[發明專利]一種基于SaO2

在審

• 申請號: 202011536430.7
• 申請日: 2020-12-23
• 公開（公告）號: CN112633167A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 郭凡;應娜;孫文勝;葉學義;方昕;殷家政;穆晨
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G16H50/70
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

本發明公開一種基于SaO₂信號多種基線特征的自動識別SAHS方法，包括步驟：S1、采集SHHS數據庫中的SaO₂信號，并對SaO₂信號進行預處理；S2、提取多種基本數據特征，并篩選出最優特征；S3、提取多種自定義基線相關特征并與最優特征合并成特征數據集；S4、依據SHHS數據庫中提取數據對應的注釋文件，計算AHI值，根據AHI值對特征數據集進行分類，選取隨機平衡數據法對不平衡數據集進行處理，得到平衡數據集；S5、將平衡數據集作為隨機森林分類器的輸入，對數據集進行訓練和測試，得到最終分類結果。本發明更好地體現SaO₂信號變化情況，受試者患病嚴重程度通過基線相關特征有更好體現；通過隨機平衡數據法合并成完整平衡數據集，保證數據隨機性，使最終分類結果更準確。

技術領域

本發明屬于生物醫學技術領域，具體涉及一種基于SaO₂信號多種基線特征的自動識別SAHS方法。

背景技術

睡眠呼吸暫停低通氣綜合癥(Sleep apnea-hypopnea syndrome，SAHS)是最常見的與睡眠相關的呼吸疾病。SAHS會引起人在睡眠過程中出現部分或完全呼吸停止現象，分別稱為呼吸不足和呼吸暫停事件。但因SAHS患者在睡眠期間主要表現為打鼾、憋氣等癥狀，所以許多人都并未意識到自己患有SAHS。

受試者借助便攜設備對自己夜間睡眠SaO₂信號進行監測和分析，不僅能及時得知自己的患病情況，還可以省去醫院繁瑣的檢查步驟和檢查費用。

然而目前基于SaO₂信號進行檢測分析時仍存在一些問題，比如正常睡眠狀態時，夜間睡眠SaO₂信號也會在正常范圍內波動，因此只提取信號的時域特征、頻域特征及非線性特征并不能準確識別SAHS。又比如睡眠心臟健康研究數據庫(Sleep Heart HealthStudy，SHHS)存在明顯的數據不平衡現象，也導致最終不能準確識別SAHS。

因此如何更好的利用SaO₂信號進行SAHS識別是目前亟待解決的問題。

發明內容

針對現有技術中存在的上述問題，本發明提供一種基于SaO₂信號多種基線特征的自動識別SAHS方法，通過對SaO₂信號進行分析處理，選用mRMR方法從基本特征中篩選出最優特征，并與基線相關特征合并為特征數據集，使用隨機平衡數據法對不平衡數據集進行處理，得到最終使用的平衡數據集。最后，將平衡數據集作為隨機森林分類器的輸入，對SAHS病癥進行識別并分類。

本發明采用以下技術方案：一種基于SaO₂信號多種基線特征的自動識別SAHS方法，包括步驟：

S1、采集SHHS數據庫中SHHS1部分的前X個受試者睡眠多導圖中的SaO₂信號，選用最近賦值法對SaO₂信號進行去偽影處理，獲取預處理后的SaO₂信號；

S2、對預處理后的SaO₂信號進行分段處理，提取時域特征、頻域特征和非線性特征，選用mRMR方法對提取的特征進行處理，并篩選出最優特征；

S3、對預處理后的SaO₂信號進行分段處理，并自定義每片段數據基線值，提取多種與基線相關特征，即基線過零率特征、SaO₂信號下降至基線預設百分比以下的長度及面積特征，并與步驟S2中所獲取的最優特征合并成特征數據集；

S4、依據SHHS數據庫中提取數據對應的注釋文件，計算AHI值，根據AHI值對特征數據集進行分類，選取隨機平衡數據法對不平衡數據集進行處理，得到平衡數據集；

S5、將平衡數據集作為隨機森林分類器的輸入，對數據集進行訓練和測試，得到最終分類結果。