一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法.pdf

本发明涉及一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法，简称为：SAS，利用概率主成分分析从脉搏与血氧信号中挖掘与SAS有关的特征参数，构建SAS检测特征矩阵，再采用袋装决策树映射特征矩阵与SAS患病程度间关系，建立SAS检测模型。本发明所述方法利用概率主成分分析降低了输入数据维数，提高了特征矩阵质量、运用袋装决策树提升了SAS的检测准确率，使用该方法只需输入被测试者的脉搏与血氧信号，即可输出被测试者SAS的患病程度。

权利要求书
1.  一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法，其特征在于，该方法包括如下步骤：
(1)获取脉搏与血氧信号；
(2)对脉搏与血氧信号进行预处理；
(3)提取睡眠呼吸暂停综合征检测特征矩阵；
(4)建立检测模型，输出检测结果。

2.  按照权利要求1所述的基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法，其特征在于所述步骤(2)以分钟为单位分别对脉搏和血氧信号进行分割，形成单位时间的脉搏和血氧信号，并对单位时间的脉搏信号进行处理，通过2.5Hz重采样，形成均匀的脉搏峰-峰间期序列。

3.  按照权利要求1所述的基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法，其特征在于所述步骤(3)对均匀的脉搏峰-峰间期序列与单位时间的血氧信号分别进行主成分分析，计算主成分累计贡献率，确定累计贡献率大于99％的主成分个数，使用相同的主成分个数，对均匀的脉搏峰-峰间期序列与血氧信号进行概率主成分分析，形成睡眠呼吸暂停综合征检测特征矩阵。

4.  按照权利要求1所述的基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法，其特征在于所述步骤(4)采用袋装决策树建立检测模型，模型的输入矩阵为特征矩阵，输出矩阵为临床专家的诊断意见，诊断意见可为睡眠呼吸暂停综合征重度、中度、轻度、临界以及正常类型。

