一种睡眠呼吸暂停综合检测方法、装置、设备及存储介质与流程

1.本发明涉及睡眠检测技术领域，尤其涉及一种睡眠呼吸暂停综合检测方法、装置、设备及存储介质。


背景技术：

2.睡眠呼吸暂停综合征(sleep apnea)是一种在睡眠期间呼吸气流较小或停止的常见疾病，主要是由于睡眠期间，喉咙后部的舌头或者其它软组织松弛，阻塞了呼吸道，或者由于呼吸中枢受抑制、中枢神经对呼吸反馈控制不稳定导致的。全世界睡眠呼吸暂停的发病率约2％到4％，目前全球约有9.36亿人患有睡眠呼吸暂停(osa)，我国约有6000万人患有该类疾病，睡眠呼吸暂停发生时，由于机体的缺氧会导致在睡眠期间大脑反复发生微觉醒，严重影响患者的睡眠质量，因此睡眠呼吸暂停患者常常白天嗜睡。此外，睡眠呼吸暂停发生时胸腔和肺动脉压力的波动会导致血压的变化，长期的呼吸暂停会导致高血压，该病患者的常见症状为白天困倦、性格暴躁、注意力不集中，另外，长期的睡眠呼吸暂停容易引发高血压、冠心病、脑血栓等一系列心脑血管疾病。因此，睡眠呼吸暂停的及时诊断具有很重要的意义。
3.现有技术中对睡眠呼吸暂停综合征的检测通常采用根据心电信号提取的rr间期信号来进行检测，基于r波检测算法，通过采集到的心电信号质量进行对睡眠呼吸暂停综合征的检测。
4.但是，根据心电信号提取的rr间期信号来进行检测的方法，非常依赖采集到的心电信号质量和r波检测算法准确性，当心电信号出现干扰时会出现误检，如伪影信号的干扰造成误检，从而造成检测错误。


技术实现要素：

5.有鉴于此，有必要提供一种睡眠呼吸暂停综合检测方法、装置、设备及存储介质，用以解决现有技术中在睡眠呼吸暂停检测时仅利用心电信号检测，心电信号的抗干扰能力差从而容易造成误检的问题。
6.为达到上述技术目的，本发明采取了以下技术方案：
7.第一方面，本发明提供了一种睡眠呼吸暂停综合检测方法，包括：
8.根据历史检测信息确定待检测样本的睡眠呼吸检测阈值；
9.采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理，并对预处理后的睡眠特征信号进行编码；
10.建立心拍时序网络模型和呼吸时序网络模型，将编码后的睡眠特征信号输入心拍时序网络模型和呼吸时序网络模型得到心拍时序特征值和呼吸时序特征值；
11.根据睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值确定检测结果。
12.优选的，睡眠特征信号包括心电信号、呼吸信号和血氧信号；对睡眠特征信号进行预处理，包括：
13.对心电信号进行第一预设频率范围带通滤波，并对滤波后的心电信号进行质量评估；
14.对呼吸信号进行第二预设频率范围带通滤波，并对滤波后的呼吸信号进行质量评估；
15.对血氧信号进行第三预设频率范围低通滤波，并对滤波后的血氧信号进行质量评估；
16.其中，质量评估的结果为可接受和不可接受。
17.优选的，对预处理后的睡眠特征信号进行编码，包括：
18.根据心电信号确定心拍序列和空间心电向量环，对空间心电向量环进行编码得到空间心电向量环总编码；
19.根据心拍序列提取血氧信号各采集通道的交流电压和直流电压，交流电压和直流电压之比为血氧信号编码；
20.从预处理后的呼吸信号提取吸气相和呼气相，分别对吸气相和呼气相进行编码得到呼吸信号编码。
21.优选的，根据心电信号确定心拍序列和空间心电向量环，对空间心电向量环进行编码得到空间心电向量环总编码，包括：
22.基于r波检测，根据质量评估结果为可接受的心电信号确定心拍序列；
23.根据预设变换矩阵将心拍序列转换为空间心电向量环；
24.确定空间心电向量环的实际采样长度，并进行归一化处理；
25.对归一化后的空间心电向量环进行编码得到空间心电向量环编码；实际采样长度和空间心电向量环编码构成所述空间心电向量环总编码。
26.优选的，对睡眠特征信号进行预处理之后计算呼吸率，包括：
27.当呼吸信号质量评估结果为可接受时，通过预设计算方法根据呼吸信号计算呼吸率；
28.当呼吸信号质量评估结果为不可接受且心电信号质量评估结果为可接受时，对预处理后的心电信号进行第四预设频率范围带通滤波，对带通滤波后的心电信号进行r波检测得到拟合曲线，通过预设计算方法根据拟合曲线计算呼吸率；
29.当呼吸信号质量评估结果为不可接受且心电信号质量评估结果为不可接受时，不计算呼吸率。
30.优选的，建立心拍时序网络模型和呼吸时序网络模型，将编码后的睡眠特征信号输入心拍时序网络模型和呼吸时序网络模型得到心拍时序特征值和呼吸时序特征值，包括：
