文献类型：期刊文章

作　　者：王涛[1] 鲁昌华[1] 孙怡宁[2] 蒋文钢[3]

Wang Tao;Lu Changhua;Sun Yining;Jiang Wengang(School of Computer and Information,Hefei University of Technology,Hefei 230601,China;Institute of Intelligent Machines,Chinese Academy of Sciences,Hefei 230031,China;Huangshan Scenic Spot Management Committee,Huangshan 245800,China)

机构地区：[1]合肥工业大学计算机与信息学院,合肥230601 [2]中国科学院合肥智能机械研究所,合肥230031 [3]黄山风景区管理委员会,黄山245800

出　　处：《电子测量与仪器学报》

基　　金：中科院STS重大项目(KFJ-STS-ZDTP-079)资助。

年　　份：2021

卷　　号：35

期　　号：7

起止页码：30-35

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：睡眠呼吸暂停综合征作为一种常见的与睡眠相关的呼吸障碍性疾病,受到众多的关注。由于其复杂的检诊断过程及昂贵的价格,吸引了众多研究学者探索基于单通道信号的快速、便捷检测方法。基于心电信号(ECG)提出了一种多尺度卷积神经网络睡眠呼吸暂停快速检测方法,与常规的单尺度卷积神经网络方法相比,该方法可以有效地结合信号的细节信息和抽象信息,提升卷积神经网络的特征呈现能力。通过PhysioNet提供的Apnea-ECG数据库进行验证,多尺度卷积神经网络获得了85.2%准确率、83.1%敏感性和86.5%特异性。与现有方法相比,该方法进一步提升了睡眠呼吸暂停的检测性能。

关 键 词：多尺度 卷积神经网络 睡眠呼吸暂停 RR间隔  R峰信号  

分 类 号：TP391] TN911.7[计算机类]