[发明专利]一种用于构建睡眠呼吸暂停判别最优模型的系统

说明书

本发明公开了一种用于构建睡眠呼吸暂停判别最优模型的系统。PSG检查需要在睡眠监测室进行，需要专门检测人员，检查程序复杂。本发明的心率血氧传感器采集血氧数据和脉搏波数据，并对血氧数据和脉搏波数据进行处理，得到血氧饱和度；数据处理模块将心率血氧传感器传来的血氧饱和度和脉搏波数据进行处理，并基于决策树分类模型训练得到睡眠呼吸暂停判别最优模型。本发明能使最优模型中突出表征数据为睡眠呼吸暂停数据还是呼吸正常数据的特征参数的权重，降低基于有效脉搏波数据提取的多尺度熵特征参数的权重，构建的最优模型能应用于睡眠呼吸暂停的早期监测，具有重要的实用价值。

技术领域

本发明属于信号处理技术领域，具体涉及一种用于构建睡眠呼吸暂停判别最优模型的系统。

背景技术

随着社会的进步，人们的生活质量随之提高，睡眠问题也日益受到人们的重视。以睡眠呼吸暂停综合征(SAS)为代表的睡眠呼吸障碍类疾病正在不断地威胁着人类健康。睡眠呼吸暂停综合征是以睡眠中反复出现呼吸变浅甚至暂停，有时伴随鼾声等为主要症状的睡眠呼吸疾病。该疾病的临床表现为患者有打鼾现象且鼾声不规律，患者会不自觉憋气，甚至被憋醒。当呼吸停止十秒钟或更长时间时，呼吸暂停就会发作。在极端情况下，单次呼吸暂停可能持续一分钟以上。据统计，全球睡眠呼吸紊乱的患病率男性约为4％，女性约为2％，65岁以上的老年人患病率在20％～40％。睡眠呼吸暂停症与高血压、脑中风、老年痴呆症、帕金森病等有很大的关系，睡眠呼吸暂停症的早期检测对该类疾病预防具有极其重要的意义。

目前，确诊SAS的金标准仍为多导睡眠图(Polysomnography，PSG)诊断，但是PSG检查需要在专门的睡眠监测室里进行，需要专门的睡眠呼吸检测人员，检测工作量大，检查程序复杂，成本高昂难以普及，其应用受到了较大的限制。而且其较为昂贵的医疗费用也会延误患者最佳就诊时间。

因此，如有一款能构建睡眠呼吸暂停判别最优模型的系统，采用该系统就能实现用户夜间睡眠呼吸状态的记录与分析，将会很大程度地提高SAS诊断的科学性和便利性，对SAS患者的早期筛查与诊断以及后期的康复监测有显著的现实意义。

发明内容

本发明的目的是提供一种用于构建睡眠呼吸暂停判别最优模型的系统，以解决现有技术存在的问题。

为了达到上述的目的，本发明采用的技术方案是：

本发明一种用于构建睡眠呼吸暂停判别最优模型的系统，包括血氧心率采集模块和数据处理模块；所述的血氧心率采集模块包括心率血氧传感器；所述的心率血氧传感器采集血氧数据和脉搏波数据，并对血氧数据和脉搏波数据进行处理，得到血氧饱和度；所述的数据处理模块将心率血氧传感器传来的血氧饱和度和脉搏波数据进行处理，并基于决策树分类模型训练得到睡眠呼吸暂停判别最优模型。基于决策树分类模型训练得到睡眠呼吸暂停判别最优模型的过程具体如下：

S1：对血氧饱和度数据进行阈值判断，得到有效血氧饱和度数据和非病理性血氧饱和度数据；其中，血氧饱和度下降到20％以下的数据判定为非病理性数据，有效血氧饱和度数据中，将血氧饱和度下降至90％以下，但未下降到20％的数据判定为睡眠呼吸暂停数据，血氧饱和度大于90％的数据判定为呼吸正常数据。

S2：提取血氧饱和度数据中非病理性因素对应的时间区域，将该时间区域对应的脉搏波数据删去，得到有效脉搏波数据。然后，将有效血氧饱和度数据和有效脉搏波数据均分割成若干有效血氧饱和度数据段和有效脉搏波数据段。最后，对各个有效脉搏波数据段进行多尺度熵特征提取，将得到的多尺度熵作为特征参数。

S3：构建一个特征参数表征各有效血氧饱和度数据段中各个数据为睡眠呼吸暂停数据还是呼吸正常数据，并将该特征参数与多尺度熵特征提取得到的多尺度熵特征参数结合构建出特征工程；然后，选用嵌入法对特征工程中各特征参数进行特征选择，并对各特征参数的重要性进行打分，对打分分值在设定阈值以上的各特征参数给予保留，从而得到特征选择后的特征工程。