31.建立心拍时序网络模型和呼吸时序网络模型，并对心拍时序网络模型和呼吸时序网络模型进行训练得到目标心拍时序网络模型和目标呼吸时序网络模型；
32.将血氧信号编码和空间心电向量环总编码输入目标心拍时序网络模型得到心拍时序特征值；
33.将呼吸信号编码和呼吸率输入目标呼吸时序网络模型得到呼吸时序特征值。
34.优选的，根据睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值确定检测结果，之后包括：
35.根据归一化后的空间心电向量环确定心电信号特征码；
36.被检测样本根据实际睡眠情况进行个体反馈；
37.根据被检测样本的历史数据、心电信号特征码和个体反馈进行迁移学习更新睡眠呼吸检测阈值。
38.第二方面，本发明还提供了一种睡眠呼吸暂停综合检测装置，包括：
39.阈值模块，用于根据历史检测信息确定待检测样本的睡眠呼吸检测阈值；
40.编码模块，用于采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理，并对预处理后的睡眠特征信号进行编码；
41.计算模块，用于建立心拍时序网络模型和呼吸时序网络模型，将编码后的睡眠特征信号输入心拍时序网络模型和呼吸时序网络模型得到心拍时序特征值和呼吸时序特征值；
42.检测模块，用于根据睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值确定检测结果。
43.第三方面，本发明还提供了一种电子设备，包括存储器和处理器，其中，
44.存储器，用于存储程序；
45.处理器，与存储器耦合，用于执行存储器中存储的程序，以实现上述任一种实现方式中的睡眠呼吸暂停综合检测方法中的步骤。
46.第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述任一种实现方式中的睡眠呼吸暂停综合检测方法中的步骤。
47.采用上述实施例的有益效果是：本发明提供的一种睡眠呼吸暂停综合检测方法、装置、设备及存储介质，先对获取的历史检测信息进行分析计算，确定出睡眠呼吸检测阈值；然后采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理以及编码；再建立神经网络模型，将编码后的睡眠特征信号输入至神经网络模型得到心拍时序特征值和呼吸时序特征值；最后结合睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值判断被检测样本是否出现睡眠呼吸暂停现象。本发明针对不同被检测样本，确定不同检测样本的睡眠呼吸检测阈值，消除了样本的个体差异对检测结果的影响，提高了检测的准确性；采集多个待检测样本的睡眠特征信号，并通过神经网络模型，根据睡眠特征信号提取出对被检测样本检测结果有决定性影响的心拍时序特征值和呼吸时序特征值，进一步提高了检测结果的准确性，且当某一个睡眠特征信号出现干扰时，对检测结果的影响小，再结合睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值得到检测结果，通过多个数据综合检测，再次提高了检测结果的准确性。
附图说明
48.图1为本发明提供的睡眠呼吸暂停综合检测方法的一实施例的流程示意图；
49.图2为本发明提供的对睡眠特征信号进行预处理的一实施例的流程示意图；
50.图3为本发明提供的对预处理后的睡眠特征信号进行编码的一实施例的流程示意图；
51.图4为本发明提供的对心电信号进行编码的一实施例的流程示意图；
52.图5为本发明提供的对心电信号进行编码的一实施例的流程示意图；
53.图6为本发明提供的睡眠呼吸暂停综合检测装置的一实施例的结构示意图；
54.图7为本发明实施例提供的电子设备的结构示意图。
具体实施方式
55.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
56.在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
57.在对本发明的实施例进行阐述之前，对相关词语进行说明：
58.空间心电向量环是一个占有三维空间的环形结构。如果将空间心电向量环向某一平面做垂直投影，就可得到这个平面的平面向量环。以心室除极所产生的qrs空间向量环为例，将其向人体额面、横面及侧面做垂直投影，就可得到这三个面的平面向量环，平面向量环上的某一点(即这一时刻瞬间综合向量)向静息心电的额面或横面六轴系统中投影即可得到静息心电图。
59.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
