一种睡眠呼吸暂停检测方法、装置、设备以及存储介质

本发明涉及睡眠呼吸暂停检测领域，特别涉及是一种睡眠呼吸暂停检测方法、装置、设备以及存储介质。

背景技术：

1、睡眠是一种重要的生理活动，对于人体的物理和精神方面的自我恢复具有非常关键的作用。近年来，随着人们生活节奏的加快和工作压力的增加，人们对于自身的健康意识日益增强，而睡眠呼吸暂停检测能够反映出睡眠质量；

2、现有的睡眠呼吸暂停检测主要是通过接触式传感器采集睡眠过程中的用户的生理状态，如血氧饱和度信号、呼吸努力信号等等，但是，接触式传感器具有生理负荷高、检查分析技术复杂、人力费用消耗大的缺点。非接触式传感器存在信号混叠、鲁棒性差及个体差异性明显的特点，会受到运动伪影、工频噪声、环境噪声等干扰，对信号质量的要求较高，并且由于每次呼吸暂停事件的持续时长也存在差别，针对固定长度的信号片段进行睡眠呼吸暂停检测的方法难以获取准确的睡眠呼吸暂停检测信息，造成睡眠呼吸暂停检测的准确率低。

技术实现思路

1、基于此，本发明的目的在于，提供一种睡眠呼吸暂停检测方法、装置、设备以及存储介质，通过分析小尺度相对大尺度信号的变化，进行统计比较，获得表征呼吸信号变化的相对特征，采用特征选择的方式，提取目标相对特征构建训练特征集，用于模型训练，利用训练好的模型进行成睡眠呼吸暂停检测，可以兼顾不同时长的呼吸暂停事件的相对特征表达，提高了睡眠呼吸暂停检测的效率以及精准性，降低了人力成本以及设备成本，提高了检测的实用性。

2、第一方面，本申请实施例提供了一种睡眠呼吸暂停检测方法，包括以下步骤：

3、获取样本用户的生理信号，从所述生理信号中提取呼吸信号，根据预设的若干个时间尺度，对所述呼吸信号进行划分，获得若干个所述时间尺度对应的呼吸信号段集，其中，所述呼吸信号段集包括若干个呼吸信号段；

4、根据预设的单元长度，对各个所述呼吸信号段进行划分，获得各个所述呼吸信号段的呼吸单元信号段；对各个所述时间尺度对应的呼吸信号段集中的各个呼吸信号段进行多维特征提取，获得各个所述时间尺度对应的多维特征集，其中，所述多维特征集包括各个所述呼吸信号段中各个呼吸单元信号段的多维特征，所述多维特征包括时域特征以及频域特征；

5、根据各个所述时间尺度对应的多维特征集，对各个所述呼吸单元信号段进行相对特征提取，获得各个所述时间尺度对应的相对特征集，其中，所述相对特征集包括各个所述呼吸信号段的相对特征，所述相对特征包括时域相对特征以及频域相对特征；

6、将各个所述时间尺度对应的相对特征集进行特征融合，获得多尺度相对特征集，从所述多尺度相对特征集中提取若干个目标相对特征，构建训练特征集，将所述训练特征集输入至待训练的睡眠检测模型中进行训练，获得目标睡眠检测模型；

7、响应于检测指令，所述检测指令包括待测用户的呼吸信号，获得所述待测用户的呼吸信号的相对特征，将所述待测用户的呼吸信号的相对特征输入至所述目标睡眠检测模型中进行检测，获得待测用户的睡眠呼吸暂停检测结果。

8、第二方面，本申请实施例提供了一种睡眠呼吸暂停检测装置，包括：

9、信号获取模块，用于获取样本用户的生理信号，从所述生理信号中提取呼吸信号，根据预设的若干个时间尺度，对所述呼吸信号进行划分，获得若干个所述时间尺度对应的呼吸信号段集，其中，所述呼吸信号段集包括若干个呼吸信号段；

10、多维特征提取模块，用于根据预设的单元长度，对各个所述呼吸信号段进行划分，获得各个所述呼吸信号段的呼吸单元信号段；对各个所述时间尺度对应的呼吸信号段集中的各个呼吸信号段进行多维特征提取，获得各个所述时间尺度对应的多维特征集，其中，所述多维特征集包括各个所述呼吸信号段中各个呼吸单元信号段的多维特征，所述多维特征包括时域特征以及频域特征；

