使用多功能鼻细分和深度学习进行OSAHS的非接触性查
Xi Xu1,2, Yinghua Gan2, Xinpan Yuan2
1Hunan Provincial Key Laboratory of Intelligent Information Perception and Processing Technology, Hunan University of Technology, Zhuzhou 412007, China.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究引入了一种两阶段的AI框架,用于使用打声音检测阻塞性睡眠呼吸暂停-呼吸暂停综合征 (OSAHS). 该系统准确地识别了打,并对OSAHS进行了分类,为家庭查提供了潜力.
科学领域:
- 生物医学工程 生物医学工程
- 睡眠医学 睡眠医学
- 人工智能的人工智能
背景情况:
- 阻塞性睡眠呼吸暂停-呼吸暂停综合征 (OSAHS) 是一种常见的疾病,与显著的心血管和代谢风险有关.
- 之前对OSAHS打分析的研究往往专注于单独检测或分类.
研究的目的:
- 开发和评估一个两阶段框架,用于综合检测打事件和OSAHS分类.
- 通过对打进行声学分析,加强对OSAHS的自动查.
主要方法:
- 创建了一个自适应的多功能融合终点检测 (AMFF-ED) 算法,用于精确的打细分.
- 一个混合深度神经网络,ERBG-Net (ECA-ResNet18 + Bi-GRU),被开发用于打声音的分类.
- 鼻样本被转换为Mel光谱图,并通过深度学习模型进行处理.
主要成果:
- 该AMFF-ED算法在打细分方面实现了96.4%的准确性.
- ERBG-Net模型显示了95.84%的分类准确度和94.82%的F1评分.
- 该框架成功地整合了与OSAHS相关的打的检测和分类.
结论:
- 拟议的两阶段框架提供了准确的打检测和OSAHS分类.
- 这种方法对开发自动化,家庭查工具来发现阻塞性睡眠呼吸暂停-呼吸暂停综合征充满希望.
- 先进的信号处理和深度学习的整合为睡眠障碍分析提供了一种新的方法.