60.本发明提供了一种睡眠呼吸暂停综合检测方法、装置、设备及存储介质，以下分别进行说明。
61.请参阅图1，图1为本发明提供的睡眠呼吸暂停综合检测方法的一实施例的流程示意图，本发明的一个具体实施例，公开了一种睡眠呼吸暂停综合检测方法，包括：
62.s101、根据历史检测信息确定待检测样本的睡眠呼吸检测阈值；
63.s102、采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理，并对预处理后的睡眠特征信号进行编码；
64.s103、建立心拍时序网络模型和呼吸时序网络模型，将编码后的睡眠特征信号输入心拍时序网络模型和呼吸时序网络模型得到心拍时序特征值和呼吸时序特征值；
65.s104、根据睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值确定检测结果。
66.在上述实施例中，先获取历史检测信息，历史检测信息包括样本的性别、年龄、身高、体重等基础信息以及历史呼吸暂停信息，根据待检测样本的历史检测信息生成待检测样本的睡眠呼吸检测阈值。需要说明的是，根据待检测样本的基础信息生成待检测样本的睡眠呼吸检测阈值是初始睡眠呼吸检测阈值，在对被检测样本进行反馈后对睡眠呼吸检测阈值进行更新，以提高对不同个体检测的准确性。初始睡眠呼吸检测阈值根据性别、年龄、身高、体重等基础信息设定，且并非本发明要解决的技术问题，因此，具体的设定方式不做进一步说明。
67.睡眠特征信号包括心电信号、呼吸信号和血氧信号，对这三种信号分别进行采。心电信号通过mason likar导联系统连接方式采集；呼吸信号通过胸腔阻抗法采集；血氧信号可以在不同采集点同时采集多个通道的信号。需要说明的是，这三种信号也可以通过其他方式进行采集，本发明对此不做进一步限制。采集之后再进行预处理和编码。
68.建立心拍时序网络模型和呼吸时序网络模型为神经网络模型，神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。根据建立神经网络模型和编码后的睡眠特征信号得到影响检测结果的心拍时序特征值和呼吸时序特征值。
69.将睡眠呼吸检测阈值与心拍时序特征值和呼吸时序特征值进行卷积处理，通过睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值得到最终的检测结果。
70.与现有技术相比，本实施例提供的一种睡眠呼吸暂停综合检测方法，先对获取的历史检测信息进行分析计算，确定出睡眠呼吸检测阈值；然后采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理以及编码；再建立神经网络模型，将编码后的睡眠特征信号输入至神经网络模型得到心拍时序特征值和呼吸时序特征值；最后结合睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值判断被检测样本是否出现睡眠呼吸暂停现象。本发明针对不同被检测样本，确定不同检测样本的睡眠呼吸检测阈值，消除了样本的个体差异对检测结果的影响，提高了检测的准确性；采集多个待检测样本的睡眠特征信号，并通过神经网络模型，根据睡眠特征信号提取出对被检测样本检测结果有决定性影响的心拍时序特征值和呼吸时序特征值，进一步提高了检测结果的准确性，且当某一个睡眠特征信号出现干扰时，对检测结果的影响小，再结合睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值得到检测结果，通过多个数据综合检测，再次提高了检测结果的准确性。
71.请参阅图2，图2为本发明提供的对睡眠特征信号进行预处理的一实施例的流程示意图，在本发明的一些实施例中，睡眠特征信号包括心电信号、呼吸信号和血氧信号；对睡眠特征信号进行预处理，包括：
72.s201、对心电信号进行第一预设频率范围带通滤波，并对滤波后的心电信号进行质量评估；
73.s202、对呼吸信号进行第二预设频率范围带通滤波，并对滤波后的呼吸信号进行质量评估；
74.s203、对血氧信号进行第三预设频率范围低通滤波，并对滤波后的血氧信号进行质量评估；
75.其中，质量评估的结果为可接受和不可接受。
76.在上述实施例中，第一预设频率范围为0.3～42hz，第二预设频率范围为0.01～1hz，第三预设频率范围为5hz。通过带通滤波或者低通滤波对睡眠特征信号进行预处理，去除睡眠特征信号中的噪音信号，在处理完之后还需要进行质量评估。
