论文部分内容阅读
睡眠呼吸暂停综合症已经逐步引起越来越多的关注,长时间的睡眠呼吸紊乱事件不仅会导致身体疾病,对生活和工作也会造成一定的影响。多导睡眠仪作为评估及诊断睡眠呼吸事件的金标准,却有着费用昂贵及不舒适的缺点。随着人类社会的进步,为使越来越多的人了解自身睡眠状态,便携式睡眠监测系统成为研究的重点。基于单导联心电信号的获取方式简单,仅使用两个电极即可提取。目前市场上睡眠检测的仪器只能检测睡眠好坏,并不能检测睡眠呼吸暂停。因此,基于短时间尺度生理信号检测睡眠呼吸暂停的算法还不够成熟。基于已有文献表明,心电信号中的相关特征可以表征睡眠事件。研究短时间尺度上的心电特征,对于检测睡眠呼吸紊乱事件具有十分重要的指导意义。本文主要研究短时间尺度上睡眠呼吸暂停事件的检测。在心电信号研究的基础上,分析可以作为指示睡眠呼吸暂停的心电特征,并筛选特征,使用分类较好的特征参数搭建短时间尺度的检测算法。首先,对单导联心电信号进行片段划分,每个片段为15 s。并对该段心电数据进行去噪处理,包含使用陷波器去除工频干扰和低通滤波器去除高频噪声。采用心电信号特征检测算法,检测QRS复波和T波,搭建呼吸信号提取算法。并提取特征参数,即RR间期、RR幅值、TT间期、TT幅值、QRS角度、心率参数序列,依据此特征计算相关参量在15 s内的均值及方差,并作为分类特征。使用支持向量机对提取特征建立分类模型,选择高斯径向核函数并进行参数优化。通过Apnea数据库中样本数据对分类特征及分类算法进行验证。结果表明,RR间期均值、TT间期均值及4分位值均值有较好的准确性及可靠性。将此3个特征值组合,共同对睡眠呼吸事件分类。此种算法对可穿戴是睡眠检测设备具有一定的实用价值。文章通过研究心电信号的时域特征,筛选出与睡眠呼吸暂停事件最相关的3个特征,并使用此3个特征作为检测睡眠呼吸暂停的分类特征。为实现无扰式的睡眠检测设备奠定理论基础。