睡眠呼吸暂停综合征是一类常见的呼吸相关疾病,不仅影响患者的日常生活状态,更有可能引发高血压、中风、糖尿病等疾病。目前医学上采用PSG作为睡眠呼吸暂停综合征检测的金标准。但PSG检查价格昂贵,操作繁琐,需要大量传感器直接连接身体而干扰正常睡眠。因此本文提出一种成本低,易操作,无需传感器连接的检测方法,用于睡眠呼吸暂停综合征的前期初筛,对患者和医疗、医护机构都具有十分重要的意义和价值。本文参考了目前在睡眠呼吸暂停综合征检测方法,提出了一种基于PVDF压电薄膜传感器信号的睡眠呼吸暂停综合征检测算法。算法在采集方式上属于非接触方式,极大的降低了测试者在检测时的负担。使用原始的压电薄膜信号,通过数据增强,滑动窗口分割,制作了相关数据集;使用一个6层一维卷积神经网络构建了训练模型,通过对输入信号的选择以及模型的调参,最终的呼吸暂停检测模型准确率达到92.76%。另外,本文讨论了利用胸部的传感器信号实现呼吸暂停类别识别的可能性。通过构建了一个结构简单的一维卷积神经网络模型,与用于呼吸暂停检测的一维卷积神经网络进行对比分析,通过参数调优,最终使用呼吸暂停检测的模型得到了77.13%的准确率。之后将呼吸暂停检测与类别识别的模型进行综合测试,得到了74.67%的准确率。最后,本文还针对呼吸暂停检测算法,设计开发了一套呼吸暂停检测系统,该系统封装了神经网络模型算法,利用微服务架构,通过API接口调用算法,实现了一个操作简便、拓展性强的B/S系统。