77.需要说明的是，信号质量评估可采用幅值超过阈值的采样点数量、幅值标准差峰度峭度、斜率超过阈值的采样点数量等进行综合判断，本发明对质量评估所用的具体方法不做进一步限制。
78.请参阅图3，图3为本发明提供的对预处理后的睡眠特征信号进行编码的一实施例的流程示意图，在本发明的一些实施例中，对预处理后的睡眠特征信号进行编码，包括：
79.s301、根据心电信号确定心拍序列和空间心电向量环，对空间心电向量环进行编码得到空间心电向量环总编码；
80.s302、根据心拍序列提取血氧信号各采集通道的交流电压和直流电压，交流电压和直流电压之比为血氧信号编码；
81.s303、从预处理后的呼吸信号提取吸气相和呼气相，分别对吸气相和呼气相进行编码得到呼吸信号编码。
82.在上述实施例中，根据心电信号可以提取出心拍序列，通过变换矩阵将心拍序列转换为空间心电向量环，通过空间心电向量环进行编码得到空间心电向量环总编码。
83.根据心拍序列截取血氧信号得到血氧信号序列，根据血氧信号序列提取当前心拍的交流电压ac和直流电压dc比值r作为血氧信号的编码。
84.需要说明的是，当光电容积脉搏波led射向皮肤，获得单色的红光和红外光通过人体组织后透射或反射的光电容积图信号(ppg)，经研究证实，在测量部位没有大幅度运动的情况下，无血组织(皮肤，骨骼，静脉血，其它组织等)对光的吸收系数是恒定的，但是由于动脉里有血液的流动，血液对光的吸收就会有所变化。将得到的信号分为直流电压信号dc和交流电压信号ac，其中dc分量不随脉动过程而变化。人体在短时间内血氧饱和度基本不变，根据已知的血氧饱和度计算公式，以及为常数的吸光系数，可得红光与红外光r值短时不变，进而推断出红光与红外光直流分量具有短时不变的特性。具体公式如下：
85.r＝(ac
red
dc
ired
)/(ac
ired
dc
red
)；
ꢀꢀ
(1)
[0086][0087]
式中在分别为不同波长情况下氧合血红蛋白对光的吸收系数；分别为不同波长情况下血红蛋白对光的吸收系数。吸光系数都是常数。
[0088]
实际工程并未使用公式(2)进行血氧值计算，而是通过大量实际数据拟合出r与血氧值的关系，本发明直接使用r作为特征点加上网络模型，由于网络模型的非线性特性，可以对数据进行非线性拟合，从而缩小从r到血氧计算的偏差。
[0089]
对呼吸信号进行编码时，从预处理之后的呼吸信号提取吸气相和呼气相，再对吸气相和呼气相根据斜率、峰/谷值个数、持续时长等参数分别进行编码。
[0090]
请参阅图4，图4为本发明提供的对心电信号进行编码的一实施例的流程示意图，在本发明的一些实施例中，根据心电信号确定心拍序列和空间心电向量环，对空间心电向量环进行编码得到空间心电向量环总编码，包括：
[0091]
s401、基于r波检测，根据质量评估结果为可接受的心电信号确定心拍序列；
[0092]
s402、根据预设变换矩阵将心拍序列转换为空间心电向量环；
[0093]
s403、确定空间心电向量环的实际采样长度，并进行归一化处理；
[0094]
s404、对归一化后的空间心电向量环进行编码得到空间心电向量环编码；实际采样长度和空间心电向量环编码构成空间心电向量环总编码。
[0095]
在上述实施例中，对质量评估结果为可接受的心电信号进行r波检测，利用r波对心电信号进行截断生成心拍序列。
[0096]
预设变换矩阵可以根据实际情况进行选择，对标准12心拍信号中i ii v1 v2 v3 v4 v5 v6转换为空间xyz三轴的转换矩阵为：
[0097]
[0098]
直接获取空间心电向量环的实际采样长度，记为l，并将其归一化为1秒，对归一化后的心电向量环进行编码，生成空间心电向量环编码a。可采用自编码器方式进行编码。空间心电向量环总编码为空间心电向量环编码 心拍长度：[al]。
[0099]
在本发明的一些实施例中，对睡眠特征信号进行预处理之后计算呼吸率，包括：
[0100]
当呼吸信号质量评估结果为可接受时，通过预设计算方法根据呼吸信号计算呼吸率；
[0101]
当呼吸信号质量评估结果为不可接受且心电信号质量评估结果为可接受时，对预处理后的心电信号进行第四预设频率范围带通滤波，对带通滤波后的心电信号进行r波检测得到拟合曲线，通过预设计算方法根据拟合曲线计算呼吸率；
[0102]
当呼吸信号质量评估结果为不可接受且心电信号质量评估结果为不可接受时，不计算呼吸率。
[0103]
在上述实施例中，预设计算方法为计算呼吸率的常规方法，如：时域峰谷值法，或频域最大能量法。需要说明的是，本发明对具体的计算方法不做进一步限制。当呼吸信号质量评估结果为可接受时，直接通过预设计算方法确定呼吸率。
