一种针对睡眠呼吸暂停的细粒度诊断方法,基于使用SpO2和鼻空气流的目标检测网络
IEEE journal of biomedical and health informatics
|September 29, 2025
概括
这项研究引入了一种用于睡眠呼吸暂停诊断的新型呼吸暂停-呼吸暂停事件检测器 (AHE-Detector). 该AHE-Detector精确识别异常呼吸事件,并估计关键的临床指标,优于现有的方法.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 睡眠医学 睡眠医学
背景情况:
- 目前的睡眠呼吸暂停诊断工具优先考虑呼吸暂停-呼吸暂停指数 (AHI) 估计和严重程度分类.
- 现有的方法往往忽略了异常呼吸事件的精确注释.
研究的目的:
- 开发一种精细的诊断方法,用于准确检测睡眠呼吸暂停事件和评估临床指标.
- 引入呼吸暂停-呼吸暂停事件检测器 (AHE-Detector) 以加强睡眠暂停诊断.
主要方法:
- 提出了一个基于目标检测原则的新型AHE-Detector模型.
- 来自脉冲氧和和鼻腔气流信号的融合时间频率特征.
- 采用了三模块架构:特征融合,多尺度特征提取和事件预测.
主要成果:
- 在连续时间轴上,AHE-Detector准确地识别异常呼吸事件.
- 在检测事件,区分低呼吸和呼吸暂停以及分类呼吸暂停亚型方面取得了相当大的表现.
- 能够准确地同时估计AHI和呼吸暂停-呼吸暂停事件持续时间指数.
结论:
- 该AHE-Detector在睡眠呼吸暂停诊断方面取得了重大进展.
- 这种方法是第一个准确且同时估计两个关键睡眠呼吸暂停临床指标的方法.
- 在事件检测,临床指数估计和严重程度分类方面表现优于现有方法.


