一种基于深度残差网络模型的睡眠呼吸暂停识别方法

作者：刘洪涛^*; 王伟; 胡少娴; 刘斌

来源：世界睡眠医学杂志, 2022, 9(01): 13-17.

• 睡眠呼吸暂停综合征
• 深度残差网络
• 心电图

目的:睡眠呼吸暂停综合征是由于睡眠时上气道通气不畅或堵塞等引起呼吸暂停和低通气，严重影响了人类的健康和正常生活。目前，相关检测的金标准是多导睡眠监测，但因诸多限制不能有效推广，因此，设计一种使用方便、准确性高的睡眠呼吸暂停监测方法显得尤为迫切和重要。方法:本方案设计了一种基于深度残差网络(Res Net)模型的算法，实现了睡眠呼吸暂停综合征的准确判断。在方案设计中，首先通过对数据的时间相关性处理，增加数据的表达能力，然后设计基于Res Net的深层网络，进行模型训练，准确实现了睡眠呼吸暂停识别。结果:本方案使用Apnea-ECG数据库进行模型开发和验证。结果显示采用本方案，单分钟睡眠呼吸暂停综合征的10折交叉验证平均正确率、灵敏度、特异性、精度分别为95.33%、92.86%、96.84%、95%。结论:本文所述的睡眠呼吸暂停识别方法，可以有效检测睡眠呼吸暂停事件，相比于现有的公开结果有明显提高。