中文引用格式： 甘智高，岳克強(qiáng)，李文鈞，等. 基于ARM的呼吸暫停綜合征檢測系統(tǒng)[J]. 電子技術(shù)應(yīng)用，2023，49(10)：124-129.
英文引用格式： Gan Zhigao，Yue Keqiang，Li Wenjun，et al. OSAHS detection system based on ARM platform[J]. Application of Electronic Technique，2023，49(10)：124-129.
0 引言
OSAHS臨床表現(xiàn)為患者在睡眠時打鼾并且伴隨著連續(xù)出現(xiàn)長時間的呼吸暫停事件，以及出現(xiàn)白天嗜睡疲乏癥狀。研究指出由于呼吸暫停而導(dǎo)致的反復(fù)呼吸不暢、氧氣不足，可導(dǎo)致多種疾病的發(fā)生，最嚴(yán)重會夜間猝死[1]。目前多導(dǎo)睡眠儀(Polysomnograph，PSG)是評估OSAHS嚴(yán)重程度的最常見方法，也是金標(biāo)準(zhǔn)[2]，但是PSG儀器價格高昂，患者只有在意識到問題后才會去醫(yī)院等專業(yè)機(jī)構(gòu)就診，這往往會導(dǎo)致OSAHS發(fā)現(xiàn)時機(jī)的延誤。
鼾聲與語音有很相似之處，可以使用語音信號的特征作為鼾聲分析的特征，常見的端點(diǎn)檢測主要有基于時頻特征的方法[3]以及基于機(jī)器學(xué)習(xí)[4]、神經(jīng)網(wǎng)絡(luò)[5]的方法。時頻域的算法一般較簡單易實(shí)現(xiàn)，但抗噪干擾是個問題，丁荔等[6]提出OM-LSA和維納濾波結(jié)合的睡眠鼾聲降噪的方法，實(shí)現(xiàn)低信噪比環(huán)境下算法的高準(zhǔn)確率；而機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)的方法操作復(fù)雜，計(jì)算量大。在區(qū)別是否患有OSAHS的早期研究中，偏向于鼾聲的聲音強(qiáng)度的研究，用在一段時間內(nèi)鼾聲信號的聲級LAeq來區(qū)別OSAHS患者和單純打鼾人[7]。Azadeh Yadollahi通過共振峰和短時平均過零率，實(shí)現(xiàn)鼾聲和呼吸聲二分類達(dá)到90%的準(zhǔn)確率[8]。彭好等發(fā)現(xiàn)OSAHS患者的共振峰頻率其F1值的大小與OSAHS的嚴(yán)重程度呈現(xiàn)出相關(guān)性[9]。還有研究用鼾聲基頻作為區(qū)分特征[10]，以及用K均值對鼾聲片段按照時間間隔的二分類,以此為基礎(chǔ)實(shí)現(xiàn)OSAHS的自動診斷[11]。
目前重要的是要發(fā)現(xiàn)在出現(xiàn)OSAHS癥狀臨床早期進(jìn)行準(zhǔn)備和治療，尤其是如何盡快發(fā)現(xiàn)，當(dāng)前的部分研究算法在應(yīng)用上還有一定距離，如何能將算法部署成功應(yīng)用是一個關(guān)鍵[12]。本文研究設(shè)計(jì)的一種OSAHS檢測系統(tǒng)，起到了一個幫助用戶自查初篩的作用，及時提醒用戶，能夠大大降低病情加重風(fēng)險(xiǎn)。
本文詳細(xì)內(nèi)容請下載：http://m.xxav2194.com/resource/share/2000005725
作者信息：
甘智高，岳克強(qiáng)，李文鈞，潘成銘
（杭州電子科技大學(xué) 電子信息學(xué)院，浙江 杭州 310018）
