技术特征：
1.一种基于深度学习的阻塞性睡眠呼吸暂停检测方法，其特征在于，包括：将被检测对象的生理数据输入到预先训练好的生理数据阻塞性睡眠呼吸暂停检测模型中，输出对应的呼吸暂停低通气指数ahi分类结果；将被检测对象的图像数据输入到预先训练好的图像数据阻塞性睡眠呼吸暂停检测模型中，输出对应的ahi分类结果，其中，所述图像数据中包含：从多个预设角度拍摄所述被检测对象头部区域得到的多个头部图像，每个预设角度的头部图像输入到不同的图像数据阻塞性睡眠呼吸暂停检测模型中；将生理数据阻塞性睡眠呼吸暂停检测模型输出的ahi分类结果和各个图像数据阻塞性睡眠呼吸暂停检测模型输出的ahi分类结果，输入到集成学习算法模型中，输出所述被检测对象的ahi分类结果。2.如权利要求1所述的方法，其特征在于，所述方法还包括：获取样本生理数据，其中，所述样本生理数据包括：具有不同ahi标签的样本对象的生理数据；按照预设比例，将所述样本生理数据划分为训练生理数据、验证生理数据和测试生理数据；根据所述训练生理数据，使用深度学习方法对如下任一种网络模型进行训练，得到所述生理数据阻塞性睡眠呼吸暂停检测模型：xgboost模型、light gbm模型、神经网络模型、支持向量机模型、决策树分类模型、贝叶斯判决分类模型；根据所述验证生理数据，对训练得到的生理数据阻塞性睡眠呼吸暂停检测模型进行验证，直到模型准确率符合预设条件；根据所述测试生理数据，对符合预设条件的生理数据阻塞性睡眠呼吸暂停检测模型进行测试。3.如权利要求1所述的方法，其特征在于，所述方法还包括：获取样本图像数据，其中，所述样本图像数据包括：从多个预设角度拍摄具有不同ahi标签的样本对象的头部区域，得到的多个头部图像；按照预设比例，将所述样本图像数据划分为训练图像数据、验证图像数据和测试图像数据；根据所述训练图像数据，使用深度学习方法对如下任一种网络模型进行训练，得到对应多个预设角度头部图像的多个图像数据阻塞性睡眠呼吸暂停检测模型：xgboost模型、light gbm模型、神经网络模型、支持向量机模型、决策树分类模型、贝叶斯判决分类模型；根据所述验证图像数据，对训练得到的各个图像数据阻塞性睡眠呼吸暂停检测模型进行验证，直到模型准确率符合预设条件；根据所述测试图像数据，对符合预设条件的图像数据阻塞性睡眠呼吸暂停检测模型进行测试。4.如权利要求1所述的方法，其特征在于，将被检测对象的图像数据输入到预先训练好的图像数据阻塞性睡眠呼吸暂停检测模型中，输出对应的ahi分类结果，包括：将被检测对象的图像数据输入到预先训练好的人脸识别模型中，输出对应的脸部图像数据，其中，所述人脸识别模型是对神经网络模型进行训练得到的模型；将所述人脸识别模型输出的脸部图像数据，输入到预先训练好的图像数据阻塞性睡眠
呼吸暂停检测模型中，输出对应的ahi分类结果。5.如权利要求4所述的方法，其特征在于，在将被检测对象的图像数据输入到预先训练好的人脸识别模型中，输出对应的脸部图像数据之前，所述方法还包括：获取样本图像数据，其中，所述样本图像数据包括：从多个预设角度拍摄具有不同ahi标签的样本对象的头部区域，得到的多个头部图像；对样本图像数据中不同预设角度的头部图像进行聚类分析，得到属于每类osa的高层表示子集；根据属于每类osa的高层表示子集，对如下神经网络模型进行训练，得到属于每类osa的人脸识别模型：残差神经网络模型、基于倒置残差模块的卷积神经网络模型。6.如权利要求1所述的方法，其特征在于，所述ahi分类结果为属于不同ahi分类的概率，所述集成学习算法模型用于将生理数据阻塞性睡眠呼吸暂停检测模型输出的被检测对象属于不同ahi分类的概率和各个图像数据阻塞性睡眠呼吸暂停检测模型输出的被检测对象属于不同ahi分类的概率进行加权求和，得到所述被检测对象的ahi分类结果。7.如权利要求1至6任一项所述的方法，其特征在于，所述预设角度至少包括如下五个方向：正面、侧面朝左、侧面朝右、45度朝左、45度朝右。8.一种基于深度学习的阻塞性睡眠呼吸暂停检测装置，其特征在于，包括：生理数据处理模块，用于将被检测对象的生理数据输入到预先训练好的生理数据阻塞性睡眠呼吸暂停检测模型中，输出对应的呼吸暂停低通气指数ahi分类结果；图像数据处理模块，用于将被检测对象的图像数据输入到预先训练好的图像数据阻塞性睡眠呼吸暂停检测模型中，输出对应的ahi分类结果，其中，所述图像数据中包含：从多个预设角度拍摄所述被检测对象头部区域得到的多个头部图像，每个预设角度的头部图像输入到不同的图像数据阻塞性睡眠呼吸暂停检测模型中；阻塞性睡眠呼吸暂停检测模块，用于将生理数据阻塞性睡眠呼吸暂停检测模型输出的ahi分类结果和各个图像数据阻塞性睡眠呼吸暂停检测模型输出的ahi分类结果，输入到集成学习算法模型中，输出所述被检测对象的ahi分类结果。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述基于深度学习的阻塞性睡眠呼吸暂停检测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至7任一项所述基于深度学习的阻塞性睡眠呼吸暂停检测方法的计算机程序。
技术总结
本发明公开了一种基于深度学习的阻塞性睡眠呼吸暂停检测方法及装置，其中，该方法包括：将被检测对象的生理数据输入到预先训练好的生理数据阻塞性睡眠呼吸暂停检测模型中，输出对应的呼吸暂停低通气指数AHI分类结果；将被检测对象从多个预设角度拍摄的头部图像输入到预先训练好的各个图像数据阻塞性睡眠呼吸暂停检测模型中，输出对应的AHI分类结果；将生理数据阻塞性睡眠呼吸暂停检测模型输出的AHI分类结果和各个图像数据阻塞性睡眠呼吸暂停检测模型输出的AHI分类结果，输入到集成学习算法模型中，输出被检测对象的AHI分类结果。本发明无需用户穿戴各种PSG设备，操作简单，且能够检测到低AHI值的阻塞性睡眠呼吸暂停情况。况。况。
技术研发人员：王兴军 苏杭
受保护的技术使用者：清华大学深圳国际研究生院
技术研发日：2021.06.25
技术公布日：2021/9/16