基于衍生呼吸信号的睡眠呼吸暂停综合征检测_毕业论文.pdfVIP

摘 要 摘 要 睡眠呼吸暂停综合征作为一种常见的睡眠疾病，它严重影响人们的睡眠质量和身体 健康。近些年来，越来越多的医生和学者逐渐关注到睡眠呼吸暂停综合征。多导睡眠监 测仪作为睡眠呼吸暂停综合征的金标准，用它对患者进行整夜检测，根据呼吸信号进行 判断疾病，但是这种检测方式会让患者产生严重的不适感且其检测成本昂贵，因此研究 出一种简单方便并且易采集的生理信号对于检测睡眠呼吸暂停综合征来说尤为重要。心 电图机和它的便携式设备在当下推广广泛，让心电信号的采集变的很普及很方便。当前 文献研究已表明心电信号和呼吸信号之间具有极高的相关性，可以从心电中提取呼吸信 息，并且基于心电图提取出的衍生呼吸信号，其时频域特征能够有效的作为睡眠呼吸暂 停综合征的判断标准。因此研究从单通道心电图提取衍生呼吸信号可以用来替代多导睡 眠检测仪。本论文针对从心电信号提取衍生呼吸信号和基于衍生呼吸信号实现睡眠暂停 综合征的判断这两个方面展开了研究，主要研究内容如下： 一、提出了一种基于心电信号多特征融合的衍生呼吸信号提取算法，该算法利用了 心电信号中多种与呼吸信息相关的特征进行衍生呼吸信号提取，解决了衍生呼吸信号提 取时部分呼吸信息缺失的问题。首先对原始心电信号采取去噪、去除基线等预处理，进 而利用多级Teager 能量算法定位R 波位置以及P 波峰值、Q 波峰值、S 波峰值、T 波峰 值，然后按照心拍提取特征变量。通过将呼吸诱发的 5 种ECG 特征变量和心率变异性 信号组成输入变量，即各个特征变量的振幅峰值和RR 间期，利用主成分分析方法求取 其主成分，根据比率阈值对求出来的主成分进行融合，最后对衍生呼吸信号进行后处理。 最终将衍生呼吸信号和参考呼吸的平均呼吸率误差降低为 1.49，平均相关系数提升至 0.79 。 二、提出了基于衍生呼吸信号的睡眠呼吸暂停综合征判断算法。对基于心电信号多 特征融合获取的衍生呼吸信号提取时频域特征，然后引入支持向量机实现了呼吸暂停事 件的分类并验证了效性。时域特征为衍生呼吸信号的平均值，标准差2 个特征，频域特 征为呼吸信号功率谱密度产生的32 个系数特征，将时频域34 个特征用于分类。选用基 于主成分分析的单一特征提取的衍生呼吸信号和基于 R 波峰值方法获取的衍生呼吸信 号的时频特征作为对比组。将支持向量机作为该算法的分类器，选用四种核函数：线性 Ⅰ 河北大学硕士学位论文 核函数、多项式核、sigmoid 核、径向基核函数进行分类，最终确定选用心电信号多特征 融合的衍生呼吸信号提取的特征在以径向基核函数作为核函数时效果最好，呼吸暂停事 件判断准确率为92.29%，灵敏度为90.44%，F 值为93.51% 。 本文工作针对呼吸信号的提取算法及其在睡眠暂停中的应用展开研究，为后续对于 呼吸的便携式检测以及睡眠呼吸暂停疾病的检测提供了可靠基础。 关键词 睡眠呼吸暂停综合征 心电图 呼吸信号 支持向量机 主成分分析 II Abstract Abstract Sleep apnea syndrome （SAS ）is a common sleep disease, which seriously affects peoples sleep quality. In recent years, sleep apnea syndrome has attracted more and more doctors or scholars attention. The gold standard for the diagnosis of sleep apnea syndrome disease is to use the multi-channel sleep detector to detect all night and judge the disease according to the characteristic