基于多维睡眠体征信号特征图的鼾声分类方法

摘要

提出一种基于多维度睡眠体征信号融合的自动鼾声分类方法，通过对睡眠声学信号、血氧饱和度及脉率进行分析，提升病理性鼾声的分类准确率。首先，对整晚的睡眠信号进行鼾声片段检测，并对数据进行预处理；其次，提取声学信号的时、频、倒谱域特征以及血氧饱和度、脉率的波动特征，再应用Relief-F算法筛选最优特征集映射为纹理特征图；最后，应用卷积神经网络进行鼾声分类识别。实验结果表明血氧饱和度与脉率信号的特征分析使得分类模型对病理性鼾声的识别能力显著增强，该方法对病理性鼾声分类准确率达98.8%，优于传统的鼾声分类方法和其他基于图像的分类模型，可以为鼾声检测及睡眠疾病辅助诊断提供新的思路和方法。

关键词

鼾声分类 / 睡眠体征信号 / 特征提取 / 卷积神经网络

基金资助

国家自然科学基金（61901393）; 湖南省教育厅科学研究项目（24C1214）