阻塞性睡眠呼吸暫停低通氣綜合征（OSAHS）是一種高發(fā)性的睡眠呼吸性疾病,患者在睡眠過程中由于上氣道阻塞,容易導致窒息甚至是猝死的后果。在醫(yī)院中,多導睡眠圖儀可以檢測OSAHS。然而,這種設備存在著數(shù)量稀少、操作繁瑣、耗費時間的缺點,這使得大部分患者未能得到及時的檢測。一種方便、快捷、適用于家庭使用的檢測方法是當前所迫切需要的。本文提出了一種基于深度學習神經網絡模型的OSAHS篩查方法,通過深度學習神經網絡來分析OSAHS患者的鼾聲數(shù)據(jù),從中挖掘出鼾聲數(shù)據(jù)中潛在的特征信息。本文的研究是從OSAHS疾病的臨床特征鼾聲出發(fā)的;首先提取鼾聲數(shù)據(jù),利用語音信號處理技術對其進行處理;再把處理后的鼾聲信號送入稀疏自編碼神經網絡進行特征提取,找出OSAHS鼾聲和正常鼾聲之間的區(qū)別;最后用提取出的特征來完成OSAHS篩查。由于鼾聲信號存在著個體差異,而且原始的鼾聲信號中含有較多的冗余信息導致此篩查方法存在不足之處。因此,本文提出一種基于鼾聲特征的稀疏自編碼神經網絡的OSAHS篩查方法。將處理后的鼾聲信號的梅爾倒譜系數(shù)特征和線性預測倒譜系數(shù)特征提取出來。這兩個特征分別地作為稀疏自編碼神經網絡的輸入,使得... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文章節(jié)安排
2 神經網絡概述
    2.1 神經網絡
        2.1.1 感知器模型
        2.1.2 S型神經元
    2.2 神經網絡架構
        2.2.1 梯度下降法
    2.3 本章小結
3 基于棧式自編碼神經網絡的OSAHS篩查
    3.1 OSAHS概述
        3.1.1 OSAHS生理病理
        3.1.2 OSAHS診斷
    3.2 稀疏自編碼神經網絡的學習理論
        3.2.1 稀疏自編碼神經網絡
        3.2.2 反向傳播算法
    3.3 基于棧式自編碼神經網絡的OSAHS篩查的實現(xiàn)
    3.4 本章小結
4 基于鼾聲特征的棧式自編碼神經網絡的OSAHS篩查的實現(xiàn)
    4.1 鼾聲特征
        4.1.1 梅爾倒譜系數(shù)
        4.1.2 線性預測倒譜系數(shù)
    4.2 基于鼾聲特征的OSAHS篩查的實現(xiàn)
    4.3 實驗結果分析
        4.3.1 基于梅爾倒譜系數(shù)的OSAHS的篩查結果
        4.3.2 基于線性預測倒譜系數(shù)的OSAHS的篩查結果
    4.4 本章小結
結論
參考文獻
致謝



本文編號：3227076