[0104]
当呼吸信号质量评估结果为不可接受且心电信号质量评估结果为可接受时，可以通过心电信号来计算呼吸率。第四预设频率范围为0.01～25hz，对预处理后的心电信号进行第四预设频率范围带通滤波去除噪音，对去噪后的心电信号进行r波检测，对r波位置所在的点采用三次样条拟合为曲线，对拟合后的曲线使用预设计算方法进行呼吸率计算。
[0105]
当呼吸信号质量评估结果为不可接受且心电信号质量评估结果为不可接受时，无法计算出呼吸率，因此不进行呼吸率计算。
[0106]
请参阅图5，图5为本发明提供的对心电信号进行编码的一实施例的流程示意图，在本发明的一些实施例中，建立心拍时序网络模型和呼吸时序网络模型，将编码后的睡眠特征信号输入心拍时序网络模型和呼吸时序网络模型得到心拍时序特征值和呼吸时序特征值，包括：
[0107]
s501、建立心拍时序网络模型和呼吸时序网络模型，并对心拍时序网络模型和呼吸时序网络模型进行训练得到目标心拍时序网络模型和目标呼吸时序网络模型；
[0108]
s502、将血氧信号编码和空间心电向量环总编码输入目标心拍时序网络模型得到心拍时序特征值；
[0109]
s503、将呼吸信号编码和呼吸率输入目标呼吸时序网络模型得到呼吸时序特征值。
[0110]
在上述实施例中，作为优选的实施例，心拍时序网络模型和呼吸时序网络模型采用常规lstm网络。需要说明的是，心拍时序网络模型和呼吸时序网络模型还可以采用tcn、seq2seq、attention等模型，本发明对其不做进一步限制。
[0111]
在建立了心拍时序网络模型和呼吸时序网络模型之后，通过历史数据对心拍时序网络模型和呼吸时序网络模型进行训练优化，得到满足要求的目标心拍时序网络模型和目标呼吸时序网络模型，目标心拍时序网络模型和目标呼吸时序网络模型可以用来确定准确的特征值，提高检测结果的准确性。
[0112]
目标心拍时序网络模型以血氧信号编码和空间心电向量环总编码作为输入，以心拍时序特征值为输出，根据得到的血氧信号编码和心电信号特征码确定心拍时序特征值。
[0113]
目标呼吸时序网络模型以呼吸信号编码和呼吸率作为输入，以呼吸时序特征值作为输出，根据呼吸信号编码和呼吸率确定呼吸时序特征值。需要说明的是，当不计算呼吸率时，只以呼吸信号编码作为输入。
[0114]
在本发明的一些实施例中，根据睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值确定检测结果，之后包括：
[0115]
根据归一化后的空间心电向量环确定心电信号特征码；
[0116]
被检测样本根据实际睡眠情况进行个体反馈；
[0117]
根据被检测样本的历史数据、心电信号特征码和个体反馈进行迁移学习更新睡眠呼吸检测阈值。
[0118]
在上述实施例中，先对归一化后的空间心电向量环进行中值滤波处理得到表征被检测样本的空间心电向量环，再对表征被检测样本的空间心电向量环进行编码生成心电信号特征码。每一个样本的心电信号特征码不一样，心电信号特征码可以区分不同的检测样本。
[0119]
被检测样本可选择是否进行个体反馈，对睡眠后的精神状态进行自我评价。状态包括：愉悦、清醒、疲倦、无精神、烦躁、精神不集中等。还可以查看睡眠过程中的呼吸率变化曲线，如果发现明显异常的睡眠呼吸暂停事件则进行反馈操作。
[0120]
建立预训练模型，根据个体历史数据、心电信号特征码及个体反馈对预训练模型进行迁移学习，更新调整后的呼吸检测阈值，以提高对不同样本检测的准确性。具体的更新频率可以基于时间(如每月)或基于新增检测数量(如每新增20份有反馈的数据)。
[0121]
为了更好实施本发明实施例中的睡眠呼吸暂停综合检测方法，在睡眠呼吸暂停综合检测方法基础之上，对应的，请参阅图6，图6为本发明提供的睡眠呼吸暂停综合检测装置的一实施例的结构示意图，本发明实施例提供了一种睡眠呼吸暂停综合检测装置600，包括：
[0122]
阈值模块610，用于根据历史检测信息确定待检测样本的睡眠呼吸检测阈值；
[0123]
编码模块620，用于采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理，并对预处理后的睡眠特征信号进行编码；
[0124]
计算模块630，用于建立心拍时序网络模型和呼吸时序网络模型，将编码后的睡眠特征信号输入心拍时序网络模型和呼吸时序网络模型得到心拍时序特征值和呼吸时序特征值；
[0125]
检测模块640，用于根据睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值确定检测结果。
