基于神经网络的OSAHS筛查

发布时间：2021-06-13 05:18

　　阻塞性睡眠呼吸暂停低通气综合征（OSAHS）是一种高发性的睡眠呼吸性疾病,患者在睡眠过程中由于上气道阻塞,容易导致窒息甚至是猝死的后果。在医院中,多导睡眠图仪可以检测OSAHS。然而,这种设备存在着数量稀少、操作繁琐、耗费时间的缺点,这使得大部分患者未能得到及时的检测。一种方便、快捷、适用于家庭使用的检测方法是当前所迫切需要的。本文提出了一种基于深度学习神经网络模型的OSAHS筛查方法,通过深度学习神经网络来分析OSAHS患者的鼾声数据,从中挖掘出鼾声数据中潜在的特征信息。本文的研究是从OSAHS疾病的临床特征鼾声出发的;首先提取鼾声数据,利用语音信号处理技术对其进行处理;再把处理后的鼾声信号送入稀疏自编码神经网络进行特征提取,找出OSAHS鼾声和正常鼾声之间的区别;最后用提取出的特征来完成OSAHS筛查。由于鼾声信号存在着个体差异,而且原始的鼾声信号中含有较多的冗余信息导致此筛查方法存在不足之处。因此,本文提出一种基于鼾声特征的稀疏自编码神经网络的OSAHS筛查方法。将处理后的鼾声信号的梅尔倒谱系数特征和线性预测倒谱系数特征提取出来。这两个特征分别地作为稀疏自编码神经网络的输入,使得... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文章节安排
2 神经网络概述
    2.1 神经网络
        2.1.1 感知器模型
        2.1.2 S型神经元
    2.2 神经网络架构
        2.2.1 梯度下降法
    2.3 本章小结
3 基于栈式自编码神经网络的OSAHS筛查
    3.1 OSAHS概述
        3.1.1 OSAHS生理病理
        3.1.2 OSAHS诊断
    3.2 稀疏自编码神经网络的学习理论
        3.2.1 稀疏自编码神经网络
        3.2.2 反向传播算法
    3.3 基于栈式自编码神经网络的OSAHS筛查的实现
    3.4 本章小结
4 基于鼾声特征的栈式自编码神经网络的OSAHS筛查的实现
    4.1 鼾声特征
        4.1.1 梅尔倒谱系数
        4.1.2 线性预测倒谱系数
    4.2 基于鼾声特征的OSAHS筛查的实现
    4.3 实验结果分析
        4.3.1 基于梅尔倒谱系数的OSAHS的筛查结果
        4.3.2 基于线性预测倒谱系数的OSAHS的筛查结果
    4.4 本章小结
结论
参考文献
致谢



本文编号：3227076