序列：通过该小波分解法对该屯、率信号数据段进行滤波处理得到屯、率轮廓信 号;通过滑动窗口法对该屯、率轮廓信号得到屯、率周期的非均匀时间序列；通过=次样条插 值法将该非均匀时间序列转化为均匀时间序列。
[0079] 可选地，该呼吸轮廓信号的特征信息包括:呼吸轮廓信号幅值变化值;该均匀时间 序列的特征信息包括:该均匀时间序列的均值和该均匀时间序列频谱的低频带能量与高频 带能量比值W及该均匀时间序列的非线性属性。
[0080] 可选地，该获取单元303用于通过W下步骤执行根据预设的训练样本集获取该睡 眠生理信号对应的先验知识:将该睡眠生理信号与该训练数据集的相似度确定为该先验知 识。
[0081] 可选地，如图4所示，该装置还包括:训练单元306,用于在将该检测样本与样本集 训练得到的检测模型进行匹配前，根据预设核函数通过该训练数据集对支持向量机SVM模 型进行训练得到样本模型。
[0082] 采用上述基于屯、率信号和呼吸信号的睡眠呼吸障碍检测装置，通过屯、率和呼吸两 个角度结合检测目标的目标特征W及先验知识，可W更加全面和细粒度的考虑相关的特 征，从而提高了睡眠呼吸障碍检测的准确率。
[0083] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0084] 在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有 详述的部分，可W参见其他实施例的相关描述。
[0085] 在本申请所提供的几个实施例中，应该理解到，所掲露的技术内容，可通过其它的 方式实现。其中，W上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可W为 一种逻辑功能划分，实际实现时可W有另外的划分方式，例如多个单元或组件可W结合或 者可W集成到另一个系统，或一些特征可W忽略，或不执行。另一点，所显示或讨论的相互 之间的禪合或直接禪合或通信连接可W是通过一些接口，单元或模块的间接禪合或通信连 接，可W是电性或其它的形式。
[0086] 所述作为分离部件说明的单元可W是或者也可W不是物理上分开的，作为单元显 示的部件可W是或者也可W不是物理单元，即可W位于一个地方，或者也可W分布到多个 单元上。可W根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0087] 另外，在本发明各个实施例中的各功能单元可W集成在一个处理单元中，也可W 是各个单元单独物理存在，也可W两个或两个W上单元集成在一个单元中。上述集成的单 元既可W采用硬件的形式实现，也可W采用软件功能单元的形式实现。
[0088] 所述集成的单元如果W软件功能单元的形式实现并作为独立的产品销售或使用 时，可W存储在一个计算机可读取存储介质中。基于运样的理解，本发明的技术方案本质上 或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可WW软件产品的形式 体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用W使得一台计算机 设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或 部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memo巧）、随机存取存 储器(RAM,Random Access Memo巧）、移动硬盘、磁碟或者光盘等各种可W存储程序代码的 介质。
[0089] W上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可W做出若干改进和润饰，运些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种基于心率和呼吸信号的睡眠呼吸障碍检测方法，其特征在于，包括： 在每个睡眠阶段采集检测目标的睡眠生理信号，所述信号包括心率信号和呼吸信号； 对所述呼吸信号进行预处理得到呼吸轮廓信号;对所述心率信号进行预处理得到心率 周期的均匀时间序列； 分别获取所述呼吸轮廓信号和所述均匀时间序列的特征信息，并根据预设的训练样本 集获取所述睡眠生理信号对应的先验知识； 根据所述特征信息和所述先验知识以及所述检测目标的目标特征生成特征集合，并通 过主成分分析法从所述特征集合中确定最优特征子集合得到检测样本； 将所述检测样本与样本集训练得到的检测模型进行匹配，并根据匹配结果输出睡眠呼 吸障碍检测信息。2. 