说明书一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法
技术领域：
本发明涉及一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法，尤其涉及数据降维技术与监督学习技术在睡眠呼吸暂停综合征分类方面的应用。
背景技术：
睡眠呼吸暂停综合征(SAS)已成为危及人类生命的隐形杀手，据统计目前在发达国家经诊治的SAS患者仅为患者总数的20％，我国则仅为2‰。究其原因主要为标准检测方法睡眠多导图PSG流程复杂、费用昂贵、难以普及应用。因此，研究替代PSG的方便、准确率高的检测方法将为SAS患者早期检查与诊断提供有力的技术支撑，具有较高的实用价值。
目前检测睡眠呼吸暂停综合征SAS的发明点或创新点主要集中在：1)减少PSG测量的生理参数，测量与睡眠呼吸暂停有关的主要参数。CN103202687A公开了一种阻塞性睡眠呼吸暂停低通气综合征患者初筛系统，通过对口鼻气流、胸腹部运动信号、血氧心率信号进行采集，使用视频模块拍摄睡姿以及口鼻出特写镜头，完成对睡眠呼吸暂停情况的检测；CN202776304U公开了一种分析睡眠呼吸暂停事件的装置，其特征在于通过口鼻气流传感器，胸腹呼吸运动传感器，体位传感器，腿动传感器以及鼾声传感器对多种生理信号进行检测，来判别睡眠呼吸事件的发生；CN203468609U公开了一种睡眠呼吸暂停综合症的监控及治疗系统，通过鼾声信号、呼吸气流、血氧饱和度、胸腹部运动信号进行检测，以此来判断睡眠呼吸暂停的发生。以上方法虽然比PSG的监测参数少，但仍需要受测者佩戴多种传感器，影响受测者的睡眠状态。
2)使用更少的监测信号或者采用非接触式测量方式、操作简单、对使用者睡眠影响小。CN102138795A公开了一种通过分析鼾声声学特征来确定阻塞型睡眠呼吸暂停综合征的严重程度的方法；CN102429648A公开了一种睡眠呼吸、心跳监测枕，非接触式测量患者的呼吸与心跳；CN103687540A公开了一种呼吸障碍的标识、鉴别和诊断方法、装置和系统，阐述了使用鼾声检测SAS的不足，提出通过分析呼吸音的振幅、周期性与非周期性来鉴别SAS类型；CN102973244A公开了一种利用热成像仪实时采集人体睡眠过程中鼻孔和口腔热红外图像，通过分析图像实现非接触式监测睡眠呼吸暂停的方法；CN103070683A公开了一种通过采集与分析胸、腹部呼吸电阻抗信号识别人体睡眠呼吸模式的方法；CN1803089A公开了一种通过枕头两侧放置麦克风采集口鼻鼾声的非接触式测量睡眠障碍的方法；CN102641125A公开了一种睡眠呼吸暂停判定装置，对睡眠中被检者的胸、腹部发出微波，基于其反射波对呼吸暂停状态进行判定；CN101536904A公开了一种基于心电的睡眠呼吸暂停检测装置，通过心率变异性分析判定是否发生了睡眠呼吸暂停；CN103006182A公开了一种家用睡眠呼吸暂停综合症的初步检测系统，主要通过分析鼾声，设计不同的阈值对SAS进行初步检测；CN203029237U公开了一种非接触式监测睡眠呼吸状态的睡眠仪，通过雷达传感器监测呼吸信息和心跳信息，进而进行睡眠呼吸暂停分析；CN102579049A公开了一种基于压电电缆传感器的睡眠呼吸状态监测装置，其特征在于通过压电电缆检测胸腹部周期性形变，得到呼吸频率、呼吸暂停次数以及呼吸暂停时间；CN101577974A通过麦克风对呼吸杂音和心脏杂音进行分析，用以判别呼吸暂停和呼吸不足。以上方法虽然简单方便，对使用者睡眠影响小，但使用的生理参数少，检测准确率有待于提高。
3)应用人工智能技术，提高检测准确率。CN103083770A公开了一种诊断和治疗患者呼吸模式的系统和方法，通过口鼻面罩监测患者的呼吸气流，记录呼吸参数的中值，平均值，范围及标准偏差，将其汇总输入到神经网络，通过神经网络检测患者状态；CN1468077A公开了一种用于检测并治疗在睡眠期间呼吸紊乱的方法，使用人工神经网络对呼吸气流数据进行了分析；CN103690168A公开了一种阻塞型睡眠呼吸暂停综合征的检测方法，通过检测血氧饱和度，鼾声，呼吸信号三种参数，根据人工智能决策理论，构建模糊元素集合隶属函数，然后通过最大隶属原则判定是否患有睡眠呼吸暂停综合综合征。
本发明立足于如何使用较少的生理信号较为准确地检测SAS。基于被测试者睡眠期间监测的脉搏与血氧信号，利用概率主成分分析降维并提取主要特征，然后通过袋装决策树高度映射特征矩阵与SAS患病程度间的关系。
发明内容：
本发明的目的是使用概率主成分分析降低睡眠呼吸暂停综合征(SAS)数据维数，提高特征矩阵提取质量，运用袋装决策树提升SAS的检测准确率。使用该方法只需输入被测试者睡眠期间监测的脉搏与血氧信号，即可输出被测试SAS的患病程度。
附图说明：
图1为本发明基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法流程图。
具体实施方式：
为使本发明的技术方案更加清晰，下面将结合附图对本发明的实施方式做进一步地详细描述。
参阅图1所示，是本发明基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法流程图。
步骤S101，获取脉搏与血氧信号。
具体而言，连续记录被测试者自然睡眠状态下整晚的脉搏与血氧信号。
步骤S102：对脉搏与血氧信号进行预处理。具体步骤如下：
以分钟为单位对所收集的脉搏与血氧信号进行分割，形成单位时间的脉搏与血氧信号，并采用二进小波模极大值算法定位单位时间的脉搏波峰，计算峰-峰间期，将非均匀的峰-峰间期序列进行三次样条插值，然后用2.5Hz重采样，形成均匀的脉搏峰-峰间期序列。
步骤S103：提取SAS检测特征矩阵。具体步骤如下：
(1)对均匀的脉搏峰-峰间期序列与单位时间的血氧信号分别进行主成分分析，计算主成分累计贡献率，确定累计贡献率大于99％的主成分个数，作为概率主成分分析的输出维数。
(2)对单位时间的血氧信号进行概率主成分分析，具体步骤如下：
①利用高斯噪声ε描述特征空间的非主成分，通过隐变量模型建立血氧数据s与其特征矩阵x之间的映射关系：
s＝Wx+μ+ε
其中W为因子载荷矩阵，μ为非零均值。
②在此隐变量模型下，建立特征矩阵x条件下血氧数据s的概率分布，依据贝叶斯概率公式，推导出特征矩阵关于血氧数据的后验概率密度分布。
③通过最大期望算法求解血氧数据对数似然函数的最大似然估计参数:W、μ、ε，即可推导出血氧特征矩阵x。
(3)同理对重采样后形成的均匀脉搏峰-峰间期序列进行以上的分析，形成脉搏峰-峰间期特征矩阵。
(4)联合血氧特征矩阵和脉搏峰-峰间期特征矩阵，进而形成睡眠呼吸暂停综合征检测特征矩阵。
步骤S104：建立检测模型，输出检测结果。具体步骤如下：
(1)将单位时间的脉搏和血氧信号形成的特征矩阵规定为一个样本，则所有的样本构成了训练集H。
(2)对C4.5算法进行T次的调用，每次只调用训练集H中的某个子集作为当前训练集，经过T次的调用后，会形成T个不同的决策树，当对未知测试样本进行分类时，调用这T个决策树得到T个分类结果，把这T个分类结果中出现次数最多的分类赋予未知测试样本。
(3)根据所述的方法可以确定被测试者每个样本是否发生了睡眠呼吸暂停事件，统计被测试者每小时发生睡眠呼吸暂停事件的次数，根据表1所示标准，输出被测试者睡眠呼吸暂停综合征的患病程度。
表1