[发明专利]基于图卷积神经网络的低通气和呼吸暂停自动识别系统

说明书

本发明公开了基于图卷积神经网络的低通气和呼吸暂停自动识别系统，通过麦克风阵列采集正常人和鼾症患者整晚睡眠呼吸声音；对采集的原始数据进行降噪后，利用端点检测算法提取潜在鼾声片段，并进行标记；利用可视图方法将鼾声数据的时间特性转换为网络结构，构建图卷积神经网络模型识别三种不同类型的鼾声；对模型分类结果进行统计，计算受试者整晚睡眠呼吸暂停低通气指数AHI，以辅助完成对阻塞性睡眠呼吸暂停低通气综合征OSAHS患者的诊断与评估。本发明的系统避免了人工特征设计困境，可用于对专业性要求不高的居家等场景，辅助实现OSAHS患者的早期筛选与病情评估。

技术领域

本发明涉及睡眠鼾声检测技术领域，尤其是涉及一种基于可视图和图卷积神经网络模型 的睡眠呼吸暂停事件和低通气事件的自动检测系统。

背景技术

阻塞性睡眠呼吸暂停低通气综合征(Obstructive sleep apnea-hypopneasyndrome，OSAHS) 是一种具有潜在危险的源头性疾病，发病原因主要是由上气道狭窄或者堵塞导致的睡眠状态 下呼吸暂停和低通气。其中，呼吸暂停是指睡眠过程中口鼻气流完全停止10s以上；低通气 则是指睡眠过程中呼吸气流强度较基础水平降低50％以上，同时出现微觉醒或者血氧饱和度 较基础水平降低超过4％。呼吸暂停或者低通气易引起夜间低血痒症，继而诱发全身多脏器慢 性损害。另外，其长期存在除可导致或者家中呼吸衰竭外，还是脑血管意外、心肌梗塞、高 血压等疾病的危险因素。因此，OSAHS的早期诊断与治疗能够明显提高患者的生活质量，预 防各种意外和并发症的产生，减少猝死的发生。

OSAHS诊治指南中为其诊断提供了标准：临床有典型的夜间睡眠打鼾现象，且伴有呼吸 暂、日间嗜睡及注意力不集中等症状；体检中发现咽腔狭窄、扁桃体肿大、悬雍垂粗大、腺 样体增生等现象；呼吸暂停低通气指数(Apnea Hypopne ndex，AHI，即整晚睡眠中每小时呼 吸暂停低通气的平均次数)不低于5次。满足以上三种情况的患者可诊断为OSAHS。进一步 地，临床上参考AHI和夜间血氧饱和度SpO₂可将OSAHS分为轻、中、重三种程度。其中， 轻度OSAHS定义为5＜AHI＜15，85％＜SpO₂＜90％；中度OSAHS定义为5＜AHI＜30，80％＜SpO₂＜84％；重度OSAHS则定义为AHI＞30，SpO₂＜80％。

OSAHS的诊断方法有多导睡眠图(Polysomnography，PSG)、纤维鼻喉镜检查和影响检 查等多种技术手段，其中PSG是诊断OSAHS的“金标准”。PSG可以同时监测血氧饱和度、口鼻气流、鼾声、呼吸运动、脑电图、心电图、肌电图、体位和眼电图等9种生理参数，为 患者提供详尽的身体状态描述以及高精度的诊断结果。但是，PSG对使用环境要求高，操作 复杂，费用较高，监测过程漫长，不满足居家日常监测的需求。有研究表明，鼾声的产生与 呼吸道的生理结构密切相关，能够反映OSAHS患者呼吸道的病变情况，且不同患病程度的OSAHS患者的鼾声存在一定的差异。

发明内容

为解决现有技术的不足，利用计算机手段实现不同鼾声的自动识别，辅助OSAHS患者 的居家早期筛查的目的，本发明采用如下的技术方案：

基于图卷积神经网络的低通气和呼吸暂停自动识别系统，提供了一种处理时间序列的思 路，利用可视图方法将鼾声数据转换为图结构，并借助于卷积神经网络实现正常鼾声、低通 气相关鼾声和呼吸暂停相关鼾声的分类。最后，统计整晚7h睡眠过程中低通气和呼吸暂停事 件发生的次数并计算AHI指数，辅助判定是否患有OSAHS或者评估OSAHS患者的病情。

具体包括：

基于图卷积神经网络的低通气和呼吸暂停自动识别系统，包括依次连接的睡眠呼吸音频 采集模块、波束形成降噪模块、有效鼾声截取模块、鼾声序列转换模块、图卷积神经网络模 型、呼吸事件相关鼾声统计模块；

所述睡眠呼吸音频采集模块，使用一组信号接收单元阵列，采集受试者整晚睡眠呼吸音 频数据；