阻塞性睡眠呼吸暂停低通气综合症筛查方法及其装置

摘要

本发明涉及一种阻塞性睡眠呼吸暂停低通气综合症(OSAHS)筛查方法及其装置，利用鼾声的共振峰特性作为筛查OSAHS的技术指标；本发明首先用短时能量法分离出鼾声段，之后用LPC建模，求得LPC的预测系数之后利用求根法求得鼾声段的第一共振峰频率，由于不同模式的共振峰频率的范围不同，可以用来区分不同的鼾声段，我们利用K均值将每一个打鼾者的所有第一共振峰频率分类，根据分类结果确定个体化的区分正常鼾声和不正常鼾声的阈值；然后模拟PSG中的AHI指标求得一小时内呼吸暂停和低通气的平均次数。根据OSAHS的评判标准来判断此数据段是正常情况的鼾声还是患有OSAHS的鼾声。本发明提供一种低成本、适用性强、操作简单、非接触的OSAHS筛查装置及其方法。

主权项

一种阻塞性睡眠呼吸暂停低通气综合症筛查方法，其特征在于，包括：第一步：接收带噪鼾声数据，对其进行分帧处理，将鼾声数据分为有多个重叠的鼾声帧，并计算每个鼾声帧的短时能量，得到每一个鼾声帧的短时能量；第二步：利用双门限法进行鼾声段的端点检测，认为有声段的声音是鼾声数据；第三步：将每一帧的鼾声数据通过一个60‑1000Hz的带通滤波器，并对每一帧鼾声加窗处理；本发明中我们仅利用鼾声的第一共振峰参数，而第一共振峰频率的分布范围在60‑1000Hz范围内，因此将每一帧鼾声数据通过60‑1000Hz的带通滤波器；为了减少频域中由于加窗造成的频谱泄露问题，使用如下式所示的窗函数： w ( n ) = 0.54 - 0.46 * cos ( i - 1 ) * 2 * π / 512 0 < i ≤ 256 1 256 < i ≤ 768 0.54 - 0.46 * cos ( i - 1 ) * 2 * π / 512 768 < i ≤ 1024 实际处理的是中间的512个点，弱化两端的256点；第四步：共振峰的提取是在AR模型基础之上进行的，将上气道看作是一个P阶的AR模型，并求出每一帧的第一共振峰频率；估计每一帧预处理后鼾声的第一共振峰频率；将产生鼾声数据的上气道模型看作是一个全极点的AR模型，用公式表示为 H ( z ) = 1 / 1 - Σ i = 1 p a i z - i 其中P为AR模型的阶数，ai为线性预测(LPC)系数，通过利用 Levinson‑Durbin递推算法求解Yule‑Walker方程得到预测系数；根据所述的AR模型预测系数估计第一共振峰频率，计算公式为：F1＝fs×θ1/2π式中fs表示采样率，θ1表示AR模型中第一个极点的相位；第五步：将打鼾者整晚鼾声的第一共振峰频率用K均值聚类算法分为两类，其中较小的聚类中心可以看作是该打鼾者的基准频率，每一个打鼾者的个体化阈值设定为2.2倍的基准频率，用来区分每一个打鼾者的鼾声是正常鼾声还是不正常鼾声；第六步：如果每一个鼾声段中最大第一共振峰频率高于个体化阈值，就将该帧所在的鼾声段认为是不正常的鼾声段，否则就认为是正常的鼾声，统计一小时内不正常鼾声段得个数，如果高于判断标准就初步认为是阻塞性睡眠呼吸暂停低通气综合症打鼾者，反之就认为是正常的打鼾者。