CN116350178B 一种osahs检测方法、系统、装置及介质 （中山大学附属第一医院）

WO2023272383A1,2023.012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2.根据权利要求1所述的一种OSAHS检测方法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4.根据权利要求3所述的一种OSAHS检测方法，其特征在于5.根据权利要求1所述的一种OSAHS检测方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36.根据权利要求1所述的一种OSAHS检测方法，其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，进行第三赋分处基于所述第一赋分处理、所述第二赋分处理和所述第三赋第三模块，用于利用基于规则匹配的分类器，对目标片段的血基于血氧饱和度、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所述处理器执行所述程序实现如权利要求1至6中任一项4[0002]阻塞性睡眠呼吸暂停低通气综合征(obstructivesleepapneahypopneasyndrome,OSAHS)是目前最常见的睡眠呼吸疾病，其特征为上呼吸道在睡眠过程中间歇性[0003]1974年首次报道的多导睡眠监测(polysomnography,PSG)至今仍是诊断OSAHS的对这些参数进行判读分析，最终得到用来描述睡眠呼吸事件频率的呼吸暂停低通气指数[0004]根据AASM推荐规则，呼吸暂停事件定义为呼吸气流较基线值下降≥90持续至5[0016]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6[0031]根据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[0033]根据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[0045]本发明实施例首先获取原始血氧信号数据，对原始血氧信号数据进行数据预处7[0055]还有的学者借助OSAH诊断的金标准参与检测，即借助气流信号辅助识别低通现有技术存在使用二维卷积神经网络(2DCNN)结合全连接神经网络(FCN)设计的一个OSAH检测器，其使用到了气流和血氧信号相互结合来检测儿童OSAH，在CHAT数据集(theChildhoodAdenotonsillectomyTrialdatabase)取得了良好的效果。但值得注意的是，[0056]与上述方法不同的是，本发明提出了基于单通道血氧信考虑到了信号采集的简便性和患者舒适度；(2)二阶段模型结合了神经网络与血氧时域统8只选取血氧伪迹(artifact)占记录总长度比例＜1％的数据，并使用近邻插值消除残存的开源算法最大三角形三桶(largesttrianglethreebuckets,LTTB)下采样算法将血氧时间序列从10Hz降采样至1Hz，并进行Z9的增加呈下降趋势，但并非每次两者均同时发生。考虑到血氧饱和度下降(oxygen吸事件引起的血氧下降信号也可以被捕获。血氧信号片段接着经过三个一维卷积算子[0071]接着将两个分支提取的特征图F1和F2按通道维度拼接得类器的输出是正常呼吸与疑似低通气(N&H)或者呼吸暂停(A)，正常呼吸与疑似低通气(N&[0081](3)血氧最小值。如图5所示展示了不同状态的血氧最小值，正常人的血氧小于80.2890.84[0104]在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提改变以及其中被描述为较大操作的一部分的子操作被说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块算机软件产品存