[发明专利]睡眠呼吸暂停综合征识别方法、装置、计算机和存储介质

说明书

本发明提供一种睡眠呼吸暂停综合征识别方法、装置、计算机和存储介质，该方法包括采集获取多个用户的各类的样本生理信号；将各类的样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征；基于各信号特征建立能量特征数据集；使用能量特征数据集对K最近邻模型进行训练，得到用于识别睡眠呼吸暂停综合征的分类模型。在采集得到用户的身体的各种样本生理信号后，利用基于Mallat分解的特征提取模型提取信号特征，利用能量特征数据集合对K最近邻模型进行训练，得到能够识别睡眠呼吸暂停综合征的分类模型，不仅识别出识别睡眠呼吸暂停综合征，还识别出识别睡眠呼吸暂停综合征的种类，识别更为高效、更为准确。

技术领域

本发明涉及睡眠呼吸暂停综合征识别技术领域，特别涉及一种睡眠呼吸暂停综合征识别方法、装置、计算机和存储介质。

背景技术

睡眠呼吸暂停综合征（SAS）是一种睡眠时候呼吸停止的睡眠障碍。最常见的原因是上呼吸道阻塞，经常以大声打鼾、身体抽动或手臂甩动结束。睡眠呼吸暂停伴有睡眠缺陷、白天打盹、疲劳，以及心动过缓或心律失常和脑电图觉醒状态，可分为中枢型、阻塞型及混合型。

SAS对人体健康有巨大危害，甚至可能危及生命安全，因此SAS风险评估至关重要。SAS会影响多种生理信号，如脑电图（EEG）、心电图（ECG）、眼电图（EOG）、肌电图（EMG）、呼吸、姿态、血氧饱和度等。多导睡眠描记术（PSG）可全面记录人在睡眠时的生理变化，是SAS风险评估金标准。然而，由于PSG需要专门的设备和专业医师辅助，且价格昂贵，无法应用于日常生活中。

目前，已有一些技术可用于非医院环境中的SAS风险评估，如基于脑电图、眼动追踪的睡眠监测技术。脑电波和眼动的变化可以直接反应人的睡眠状态，从而揭示睡眠呼吸暂停综合征（SAS）风险，因此评估精度较高。然而，这两种技术所需设备佩戴复杂、价格高昂，推广较为困难。

目前缺乏快速、准确识别睡眠呼吸暂停综合征的种类的手段。因此，如何快速、准确识别睡眠呼吸暂停综合征的种类的是亟需解决的。

发明内容

基于此，有必要针对上述技术问题，提供一种睡眠呼吸暂停综合征识别方法、装置、计算机和存储介质。

一种睡眠呼吸暂停综合征识别方法，包括：

采集获取多个用户的各类的样本生理信号；

将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征；

基于各所述信号特征建立能量特征数据集；

使用所述能量特征数据集对K最近邻模型进行训练，得到用于识别睡眠呼吸暂停综合征的分类模型。

在其中一个实施例中，所述将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征的步骤包括：

将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到基于时频的所述信号特征。

在其中一个实施例中，所述将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征的步骤包括：

根据预设时间间隔对各类的所述样本生理信号分别进行切割，得到多个信号单元；

通过haar小波对各所述信号单元进行五层的Mallat分解，得到的低频信号的能量和高频信号的能量，对所述低频信号的能量和所述高频信号的能量进行归一化处理，构成能量向量，将所述能量向量作为所述信号单元的所述信号特征。

在其中一个实施例中，所述通过haar小波对各所述信号单元进行五层的Mallat分解，得到的低频信号的能量和高频信号的能量，对所述低频信号的能量和所述高频信号的能量进行归一化处理，构成能量向量，将所述能量向量作为所述信号单元的所述信号特征的步骤包括：

通过haar小波对各所述信号单元进行五层的Mallat分解，得到低频信号和高频信号；