[发明专利]一种OSAHS检测方法、系统、装置及介质

权利要求书

1.一种OSAHS检测方法，其特征在于，包括：

获取原始血氧信号数据，对所述原始血氧信号数据进行数据预处理，得到血氧信号切片数据；

利用一维神经网络分类器，对所述血氧信号切片数据进行分析，获得一阶段分类结果；其中，所述一维神经网络分类器通过已标注睡眠呼吸事件的血氧信号数据训练生成的；所述一阶段分类结果包括正常呼吸、疑似低通气和呼吸暂停；

利用基于规则匹配的分类器，对目标片段的血氧信号切片数据进行分析，获得二阶段分类结果；其中，所述基于规则匹配的分类器通过使用血氧信号统计指标的分数作为判别标准生成的；所述目标片段包括所述一阶段分类结果为正常呼吸和疑似低通气的血氧信号切片数据对应的片段；所述二阶段分类结果包括正常呼吸、低通气和呼吸暂停。

2.根据权利要求1所述的一种OSAHS检测方法，其特征在于，所述获取原始血氧信号数据，对所述原始血氧信号数据进行数据预处理，得到血氧信号切片数据，包括：

获取目标对象在预设时段的原始血氧信号数据；

基于血氧伪迹的预设比例阈值，对所述原始血氧信号数据进行筛选，获得目标血氧信号数据；

基于预设时长，对所述目标血氧信号数据进行数据切片；

对数据切片后的目标血氧信号数据进行降采样和归一化，得到血氧信号切片数据。

3.根据权利要求1所述的一种OSAHS检测方法，其特征在于，还包括：

基于已标注睡眠呼吸事件的血氧信号数据，创建一维神经网络分类器。

4.根据权利要求3所述的一种OSAHS检测方法，其特征在于，所述基于已标注睡眠呼吸事件的血氧信号数据，创建一维神经网络分类器，包括：

根据所述已标注睡眠呼吸事件的血氧信号数据，确定训练样本；

基于一维卷积算子、一维最大池化算子、激活函数和全连接层，设置两个分支的神经网络模型，基于所述训练样本对所述神经网络模型进行分类训练，并基于训练结果，对所述神经网络模型进行调整，获得一维神经网络分类器；其中，所述神经网络模型的两个分支均包括若干所述一维卷积算子、所述一维最大池化算子和所述激活函数；所述神经网络模型的两个分支在所述全连接层连接。

5.根据权利要求1所述的一种OSAHS检测方法，其特征在于，所述一维神经网络分类器包括两个分支，所述利用一维神经网络分类器，对所述血氧信号切片数据进行分析，获得一阶段分类结果，包括：

根据所述血氧信号切片数据中各片段，进行片段延长，得到第一分支输入；以及进行片段组合，得到第二分支输入；

对所述第一分支输入和所述第二分支输入分别进行卷积操作、激活响应和降维，对应得到第一特征图和第二特征图；

对所述第一特征图和所述第二特征图按通道维度拼接得到第三特征图；

对所述第三特征图进行全连接分类，得到一阶段分类结果。

6.根据权利要求1所述的一种OSAHS检测方法，其特征在于，还包括：

基于血氧饱和度、血氧信号方差和血氧最小值设置所述血氧信号统计指标的分数的判别规则；

根据所述判别规则，创建基于规则匹配的分类器。

7.根据权利要求1所述的一种OSAHS检测方法，其特征在于，所述利用基于规则匹配的分类器，对目标片段的血氧信号切片数据进行分析，获得二阶段分类结果，包括：

根据所述目标片段的血氧信号切片数据的血氧饱和度的下降幅度，进行第一赋分处理；

根据所述目标片段的血氧信号切片数据的血氧信号方差的波动幅度，进行第二赋分处理；

根据所述目标片段的血氧信号切片数据的血氧最小值的下降幅度，进行第三赋分处理；

基于所述第一赋分处理、所述第二赋分处理和所述第三赋分处理，确定血氧信号统计指标的分数；

根据所述血氧信号统计指标的分数，获得二阶段分类结果。