【摘要】：睡眠呼吸暫停是一種由于反復較長時間呼吸停止導致睡眠連續(xù)性中斷和短暫的血氧含量降低及二氧化碳含量增高的嚴重疾病,而阻塞性睡眠呼吸暫停(obstructive sleep apnea,OSA)又是其中最常見的一種類型,系由睡眠中反復出現(xiàn)的喉部或上氣道閉合引起的。多導睡眠監(jiān)測(Polysomnography,PSG)是OSA診斷的“黃金標準”,然而為患者實施PSG診斷是困難和昂貴的。因此,迫切需要一種快速有效的檢測阻塞性睡眠呼吸暫停事件的方法。鼾聲是阻塞性睡眠呼吸暫停的基本信號,攜帶著有關(guān)于上呼吸道阻塞的信息,準確分析和評估潛在OSA患者的鼾聲,對OSA的診斷具有良好的指導作用。因此本文從鼾聲聲學分析入手,提出了OSA的檢測算法,本文主要工作內(nèi)容如下:首先僅使用梅爾頻率倒譜系數(shù)(Mel Frequency Cepstral Coefficents,MFCC)特征,并基于棧式自編碼網(wǎng)絡(luò)(Stacked Autoencoder,SAE)進行模型的搭建,通過從睡眠聲音記錄中分類不同的事件(打鼾,OSA和靜默)來評估所提出模型的性能。然后深入挖掘特征和模型結(jié)構(gòu),增加線性預測系數(shù)(linear predict coefficient,LPC)特征并基于混合神經(jīng)網(wǎng)絡(luò)(hybrid neural network,HNN)來進行模型的搭建。將模型的分類結(jié)果與正確標注進行比較,提出的模型,對于打鼾事件的檢測,能夠達到90.65%的靈敏度,對于OSA的檢測可以達到90.99%的靈敏度,對于靜默事件的檢測可以達到90.30%的靈敏度,結(jié)果表明該模型可以為診斷OSA提供一定的依據(jù)。
【圖文】：

HOlter檢查l1’]

--1PSO診斷tIN
【學位授予單位】：天津工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP183;R766

【相似文獻】

相關(guān)期刊論文 前10條

1 陳世君;林自葵;劉志高;;基于混合神經(jīng)網(wǎng)絡(luò)的鐵路材料消耗預測方法研究[J];鐵道工程企業(yè)管理;2009年05期

2 林晶;;一種基于混合神經(jīng)網(wǎng)絡(luò)的抽取式文本摘要方法[J];懷化學院學報;2017年05期

3 蔣洪波;;混合神經(jīng)模擬[J];中國臨床康復;2006年18期

4 楊連玉,楊文艷,錢劍,王哲;豬下丘腦混合神經(jīng)細胞培養(yǎng)研究初探[J];吉林農(nóng)業(yè)大學學報;2003年04期

5 安凱;混合神經(jīng)網(wǎng)絡(luò)及其在非線性系統(tǒng)控制中的應用[J];光電工程;2000年05期

6 陳世君;林自葵;劉志高;;基于混合神經(jīng)網(wǎng)絡(luò)的鐵路材料消耗的預測方法研究[J];鐵道建筑技術(shù);2009年S2期

7 鄭濤;楊昆;;基于混合神經(jīng)網(wǎng)絡(luò)的多機驅(qū)動系統(tǒng)的協(xié)調(diào)控制[J];化工自動化及儀表;2016年02期

8 周洪煜,張堅,游立科,張峰;基于混合神經(jīng)網(wǎng)絡(luò)的非線性預測函數(shù)控制[J];控制理論與應用;2005年01期

9 徐雪松,胡吉全;基于混合神經(jīng)網(wǎng)絡(luò)的門座起重機變幅機構(gòu)參數(shù)優(yōu)化設(shè)計[J];機械工程學報;2005年04期

10 劉燕,張學慶,楊紹國;一種混合神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應用[J];光學與光電技術(shù);2003年04期

相關(guān)會議論文 前1條

1 司馬蕾;樊碧發(fā);;神經(jīng)病理性癌痛的臨床特點與現(xiàn)狀控制的調(diào)查研究[A];中華醫(yī)學會疼痛學分會第十屆學術(shù)年會論文集[C];2013年

相關(guān)博士學位論文 前1條

1 MARY OPOKUA ANSONG;基于復雜系統(tǒng)模型的地下采礦無線傳感器網(wǎng)絡(luò)中的優(yōu)化混合神經(jīng)網(wǎng)絡(luò)[D];江蘇大學;2014年

相關(guān)碩士學位論文 前10條

1 康兵兵;基于混合神經(jīng)網(wǎng)絡(luò)的鼾聲和睡眠呼吸暫停綜合征檢測[D];天津工業(yè)大學;2019年

2 彭曉琪;基于混合神經(jīng)網(wǎng)絡(luò)的人機情感會話研究[D];合肥工業(yè)大學;2018年

3 李妙用;基于混合神經(jīng)網(wǎng)絡(luò)的股票預測系統(tǒng)研究[D];華南理工大學;2011年

4 許興華;基于混合神經(jīng)網(wǎng)絡(luò)的非線性動態(tài)系統(tǒng)建模[D];北京化工大學;2006年

5 張鵬飛;基于混合神經(jīng)網(wǎng)絡(luò)技術(shù)的風功率預測研究[D];沈陽工業(yè)大學;2015年

6 權(quán)亞蕾;基于混合神經(jīng)網(wǎng)絡(luò)的汽輪發(fā)電機組振動故障診斷研究[D];上海電力學院;2015年

7 劉軍利;混合神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應用研究[D];西北大學;2005年

8 區(qū)永強;基于網(wǎng)格的混合神經(jīng)網(wǎng)絡(luò)計算平臺研究與實現(xiàn)[D];華南理工大學;2010年

9 羅練海;基于Hadoop的混合神經(jīng)網(wǎng)絡(luò)計算平臺研究與實現(xiàn)[D];華南理工大學;2016年

10 艾俊;基于Spark混合神經(jīng)網(wǎng)絡(luò)的手寫字識別研究[D];中南林業(yè)科技大學;2016年

，

本文編號：2640060