微動敏感床墊信號中體動信息的分類識別.pdf

1、睡眠是人體重要的生理狀態(tài)，人的生命中有三分之一的時間是在睡眠中度過的，睡眠質(zhì)量對人的健康至關(guān)重要。有資料顯示，在我國約有3000萬人患有睡眠呼吸暫停低通氣綜合征（Sleep Apnea Hypopnea Syndrome，SAHS），成年人中，男性的發(fā)病率為4％，女性的發(fā)病率為2％。此外，20年來醫(yī)學(xué)研究已經(jīng)證明，現(xiàn)代人類的許多重大疾病，如高血壓、冠心病、心律失常、糖尿病、心腦血管意外，以及精神心理疾患等，往往與睡眠中常發(fā)生的睡眠呼吸暫

2、停綜合征有關(guān)。因此，睡眠監(jiān)測技術(shù)已成為現(xiàn)代醫(yī)學(xué)診斷中不可缺少的內(nèi)容。 體動作為人類睡眠分析中的主要記錄參數(shù)之一，被認為是評價睡眠質(zhì)量的重要因素。頻繁的體動會嚴重影響我們的睡眠，因為它伴隨覺醒事件的發(fā)生，從而導(dǎo)致睡眠質(zhì)量的下降。睡眠過程中的體動可以用來監(jiān)測睡眠呼吸暫停以及新生兒出現(xiàn)的肌肉痙攣等。目前，國內(nèi)外對體動信息的無約束測量研究正如雨后春筍般不斷興起。但從目前來看，還沒有一套完整的非約束低負荷睡眠過程中體動的識別與分類方法。

3、 眾所周知，人在夜間睡眠時的體動次數(shù)與睡眠結(jié)構(gòu)之間有著緊密的聯(lián)系。事實上，體動信號中還包含有很多與人體生理、心理狀態(tài)有關(guān)的重要信息，對這些信息的深入挖掘定將推動睡眠評價進入一個嶄新的階段。本文從這一主旨出發(fā)，研究體動信息的分類識別策略和實現(xiàn)方法，進而用于評價睡眠質(zhì)量和輔助診斷睡眠呼吸暫停綜合征。 本研究在微動敏感床墊式睡眠監(jiān)測系統(tǒng)的平臺上展開，主要完成了以下幾個方面的工作： （1）建立了基于16位A/D的新一代床墊式

4、睡眠監(jiān)測系統(tǒng)信號預(yù)處理方法。在分析濾波器基本原理的基礎(chǔ)上，對工程中濾波器的設(shè)計作了簡單介紹，并從實際應(yīng)用的角度考慮了設(shè)計濾波器應(yīng)該著重注意的問題及解決方法，進而設(shè)計出合理有效的濾波器對從硬件系統(tǒng)中取得的原始信號進行預(yù)處理，分離出多路反映人體基本生理參數(shù)的信號，為之后的各項研究工作奠定了良好的信號基礎(chǔ)。 （2）實現(xiàn)了完整的非約束睡眠狀態(tài)下體動信息的分類識別。針對該目標，我們首先完成了床墊系統(tǒng)信號的特征提取和參數(shù)量化，之后，制定了分層

5、體動分類方案，并從無指導(dǎo)的分類和有指導(dǎo)的分類這兩個不同的角度，來尋找分類方法。文中接下來就詳細闡述了利用兩種方法，即窗口閾值判別法和機器學(xué)習(xí)算法進行體動分類的過程。 （3）設(shè)計了對比實驗對兩種方法得到的體動類別進行準確度檢驗。實驗中采用攝像頭同步記錄受試者夜間的視頻信息，通過人工識別的方法對窗口閾值判別法得到的體動標識進行了分析和比較。對于機器學(xué)習(xí)方法得到的分類結(jié)果，同樣采用人工生成的數(shù)據(jù)集進行交叉驗證，用誤差率/正確率這一參數(shù)來

6、評估實驗結(jié)果。 （4）利用麥克風(fēng)同步記錄的鼾聲信號對軟件自動判別的呼吸事件進行了修正。首先利用基于短時能量的語音信號端點檢測方法得到鼾聲有聲-無聲段的標識，之后確立規(guī)則，將端點檢測的結(jié)果用于呼吸事件位置和長度的修正，實現(xiàn)了呼吸事件的準確檢測。 （5）根據(jù)體動的分類結(jié)果進行了顯著體動時的呼吸波補償，并用于糾正由大動引起的呼吸事件誤判的情形。首先利用本文得到的體動的分類結(jié)果尋找顯著體動發(fā)生的區(qū)間，之后設(shè)計模板補償法對大動發(fā)生時的