提出一种基于血氧饱和度和心电图信号的多模态阻塞性睡眠呼吸暂停（OSA）检测方法。首先，提取血氧饱和度和心电图信号的经验特征，并利用皮尔逊相关系数获得最优特征集；然后，利用卷积网络（CNN）生成深层特征以挖掘不同模态间的潜在相关性；最后，构建堆叠的轻量级梯度提升机（LightGBM），以提高分类器检测精度。在公开数据集Apnea-ECG上进行四折交叉验证，平均准确性、敏感性和特异性分别为96.04%、96.44%和96.22%，相较于决策层融合有较高的分类性能。
科研之友
微信
新浪微博
Facebook
分享链接
