基于心電信號(hào)的睡眠呼吸暫停綜合征檢測(cè)算法.pdf

1、睡眠呼吸暫停綜合征是一種常見(jiàn)多發(fā)性睡眠疾病，影響著人們的睡眠質(zhì)量，更是高血壓、冠心病、心律失常等多種疾病的獨(dú)立危險(xiǎn)因素。近年來(lái)，關(guān)于睡眠呼吸暫停綜合征的檢測(cè)、預(yù)防以及治療方案引起受到了極大的關(guān)注。而傳統(tǒng)的睡眠呼吸暫停綜合征檢測(cè)方法就是使用多導(dǎo)睡眠圖（Polysomnogram，PSG）。這種方法要測(cè)量多路生理信號(hào)不可避免地會(huì)干擾正常睡眠而且價(jià)格昂貴操作復(fù)雜。因此提出一種簡(jiǎn)單有效的方法來(lái)檢測(cè)睡眠呼吸暫停綜合征對(duì)患者和醫(yī)生來(lái)說(shuō)都具有深遠(yuǎn)的意

2、義。
　　 本論文在研究了現(xiàn)有睡眠呼吸暫停綜合征研究檢測(cè)算法之后，提出了一種基于單通道心電信號(hào)的睡眠呼吸暫停綜合征檢測(cè)算法。本算法使用陷波器與中值濾波器來(lái)對(duì)心電信號(hào)進(jìn)行預(yù)處理，在消除工頻干擾和基線噪聲的同時(shí)保證了心電信號(hào)受損較小;在基于小波分解的QRS波檢測(cè)算法之上，提出了RR間期矯正算法，有效地降低了R波漏檢和過(guò)檢的問(wèn)題，提高了RR間期散點(diǎn)圖的集中度;在心率變異性研究基礎(chǔ)上，提出了一系列時(shí)域頻域特征值，能夠有效地表征睡眠呼吸暫

3、停綜合征;在分類問(wèn)題上，采用支持向量機(jī)（Support Vector Machine，SVM）的分類方法，以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則，有效地解決了傳統(tǒng)機(jī)器學(xué)習(xí)方法過(guò)學(xué)習(xí)的問(wèn)題，保證了分類模型的泛化能力;在評(píng)價(jià)分類模型的性能指標(biāo)時(shí)，本文使用F值法，解決了敏感度和特異度的矛盾問(wèn)題。
　　 經(jīng)MIT-BIH權(quán)威數(shù)據(jù)庫(kù)(Apnea-ECG database)檢測(cè)表明，本論文算法在訓(xùn)練集和測(cè)試集上的準(zhǔn)確率分別為94.44％和87.82％，達(dá)到