基于1D-Res&SENet的呼吸暂停检测

摘要

针对现有呼吸暂停检测多是利用呼吸信号样本提取的时频特征进行分类的现状，本文提出了一种1DRes&SENet分类模型，该模型以完整的呼吸信号波形为输入，通过一维卷积神经网络提取特征，加入残差网络结构减轻梯度消失和网格退化，同时考虑各通道特征重要性不同的特点，引入SE注意力机制发现并加强特征通道之间的关联信息，提升呼吸暂停检测的准确率．实验结果表明，加入残差网络以及SENet模块后，模型的准确率、召回率、特异性分别提升了2.0%、4.9%和1.7%.

关键词

呼吸暂停 / 一维卷积神经网络 / SENet / 残差网络 / 毫米波雷达