用過程中，能有效識別出睡眠呼吸事件，提高識別準確度和處理效率。本發明可廣泛應用于卷積網絡技術領域。

技術領域

本發明涉及卷積網絡技術領域，尤其是一種睡眠呼吸事件檢測模型處理方法、系統和存儲介質。

背景技術

現有技術中對阻塞性睡眠呼吸暫停識別方法主要有兩種：第一種是使用傳統機器學習方法，比如多層感知和支持向量機，基于支持向量機的心電信號阻塞性睡眠呼吸暫停識別算法能達到了92％的識別精度，第二種是使用深度學習網絡自動提取數據特征并將其分類，準確率可達80％。但是，由于多導睡眠檢測的數據量龐大，使得上述兩種識別方法在應用過程中，仍然存在識別準確度不高、數據樣本含量較少而代表性不足和分析處理效率不高等問題。

發明內容

為解決上述技術問題之一，本發明的目的在于：提供一種睡眠呼吸事件檢測模型處理方法、系統和存儲介質，其能有效提高識別準確度和處理效率。

第一方面，本發明實施例提供了：

一種睡眠呼吸事件檢測模型處理方法，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。

進一步地，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；

判斷所述若干子圖的呼吸事件；

根據判斷結果在所述若干子圖上標注標簽；

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

進一步地，所述構建多分辨率殘差網絡，包括：

構建ResNeXt網絡；

將所述ResNeX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。

進一步地，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。

進一步地，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、精確率、召回率和F1值評估所述多分辨率殘差網絡的訓練效果。

進一步地，在執行所述根據判斷結果在所述若干子圖上標注標簽這一步驟時，還包括以下步驟：

在所述若干子圖上標注所述呼吸事件發生的起始時間點和結束時間點。