根据权利要求1所述的方法，其特征在于，所述对所述呼吸信号进行预处理得到呼吸 轮廓信号包括： 按照预设时间分别切割所述心率信号和所述呼吸信号得到所述心率数据对应的心率 信号数据段和所述呼吸信号对应的呼吸信号数据段； 通过小波分解法对所述呼吸信号数据段进行滤波处理得到呼吸轮廓信号； 所述对所述心率信号进行预处理得到心率周期的均匀时间序列包括： 通过所述小波分解法对所述心率信号数据段进行滤波处理得到心率轮廓信号； 通过滑动窗口法对所述心率轮廓信号得到心率周期的非均匀时间序列； 通过三次样条插值法将所述非均匀时间序列转化为均匀时间序列。3. 根据权利要求1所述的方法，其特征在于， 所述呼吸轮廓信号的特征信息包括:呼吸轮廓信号幅值变化； 所述均匀时间序列的特征信息包括:所述均匀时间序列的均值和所述均匀时间序列频 谱的低频带能量与高频带能量比值以及所述均匀时间序列的非线性属性。4. 根据权利要求1所述的方法，其特征在于，所述根据预设的训练样本集获取所述睡眠 生理信号对应的先验知识包括： 将所述睡眠生理信号与所述训练数据集的相似度确定为所述先验知识。5. 根据权利要求1至4任一项所述的方法，其特征在于，在所述将所述检测样本与样本 集训练得到的检测模型进行匹配前，所述方法还包括： 根据预设核函数通过所述训练数据集对支持向量机SVM模型进行训练得到样本模型。6. -种基于心率和呼吸信号的睡眠呼吸障碍检测装置，其特征在于，包括： 采集单元，用于在每个睡眠阶段采集检测目标的睡眠生理信号，所述睡眠生理信号包 括心率信号和呼吸信号； 预处理单元，用于对所述呼吸信号进行预处理得到呼吸轮廓信号；对所述心率信号进 行预处理得到心率周期的均匀时间序列； 特征提取单元，用于分别获取所述呼吸轮廓信号和所述均匀时间序列的特征信息，并 根据预设的训练样本集获取所述睡眠生理信号对应的先验知识； 处理单元，用于根据所述特征信息和所述先验知识以及所述检测目标的目标特征生成 特征集合，并通过主成分分析法从所述特征集合中确定最优特征子集合得到检测样本； 匹配单元，用于将所述检测样本与样本集训练得到的检测模型进行匹配，并根据匹配 结果输出睡眠呼吸障碍检测信息。7. 根据权利要求6所述的装置，其特征在于，所述预处理单元用于通过以下步骤执行对 所述呼吸信号进行预处理得到呼吸轮廓信号： 按照预设时间分别切割所述心率信号和所述呼吸信号得到所述心率数据对应的心率 信号数据段和所述呼吸信号对应的呼吸信号数据段； 通过小波分解法对所述呼吸信号数据段进行滤波处理得到呼吸轮廓信号； 所述预处理单元用于通过以下步骤执行对所述心率信号进行预处理得到心率周期的 均匀时间序列： 通过所述小波分解法对所述心率信号数据段进行滤波处理得到心率轮廓信号； 通过滑动窗口法对所述心率轮廓信号得到心率周期的非均匀时间序列； 通过三次样条插值法将所述非均匀时间序列转化为均匀时间序列。8. 根据权利要求6所述的装置，其特征在于， 所述呼吸轮廓信号的特征信息包括:呼吸轮廓信号幅值变化值； 所述均匀时间序列的特征信息包括:所述均匀时间序列的均值和所述均匀时间序列频 谱的低频带能量与高频带能量比值以及所述均匀时间序列的非线性属性。9. 根据权利要求6所述的装置，其特征在于，所述获取单元用于通过以下步骤执行根据 预设的训练样本集获取所述睡眠生理信号对应的先验知识： 将所述睡眠生理信号与所述训练数据集的相似度确定为所述先验知识。10. 根据权利要求6至9任一项所述的装置，其特征在于，所述装置还包括:训练单元，用 于在将所述检测样本与样本集训练得到的检测模型进行匹配前，根据预设核函数通过所述 训练数据集对支持向量机SVM模型进行训练得到样本模型。
【专利摘要】本发明公开了一种基于心率和呼吸信号的睡眠呼吸障碍检测方法和装置。其中，该方法包括：在每个睡眠阶段采集检测目标的睡眠生理信号，睡眠生理信号包括心率信号和呼吸信号；对呼吸信号进行预处理得到呼吸轮廓信号；对心率信号进行预处理得到心率周期的均匀时间序列；分别提取呼吸轮廓信号和均匀时间序列的特征信息，并根据预设的训练样本集获取该睡眠生理信号对应的先验知识；根据特征信息和先验知识以及检测目标的目标特征生成特征集合，并通过主成分分析法从特征集合中确定最优特征子集合得到检测样本；将检测样本与样本集训练得到的检测模型进行匹配，并根据匹配结果输出睡眠呼吸障碍检测信息。本发明解决了睡眠呼吸障碍检测准确率低的技术问题。
【IPC分类】A61B5/024, A61B5/08, A61B5/00
【公开号】CN105559754
【申请号】CN201510995465
【发明人】周兴社, 倪红波, 赵伟超, 王柱, 邓军权
【申请人】西北工业大学
【公开日】2016年5月11日
【申请日】2015年12月29日