基于声学信号的睡眠呼吸状态监测和健康分析研究

发布时间：2021-08-31 03:50

　　阻塞型呼吸暂停低通气综合征（Obstructive Sleep Apnea Hypopnea Syndrome,OSAHS）是一种常见的睡眠障碍疾病。目前诊断该病的“金标准”是多导睡眠图（Polysomnography,PSG）。但医院PSG设备数量有限、诊断费用昂贵且监测手段繁琐。便携的诊断方法已成为当前迫切需要研究的问题。在PSG设备检测的多种信号中,患者的声学信号鼾声对该病的诊断具有重要作用,为方便受试者可以在家中进行诊断,本文仅采用鼾声作为该疾病的筛查依据,设计快速的诊断方法,开发手机APP进行检测,具体工作包括以下三个方面:（1）基于迁移学习的夜间睡眠鼾声识别方法研究:针对受试者家里睡眠背景声音复杂,鼾声的准确识别具有较大困难的问题,本文采用卷积神经网络自动学习鼾声特征表示,并进行迁移学习,采用多项损失逻辑回归算法建立鼾声识别模型,具体使用公开声学数据集ESC-50和采集的患者鼾声数据结合进行训练,实现了在家庭复杂背景环境下的睡眠鼾声检测识别。（2）基于鼾声的OSAHS诊断方法研究:为提高基于鼾声的OSAHS诊断准确率,本文在传统声学特征计算的基础上进一步进行深度学习特征的提... 

【文章来源】：西安理工大学陕西省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

患者PSG监测展示图

相关工作概述15使用基于ESC50数据集训练的检测算法，具有有效从家庭复杂的环境噪音中识别出鼾声的能力。ESC-50数据集的具体类别详细信息如下表所示：表2-1ESC-50数据集的具体类别详细信息Tab.2-1ESC-50datasetspecificcategorydetails动物自然的声景和水声人声（非语音）内部/家庭声音外部/城市噪音狗公鸡猪牛雨哭泣的婴儿敲门声直升机海浪打喷嚏鼠标点击电锯啪啪的大火鼓掌键盘打字警笛板球呼吸声门吱吱响汽车喇叭青蛙猫鸟咳嗽开罐声发动机水滴脚步声洗衣机火车母鸡风笑吸尘器教堂的钟声昆虫倒水刷牙时钟闹钟飞机羊抽水马桶打鼾声时钟滴答烟花乌鸦雷雨喝酒玻璃破碎手锯2.2.2患者相关数据集本文课题的研究工作的患病诊断评估算法中，其训练使用到了患者相关数据集。患者相关数据集中的样本数据皆来自于位于陕西省西安市的西安交通大学第二附属医院。其中包括患者在夜间睡眠时进行的录音数据，同时在患者做完检查后整理其PSG检查报告单中的基本检查信息。在本课题研究工作中，受试患者在由医院的专业设备——PSG进行记录不同生物信号的信息。本课题研究中的PSG记录是由一个有专业的PSG系统收集（规格型号：澳大利亚，悉尼，E-Series，Compumedics），该设备如图2-3所示：图2-3E-Series网络数字式脑电系统Fig.2-3E-SeriesnetworkdigitalEEGsystem与此同时，患者在夜间睡眠时的录音是由距离患者约为一米距离的气体麦克风（规格型号：澳大利亚，悉尼，ModelNT3,RODE）所收集的，其采样率为22050Hz，录音长度

基于传统特征


本文编号：3374131