可穿戴式呼吸暫停識別系統(tǒng)的開發(fā).pdf

1、呼吸類疾病目前對人類健康構(gòu)成極大威脅，其中睡眠呼吸暫停低通氣綜合征(SAHS)發(fā)病率高，危害大;實現(xiàn)口鼻流量信號的監(jiān)測與模式識別，有利于該疾病的診療。目前國內(nèi)外大多采用的金標準多導睡眠圖監(jiān)測(PSG)受制于價格昂貴、使用環(huán)境受限等問題，難以推廣使用;因此開發(fā)呼吸暫停識別算法，并研制便攜可穿戴的呼吸暫停識別系統(tǒng)具有重要的意義和應(yīng)用價值。
　　本文首先提出了一套呼吸暫停識別算法。該算法通過降頻、自適應(yīng)歸一化與分割對口鼻流量信號進行預(yù)處

2、理，消除干擾與噪聲的同時保證信號完整性;然后提出并實踐了基于排列熵與時頻域分析的特征提取方案以及基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取方案，前者使用排列熵以及信號時頻域參數(shù)作為特征，后者使用神經(jīng)網(wǎng)絡(luò)特征提取的神經(jīng)元作為特征;而后對比測試了常用分類器，并結(jié)合評價指標客觀評判方案性能。通過權(quán)威數(shù)據(jù)庫Apnea-ECG的測試，上述兩種方案均可有效描述呼吸信號，獲得95％以上的識別準確率，其中卷積神經(jīng)網(wǎng)絡(luò)方案識別準確率高，排列熵與時頻分析方案占用資源少。通

3、過與已有文獻方案對比，表明該算法性能優(yōu)異表現(xiàn)均衡，具有較高的實用價值。
　　本文進一步開發(fā)可穿戴式呼吸暫停識別系統(tǒng)以落地算法。系統(tǒng)采用模塊化設(shè)計，實現(xiàn)人體呼吸信號的采集、傳輸、存儲以及分析工作;同時對流量傳感器進行標定，評估性能并提升精度，以滿足呼吸測量的相關(guān)要求;對系統(tǒng)的氣密性進行仿真分析并結(jié)合實驗驗證，證明實測流量與真實流量之間的正相關(guān)關(guān)系;進而結(jié)合算法測試，證明基于排列熵與時頻分析方案的識別算法具有免疫流量正相關(guān)畸變的能力，