[发明专利]一种基于SaO2

说明书

本发明公开一种基于SaO₂信号多种基线特征的自动识别SAHS方法，包括步骤：S1、采集SHHS数据库中的SaO₂信号，并对SaO₂信号进行预处理；S2、提取多种基本数据特征，并筛选出最优特征；S3、提取多种自定义基线相关特征并与最优特征合并成特征数据集；S4、依据SHHS数据库中提取数据对应的注释文件，计算AHI值，根据AHI值对特征数据集进行分类，选取随机平衡数据法对不平衡数据集进行处理，得到平衡数据集；S5、将平衡数据集作为随机森林分类器的输入，对数据集进行训练和测试，得到最终分类结果。本发明更好地体现SaO₂信号变化情况，受试者患病严重程度通过基线相关特征有更好体现；通过随机平衡数据法合并成完整平衡数据集，保证数据随机性，使最终分类结果更准确。

技术领域

本发明属于生物医学技术领域，具体涉及一种基于SaO₂信号多种基线特征的自动识别SAHS方法。

背景技术

睡眠呼吸暂停低通气综合症(Sleep apnea-hypopnea syndrome，SAHS)是最常见的与睡眠相关的呼吸疾病。SAHS会引起人在睡眠过程中出现部分或完全呼吸停止现象，分别称为呼吸不足和呼吸暂停事件。但因SAHS患者在睡眠期间主要表现为打鼾、憋气等症状，所以许多人都并未意识到自己患有SAHS。

受试者借助便携设备对自己夜间睡眠SaO₂信号进行监测和分析，不仅能及时得知自己的患病情况，还可以省去医院繁琐的检查步骤和检查费用。

然而目前基于SaO₂信号进行检测分析时仍存在一些问题，比如正常睡眠状态时，夜间睡眠SaO₂信号也会在正常范围内波动，因此只提取信号的时域特征、频域特征及非线性特征并不能准确识别SAHS。又比如睡眠心脏健康研究数据库(Sleep Heart HealthStudy，SHHS)存在明显的数据不平衡现象，也导致最终不能准确识别SAHS。

因此如何更好的利用SaO₂信号进行SAHS识别是目前亟待解决的问题。

发明内容

针对现有技术中存在的上述问题，本发明提供一种基于SaO₂信号多种基线特征的自动识别SAHS方法，通过对SaO₂信号进行分析处理，选用mRMR方法从基本特征中筛选出最优特征，并与基线相关特征合并为特征数据集，使用随机平衡数据法对不平衡数据集进行处理，得到最终使用的平衡数据集。最后，将平衡数据集作为随机森林分类器的输入，对SAHS病症进行识别并分类。

本发明采用以下技术方案：一种基于SaO₂信号多种基线特征的自动识别SAHS方法，包括步骤：

S1、采集SHHS数据库中SHHS1部分的前X个受试者睡眠多导图中的SaO₂信号，选用最近赋值法对SaO₂信号进行去伪影处理，获取预处理后的SaO₂信号；

S2、对预处理后的SaO₂信号进行分段处理，提取时域特征、频域特征和非线性特征，选用mRMR方法对提取的特征进行处理，并筛选出最优特征；

S3、对预处理后的SaO₂信号进行分段处理，并自定义每片段数据基线值，提取多种与基线相关特征，即基线过零率特征、SaO₂信号下降至基线预设百分比以下的长度及面积特征，并与步骤S2中所获取的最优特征合并成特征数据集；

S4、依据SHHS数据库中提取数据对应的注释文件，计算AHI值，根据AHI值对特征数据集进行分类，选取随机平衡数据法对不平衡数据集进行处理，得到平衡数据集；

S5、将平衡数据集作为随机森林分类器的输入，对数据集进行训练和测试，得到最终分类结果。