基于混合卷积神经网络的便携式SAS自动检测系统研究

发布时间：2020-11-08 18:30

　　 睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种严重影响睡眠质量和生命健康的睡眠障碍性疾病,通常被称为“睡梦杀手”。但由于其诊断金标准多导睡眠监测仪(Polysomnography,PSG)操作复杂、价格昂贵,不利于该病的诊断与普查,所以至今SAS的确诊率不足20%。在此背景下,论文以“监测便捷、无扰睡眠的SAS自动检测系统研发”为核心,按照“提出问题-系统建模-相关理论研究-系统实现-仿真及实测数据实验”的研究思路,深入研究了SAS检测、数据预处理以及自动检测模型建立方法。主要创新性工作如下:1)、针对目前SAS检测类仪器的电极穿戴繁琐、材质致敏性较高,影响睡眠安适度的问题,本文设计与开发了基于环绕式血氧探头的脉搏血氧仪,实现了光电容积脉搏波(photoplethysmography,PPG)的采集、预处理与无线传输等功能。2)、针对PPG信号微弱、易受多种噪声影响的问题,在分析了PPG信号主要噪声特点的基础上,提出了基于双重中值滤波的PPG信号消噪方法,利用数据库数据与自主开发脉搏血氧仪采集的数据进行了消噪处理,并同经典小波消噪法进行了噪声抑制效果的对比,结果验证了消噪方法的可靠性与有效性。为提高后续自动检测模型的准确率奠定了基础。3)、针对睡眠呼吸监测中产生的高维数据问题,研究了基于PCA以及PRV的特征提取方法进行数据的降维。提出了基于二次样条小波模极大值法的PPG信号波峰点检测算法,保证了PPG信号峰峰序列的准确性,提升了基于PRV特征提取方法的有效性。4)、提出了基于混合卷积神经网络(GACNN)构建SAS自动分类模型的方法。研究了浅层BP分类模型以及深层深度信任网络(DBN)、GACNN分类模型的建立以及优化方法,利用数据库与脉搏血氧仪实测样本,进行了自动分类模型的建立,并应用十折交叉验证法,对所建模型进行了呼吸暂停(AH)自动分类的对比实验。5)、设计并完成了SAS自动检测系统测试实验。利用临床PSG与脉搏血氧仪同步采集的PPG数据,初步验证了基于GACNN的SAS自动检测系统的有效性。本文研究的基于GACNN的SAS自动检测系统,脉搏血氧仪具有信号获取方式简单、电极不致敏、易穿戴、低扰眠等优势;GACNN分类模型具有较好的预测力与泛化能力。研究成果可以为SAS患者的快速筛查及早期发现提供技术支撑,并有助于确诊率的提升,具有重要的学术价值和应用价值。
【学位单位】：吉林大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TH776;TP183
【部分图文】：

吉林大学博士论文、观察患者的并发症及相关临床表现[13]。最后，通过临床 PSG 检查结果，通过统计睡眠监测过程呼吸暂停及低）的发生次数，依据 SAS 诊断标准，综合完成 SAS 的诊繁多复杂、设备昂贵，监测过程及结果需要专业技术人员员的专业性要求高，使其在临床中难以普及应用。同时，患者身上佩戴多种传感器（图 1.1），繁杂的穿戴式监测方很难一次监测成功。此外，人工完成的诊断结果还不可避差。

经进一步运算即可获取，因此，SpO2成为 SAS 检测的一呼吸监测中发挥着重要作用。氧仪研究现状容积描记技术，用于获取 PPG 信号的脉搏血氧仪，作为典纪二十年代末提出以来得到快速的发展，目前已有许多成用传感器的采样方式，脉搏血氧仪可分为透射式和反射式式探头的设计中，被检测部位被放置于光源与接收器之间经由人体组织透射后的光信号。与透射式不同，在反射式脉均位于被检测部位同侧，光电二极管用以接收来自光源经

Figure 1.3 The main research contents of the thesis and its techniques and methods applied论文的具体内容安排如下：第 1 章：绪论。介绍了 SAS 诊断研究的背景及意义，总结了便携式 SAS 诊断仪以及脉搏血氧仪的研究现状，归纳了当前主流的消噪、特征提取等 SAS 检测信号预处理技术以及 SAS 自动分类模型。
【参考文献】

相关期刊论文 前10条

1 张诚;王一鹤;苗长云;;光纤光栅脉搏波分析处理及特征提取[J];信号处理;2015年09期

2 张春霞;姬楠楠;王冠伟;;受限波尔兹曼机[J];工程数学学报;2015年02期

3 徐久强;蔺弘济;李晗;赵海;;基于心电与脉搏波的血压检测算法的改进[J];东北大学学报(自然科学版);2014年01期

4 李肃义;林君;阳贵红;田培培;王远;于生宝;嵇艳鞠;;电性源时域地空电磁数据小波去噪方法研究[J];地球物理学报;2013年09期

5 王志敏;王刚;季家超;郭建昇;;主成分分析和聚类分析在胰腺炎早期诊断中的应用研究[J];中国临床新医学;2013年04期

6 黄肇明;钟诚;黎小如;;基于BP神经网络的呼吸系统疾病诊断仿真研究[J];合肥工业大学学报(自然科学版);2012年03期

7 张箭;田学隆;李一言;;基于MSP430的便携式睡眠监测仪的设计[J];传感器与微系统;2011年11期

8 米永巍;李怡勇;陈培昕;;光电容积描迹法原理及其临床应用[J];中国医疗设备;2011年05期

9 赵学智;向可;叶邦彦;陈统坚;;基于二次样条小波细节信号峰值的有效奇异值确定[J];振动与冲击;2010年11期

10 李顶立;陈裕泉;邢雷;严洪;陈杭;叶树明;;基于小波变换的无创血压检测方法研究[J];浙江大学学报(工学版);2008年09期

本文编号：2875167