11、相对特征提取模块，用于根据各个所述时间尺度对应的多维特征集，对各个所述呼吸单元信号段进行相对特征提取，获得各个所述时间尺度对应的相对特征集，其中，所述相对特征集包括各个所述呼吸信号段的相对特征，所述相对特征包括时域相对特征以及频域相对特征；

12、模型训练模块，用于将各个所述时间尺度对应的相对特征集进行特征融合，获得多尺度相对特征集，从所述多尺度相对特征集中提取若干个目标相对特征，构建训练特征集，将所述训练特征集输入至待训练的睡眠检测模型中进行训练，获得目标睡眠检测模型；

13、睡眠呼吸检测模块，用于响应于检测指令，所述检测指令包括待测用户的呼吸信号，获得所述待测用户的呼吸信号的相对特征，将所述待测用户的呼吸信号的相对特征输入至所述目标睡眠检测模型中进行检测，获得待测用户的睡眠呼吸暂停检测结果。

14、第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述睡眠呼吸暂停检测方法的步骤。

15、第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的睡眠呼吸暂停检测方法的步骤。

16、在本申请实施例中，提供一种睡眠呼吸暂停检测方法、装置、设备以及存储介质，通过分析小尺度相对大尺度信号的变化，进行统计比较，获得表征呼吸信号变化的相对特征，采用特征选择的方式，提取目标相对特征构建训练特征集，用于模型训练，利用训练好的模型进行成睡眠呼吸暂停检测，可以兼顾不同时长的呼吸暂停事件的相对特征表达，提高了睡眠呼吸暂停检测的效率以及精准性，降低了人力成本以及设备成本，提高了检测的实用性。

17、为了更好地理解和实施，下面结合附图详细说明本发明。

技术特征：

1.一种睡眠呼吸暂停检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的睡眠呼吸暂停检测方法，其特征在于，所述获取样本用户的生理信号，从所述生理信号中提取呼吸信号，包括步骤：

3.根据权利要求2所述的睡眠呼吸暂停检测方法，其特征在于：所述时域特征包括平均值特征、方差特征、中位数偏差特征、均方根特征、信号过线率特征以及信号过线时长特征；

4.根据权利要求2所述的睡眠呼吸暂停检测方法，其特征在于：所述频域特征包括重心频率特征、频率标准差特征以及呼吸功率特征；

5.根据权利要求3或4所述的睡眠呼吸暂停检测方法，其特征在于，所述根据各个所述时间尺度对应的多维特征集，对各个所述时间尺度的呼吸信号段集中的各个呼吸信号段进行相对特征提取，获得各个所述时间尺度对应的相对特征集，包括步骤：

6.根据权利要求5所述的睡眠呼吸暂停检测方法，其特征在于，所述从所述多尺度相对特征集中提取若干个目标相对特征，构建训练特征集，包括步骤：

7.根据权利要求1所述的睡眠呼吸暂停检测方法，其特征在于，所述将所述待测用户的呼吸信号的相对特征输入至所述目标睡眠检测模型中进行检测，获得待测用户的睡眠呼吸暂停检测结果，包括步骤：

8.一种睡眠呼吸暂停检测装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的睡眠呼吸暂停检测方法的步骤。

10.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的睡眠呼吸暂停检测方法的步骤。

技术总结
本发明涉及睡眠呼吸暂停检测领域，涉及一种睡眠呼吸暂停检测方法、装置、设备以及存储介质，通过分析小尺度相对大尺度信号的变化，进行统计比较，获得表征呼吸信号变化的相对特征，采用特征选择的方式，提取目标相对特征构建训练特征集，用于模型训练，利用训练好的模型进行成睡眠呼吸暂停检测，可以兼顾不同时长的呼吸暂停事件的相对特征表达，提高了睡眠呼吸暂停检测的效率以及精准性，降低了人力成本以及设备成本，提高了检测的实用性。

技术研发人员：朱玮玮,张涵,余宝贤,陈锡和,莫志锋
受保护的技术使用者：华南师范大学
技术研发日：
技术公布日：2024/1/16