基于图卷积神经网络的低通气和呼吸暂停自动识别系统
- 专利权人:
- 杭州电子科技大学
- 发明人:
- 岳克强,李瑞雪,王超,李懿霖,陈石,李文钧
- 申请号：
- CN202111160071.4
- 公开号：
- CN113749622A
- 申请日:
- 2021.09.30
- 申请国别(地区):
- CN
- 年份:
- 2021
- 代理人:
- 摘要：
- 本发明公开了基于图卷积神经网络的低通气和呼吸暂停自动识别系统，通过麦克风阵列采集正常人和鼾症患者整晚睡眠呼吸声音；对采集的原始数据进行降噪后，利用端点检测算法提取潜在鼾声片段，并进行标记；利用可视图方法将鼾声数据的时间特性转换为网络结构，构建图卷积神经网络模型识别三种不同类型的鼾声；对模型分类结果进行统计，计算受试者整晚睡眠呼吸暂停低通气指数AHI，以辅助完成对阻塞性睡眠呼吸暂停低通气综合征OSAHS患者的诊断与评估。本发明的系统避免了人工特征设计困境，可用于对专业性要求不高的居家等场景，辅助实现OSAHS患者的早期筛选与病情评估。
- 来源网站：
- 中国工程科技知识中心
