[发明专利]基于卷积神经网络的睡眠呼吸暂停综合征快速诊断装置

说明书

本发明公开了一种基于卷积神经网络的睡眠呼吸暂停综合征快速诊断装置，包括：数据采集与获取模块，用于利用多导睡眠仪或便携睡眠监测设备监测被使者被试者夜晚的睡眠监测数据，并获取对应的医学诊断报告；数据预处理模块，包括数据提取单元、信号下采样单元以及数据获取单元，神经网络模块，用于将待测者的睡眠监测数据输入到训练好的睡眠呼吸暂停综合征识别模型中以进行待测者的睡眠呼吸暂停综合征的预测，输出待测者睡眠呼吸暂停综合征的严重程度。本发明可以更高效、更直接地实现睡眠呼吸暂停综合征严重程度的诊断，辅助医生诊断，提高诊断效率。

技术领域

本申请涉及神经网络和医疗技术领域，具体涉及一种基于卷积神经网络的睡眠呼吸暂停综合征快速诊断装置。

背景技术

睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是指患者在睡眠过程中反复出现呼吸暂停(Sleep Apnea)和低通气(Hypopnea)的睡眠障碍疾病。夜间反复发生的呼吸暂停和低通气造成慢性间歇低氧，二氧化碳潴留，交感神经兴奋性升高，全身炎症反应，以及氧化应激反应增强，抗氧化能力不足，从而引发或加重心脑血管疾病及代谢紊乱。SAS会严重影响人的健康。

SAS在我国的患病率在4％左右，是一种常见病。然而SAS的诊断需要特殊的设备——多导睡眠图(Polysomnography,PSG)。目前只有大、中城市三级医院或部分二级医院可以对本病进行规范的诊断和治疗，致使大量患者得不到及时的诊断和治疗，给人民的健康造成了极大的危害。除此以外，现有的技术主要是使用PSG对SAS进行检测，但PSG检测的信号较多，还需要专业的技术人员进行诊断，这样带来了大量的人力成本和设备成本的消耗。

AHI指数(Apnea hypopnea index呼吸暂停低通气指数)是衡量被试睡眠呼吸暂停综合征的一个重要指标。现有技术大都是先获取睡眠监测的生理信号数据，首先对信号进行降噪滤波，然后将信号分段，再人工提取信号特征，再训练一个神经网络预测信号片段属于正常片段还是发生了睡眠呼吸事件，根据发生的睡眠呼吸事件计算AHI值，最后根据AHI值判断被试的SAS病情程度。这些方法需要对信号进行降噪和滤波，对于信号的抗干扰能力弱。除此以外，由于要对信号进行分段，所以还需要事件的标注数据。然而实际上事件的标注数据并不那么容易获取，而且这种分段的方法并不能直接做出睡眠呼吸暂停综合征严重程度的诊断，还要计算AHI值。最重要的是这些方法需要人工提取信号特征，耗时费力。还需要专家领域知识，且不能表示隐藏在信号中重要信息，鲁棒性和通用性差。

发明内容

为使SAS的潜在患者能得到及时的诊断和治疗，本发明提出了一种基于卷积神经网络的睡眠呼吸暂停综合征快速诊断装置，以克服现有方法存在的效率低、通用性差等问题。

为了实现上述任务，本发明采用以下技术方案：

一种基于卷积神经网络的睡眠呼吸暂停综合征快速诊断装置，包括：

数据采集与获取模块，用于利用多导睡眠仪或便携睡眠监测设备监测被使者被试者夜晚的睡眠监测数据，并获取对应的医学诊断报告；

数据预处理模块，包括数据提取单元、信号下采样单元以及数据获取单元，其中：

数据提取单元用于从每一名被试者的睡眠监测数据提取血氧饱和度信号、气流信号、胸部呼吸信号和腹部呼吸信号4种生理信号，从医学诊断报告中提取标签数据，每一组所述生理信号和标签数据构成一组原始数据；信号下采样单元，用于将每一组原始数据中的血氧饱和度信号、气流信号、胸部呼吸信号和腹部呼吸信号4种生理信号进行下采样处理；数据获取单元，用于从每一名被试者经过下采样处理后的原始数据中，提取位于最中间的数据作为这名被试者的训练数据；将不同被试者的训练数据构成数据集；

神经网络模块，用于将待测者的睡眠监测数据输入到训练好的睡眠呼吸暂停综合征识别模型中以进行待测者的睡眠呼吸暂停综合征的预测，输出待测者睡眠呼吸暂停综合征的严重程度。