睡眠质量检测方法、装置、计算机设备及可读存储介质与流程

技术特征：
1.一种睡眠质量检测方法，其特征在于，包括：获取待测呼吸声信号，将待测呼吸声信号按照预设时长分成多个呼吸声信号片段；将多个所述呼吸声信号片段输入睡眠质量检测模型，所述睡眠质量检测模型输出各个所述呼吸声信号片段对应的标签，其中，所述睡眠质量检测模型是以给定的呼吸声信号片段和对应的标签为样本训练以一维或多维信号作为输入的特征金字塔卷积神经网络得到的，所述标签包括呼吸暂停低通气事件的起始时刻和结束时刻；根据检测到的呼吸暂停低通气事件的次数确定睡眠质量。2.如权利要求1所述的睡眠质量检测方法，其特征在于，将待测呼吸声信号按照预设时长分成多个呼吸声信号片段，包括：将待测呼吸声信号按照预设分钟时长分成多个所述呼吸声信号片段，相邻的呼吸声信号片段之间不存在重叠。3.如权利要求1所述的睡眠质量检测方法，其特征在于，还包括：将给定的呼吸声信号片段组成的给定呼吸声信号与多导睡眠监测数据在时间轴上对齐，根据多导睡眠监测数据中标注的呼吸暂停低通气事件的时间信息，得到各个给定的呼吸声信号片段对应的标签。4.如权利要求1至3中任一项所述的睡眠质量检测方法，其特征在于，所述标签还包括呼吸暂停低通气事件的类型。5.如权利要求1至3中任一项所述的睡眠质量检测方法，其特征在于，所述以一维或多维信号作为输入的特征金字塔卷积神经网络包括：特征提取层和特征融合层，其中，所述特征提取层是包括至少两个卷积层和至少两个池化层的卷积神经网络，一个卷积层作为所述特征提取层的输入端，另一个卷积层作为所述特征提取层的输出端，输出的特征长度比输入的特征长度减小预设倍数，所述特征提取层的输出数据作为所述特征融合层的输入数据；所述特征融合层包括至少两个辅助卷积层，一个辅助卷积层包括的卷积层和反卷积层作为特征融合层的输入端，另一个辅助卷积层包括的卷积层和反卷积层作为特征融合层的输出端，相邻两个辅助卷积层中前一个辅助卷积层的卷积层的输出作为后一个辅助卷积层的卷积层和反卷积层的输入，每个辅助卷积层的反卷积层作为所述特征融合层的输出端，每个辅助卷积层的反卷积层作为输出端输出的数据为反卷积层的输出数据叠加上位于反卷积层前边第三个卷积层的输出数据；所述特征融合层输出的数据为所述睡眠质量检测模型的输出数据。6.一种睡眠质量检测装置，其特征在于，包括：信号处理模块，用于获取待测呼吸声信号，将待测呼吸声信号按照预设时长分成多个呼吸声信号片段；事件检测模块，用于将多个所述呼吸声信号片段输入睡眠质量检测模型，所述睡眠质量检测模型输出各个所述呼吸声信号片段对应的标签，其中，所述睡眠质量检测模型是以给定的呼吸声信号片段和对应的标签为样本训练以一维或多维信号作为输入的特征金字塔卷积神经网络得到的，所述标签包括呼吸暂停低通气事件的起始时刻和结束时刻；睡眠质量检测模块，用于根据检测到的呼吸暂停低通气事件的次数确定睡眠质量。
7.如权利要求6所述的睡眠质量检测装置，其特征在于，所述信号处理模块，还用于将待测呼吸声信号按照预设分钟时长分成多个所述呼吸声信号片段，相邻的呼吸声信号片段之间不存在重叠。8.如权利要求6所述的睡眠质量检测装置，其特征在于，还包括：标签确定模块，用于将给定的呼吸声信号片段组成的给定呼吸声信号与多导睡眠监测数据在时间轴上对齐，根据多导睡眠监测数据中标注的呼吸暂停低通气事件的时间信息，得到各个给定的呼吸声信号片段对应的标签。9.如权利要求6至8中任一项所述的睡眠质量检测装置，其特征在于，所述以一维或多维信号作为输入的特征金字塔卷积神经网络包括：特征提取层和特征融合层，其中，所述特征提取层是包括至少两个卷积层和至少两个池化层的卷积神经网络，一个卷积层作为所述特征提取层的输入端，另一个卷积层作为所述特征提取层的输出端，输出的特征长度比输入的特征长度减小预设倍数，所述特征提取层的输出数据作为所述特征融合层的输入数据；所述特征融合层包括至少两个辅助卷积层，一个辅助卷积层包括的卷积层和反卷积层作为特征融合层的输入端，另一个辅助卷积层包括的卷积层和反卷积层作为特征融合层的输出端，相邻两个辅助卷积层中前一个辅助卷积层的卷积层的输出作为后一个辅助卷积层的卷积层和反卷积层的输入，每个辅助卷积层的反卷积层作为所述特征融合层的输出端，每个辅助卷积层的反卷积层作为输出端输出的数据为反卷积层的输出数据叠加上位于反卷积层前边第三个卷积层的输出数据；所述特征融合层输出的数据为所述睡眠质量检测模型的输出数据。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的睡眠质量检测方法。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至5中任一项所述的睡眠质量检测方法的计算机程序。

技术总结
本发明实施例提供了一种睡眠质量检测方法、装置、计算机设备及可读存储介质，其中，该方法包括:获取待测呼吸声信号，将待测呼吸声信号按照预设时长分成多个呼吸声信号片段；将多个所述呼吸声信号片段输入睡眠质量检测模型，所述睡眠质量检测模型输出各个所述呼吸声信号片段对应的标签，其中，所述睡眠质量检测模型是以给定的呼吸声信号片段和对应的标签为样本训练以一维或多维信号作为输入的特征金字塔卷积神经网络得到的，所述标签包括呼吸暂停低通气事件的起始时刻和结束时刻；根据检测到的呼吸暂停低通气事件的次数确定睡眠质量。该方案可以提高睡眠质量检测的效率,有利于提高睡眠质量检测的准确性。于提高睡眠质量检测的准确性。于提高睡眠质量检测的准确性。


技术研发人员：王兴军 艾浩 覃诚 贾进滢
受保护的技术使用者：东莞见达信息技术有限公司
技术研发日：2020.10.10
技术公布日：2022/4/12