基于深度学习的睡眠呼吸事件检测 |
| |
引用本文: | 杨倩茹,李金莲,付洺宇,侯凤贞.基于深度学习的睡眠呼吸事件检测[J].南京晓庄学院学报,2023(6):72-81. |
| |
作者姓名: | 杨倩茹 李金莲 付洺宇 侯凤贞 |
| |
作者单位: | 1. 中国药科大学理学院;2. 南京晓庄学院环境科学学院 |
| |
基金项目: | 国家自然科学基金(11974231); |
| |
摘 要: | 睡眠呼吸暂停、低通气等异常生理事件严重影响着人们的睡眠质量与生命健康,准确高效地检测此类事件是预防及诊断睡眠相关疾病的基础。本文基于双向长短时记忆网络,组合使用口鼻气流、胸部活动和腹部活动三种生理信号,构建多输入睡眠呼吸事件检测模型。模型的训练和测试在都柏林大学学院睡眠呼吸暂停数据集(UCD)和美国国家睡眠研究资源数据集(HeartBEAT)上进行。实验结果显示,本文构建的多输入模型可有效识别睡眠呼吸事件,在UCD数据集上的准确率达87.98%,ROC曲线下面积达0.964;在HeartBEAT上的准确率达88.49%,ROC曲线下面积达0.963。此外,本文发现腹部活动信号在模型构建中具有较高的贡献度,表明了将腹部活动信号用于睡眠呼吸事件检测的必要性,为进一步开发睡眠呼吸疾病的自动筛查工具提供了参考。
|
关 键 词: | 睡眠呼吸暂停 低通气 多导睡眠图 深度学习 双向长短时记忆网络 |
|
|