[0126]
这里需要说明的是：上述实施例提供的装置600可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容，此处不再赘述。
[0127]
请参阅图7，图7为本发明实施例提供的电子设备的结构示意图。基于上述睡眠呼吸暂停综合检测方法，本发明还相应提供了一种睡眠呼吸暂停综合检测设备，睡眠呼吸暂停综合检测设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该睡眠呼吸暂停综合检测设备包括处理器710、存储器720及显示器730。图7仅示出了电子设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或
者更少的组件。
[0128]
存储器720在一些实施例中可以是睡眠呼吸暂停综合检测设备的内部存储单元，例如睡眠呼吸暂停综合检测设备的硬盘或内存。存储器720在另一些实施例中也可以是睡眠呼吸暂停综合检测设备的外部存储设备，例如睡眠呼吸暂停综合检测设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器720还可以既包括睡眠呼吸暂停综合检测设备的内部存储单元也包括外部存储设备。存储器720用于存储安装于睡眠呼吸暂停综合检测设备的应用软件及各类数据，例如安装睡眠呼吸暂停综合检测设备的程序代码等。存储器720还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器720上存储有睡眠呼吸暂停综合检测程序740，该睡眠呼吸暂停综合检测程序740可被处理器710所执行，从而实现本技术各实施例的睡眠呼吸暂停综合检测方法。
[0129]
处理器710在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行存储器720中存储的程序代码或处理数据，例如执行睡眠呼吸暂停综合检测方法等。
[0130]
显示器730在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器730用于显示在睡眠呼吸暂停综合检测设备的信息以及用于显示可视化的用户界面。睡眠呼吸暂停综合检测设备的部件710-730通过系统总线相互通信。
[0131]
在一实施例中，当处理器710执行存储器720中睡眠呼吸暂停综合检测程序740时实现如上的睡眠呼吸暂停综合检测方法中的步骤。
[0132]
本实施例还提供了一种计算机可读存储介质，其上存储有睡眠呼吸暂停综合检测程序，该睡眠呼吸暂停综合检测程序被处理器执行时实现以下步骤：
[0133]
根据历史检测信息确定待检测样本的睡眠呼吸检测阈值；
[0134]
采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理，并对预处理后的睡眠特征信号进行编码；
[0135]
建立心拍时序网络模型和呼吸时序网络模型，将编码后的睡眠特征信号输入心拍时序网络模型和呼吸时序网络模型得到心拍时序特征值和呼吸时序特征值；
[0136]
根据睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值确定检测结果。
[0137]
综上，本实施例提供的一种睡眠呼吸暂停综合检测方法、装置、设备及存储介质，先对获取的历史检测信息进行分析计算，确定出睡眠呼吸检测阈值；然后采集待检测样本的睡眠特征信号，对睡眠特征信号进行预处理以及编码；再建立神经网络模型，将编码后的睡眠特征信号输入至神经网络模型得到心拍时序特征值和呼吸时序特征值；最后结合睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值判断被检测样本是否出现睡眠呼吸暂停现象。本发明针对不同被检测样本，确定不同检测样本的睡眠呼吸检测阈值，消除了个体差异对检测结果的影响，提高了检测的准确性；采集多个待检测样本的睡眠特征信号，并通过神经网络模型，根据睡眠特征信号提取出对被检测样本检测结果有决定性影响的心拍时序特征值和呼吸时序特征值，进一步提高了检测结果的准确性，且当某一个睡眠特征信号出现干扰时，对检测结果的影响小，再结合睡眠呼吸检测阈值、心拍时序特征值和呼吸时序特征值得到检测结果，通过多个数据综合检测，再次提高了检测结果的准确性。
[0138]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。