论文部分内容阅读
阻塞性睡眠呼吸暂停/低通气综合征是由上气道塌陷或阻塞而引起的睡眠呼吸系统异常,常使用多导睡眠仪检测,但其价高,操作复杂,舒适度低等不足制约了其使用及推广。所以,找到一个能够在不影响被检测者睡眠质量前提下,又具备成本低、操作容易、检测费用低等优点的,适用于大量人群监测的筛查方法成为迄今为止亟待解决的问题。本文从实际角度出发,首先对鼾声信号进行分帧、加窗、滤波等预处理,对每一帧语音信号进行短时能量分析,区分有声无声段。再对得到的有声段进行进一步鼾声段确认、鼾声段修正等处理,进而判断打鼾者患病与否。本文的研究内容主要有以下几方面：(1)提出了基于睡眠呼吸暂停指数(AI)的OSAHS筛查方法。为了将单纯打鼾者的睡眠微觉醒段排除,我们对正常鼾声和低通气时的OSAHS鼾声进行了时域波形的分析,并针对各自特点对算法进行了修正,使筛查结果的灵敏度和特异度分别达到了85.19%和93.33%,符合临床筛查标准。(2)本文将提出的基于睡眠呼吸暂停指数的OSAHS筛查法与基于低通气指数的OSAHS筛查法相结合,提出了最终的基于睡眠呼吸暂停低通气指数(AHI)的OSAHS筛查方法,并与大连医科大学附属第二医院合作,将42例志愿者的PSG监测报告与本算法筛查结果进行了对比,本算法得到的最终筛查结果灵敏度和特异度分别达到了88.89%和80.00%,符合临床筛查标准。(3)根据已有的理论基础,在VC++6.0平台下开发出了有较强可移植性的OSAHS筛查系统,并与外界语音接收设备连接,成功搭建了能够实时检测OSAHS疾病的系统平台。综上所述,本文提出了利用AI与HI相结合的睡眠呼吸暂停低通气指数来进行OSAHS筛查,并在VC++6.0平台下成功开发了代码,其筛查结果灵敏度和特异度分别达到了88.89%和80.00%,符合临床筛查标准。并成功搭建了OSAHS实时筛查系统平台,克服了PSG价高,操作复杂等缺点,具有很强的探究价值。