睡眠呼吸暫停綜合征(Sleep Apnea Syndrome,SAS)是一種嚴重影響睡眠質量和生命健康的睡眠障礙性疾病,通常被稱為“睡夢殺手”。但由于其診斷金標準多導睡眠監(jiān)測儀(Polysomnography,PSG)操作復雜、價格昂貴,不利于該病的診斷與普查,所以至今SAS的確診率不足20%。在此背景下,論文以“監(jiān)測便捷、無擾睡眠的SAS自動檢測系統(tǒng)研發(fā)”為核心,按照“提出問題-系統(tǒng)建模-相關理論研究-系統(tǒng)實現(xiàn)-仿真及實測數(shù)據(jù)實驗”的研究思路,深入研究了SAS檢測、數(shù)據(jù)預處理以及自動檢測模型建立方法。主要創(chuàng)新性工作如下:1)、針對目前SAS檢測類儀器的電極穿戴繁瑣、材質致敏性較高,影響睡眠安適度的問題,本文設計與開發(fā)了基于環(huán)繞式血氧探頭的脈搏血氧儀,實現(xiàn)了光電容積脈搏波(photoplethysmography,PPG)的采集、預處理與無線傳輸?shù)裙δ堋?)、針對PPG信號微弱、易受多種噪聲影響的問題,在分析了PPG信號主要噪聲特點的基礎上,提出了基于雙重中值濾波的PPG信號消噪方法,利用數(shù)據(jù)庫數(shù)據(jù)與自主開發(fā)脈搏血氧儀采集的數(shù)據(jù)進行了消噪處理,并同經典小波消噪法進行了噪聲抑制效果的對比,結果驗證了消噪方法的可靠性與有效性。為提高后續(xù)自動檢測模型的準確率奠定了基礎。3)、針對睡眠呼吸監(jiān)測中產生的高維數(shù)據(jù)問題,研究了基于PCA以及PRV的特征提取方法進行數(shù)據(jù)的降維。提出了基于二次樣條小波模極大值法的PPG信號波峰點檢測算法,保證了PPG信號峰峰序列的準確性,提升了基于PRV特征提取方法的有效性。4)、提出了基于混合卷積神經網絡(GACNN)構建SAS自動分類模型的方法。研究了淺層BP分類模型以及深層深度信任網絡(DBN)、GACNN分類模型的建立以及優(yōu)化方法,利用數(shù)據(jù)庫與脈搏血氧儀實測樣本,進行了自動分類模型的建立,并應用十折交叉驗證法,對所建模型進行了呼吸暫停(AH)自動分類的對比實驗。5)、設計并完成了SAS自動檢測系統(tǒng)測試實驗。利用臨床PSG與脈搏血氧儀同步采集的PPG數(shù)據(jù),初步驗證了基于GACNN的SAS自動檢測系統(tǒng)的有效性。本文研究的基于GACNN的SAS自動檢測系統(tǒng),脈搏血氧儀具有信號獲取方式簡單、電極不致敏、易穿戴、低擾眠等優(yōu)勢;GACNN分類模型具有較好的預測力與泛化能力。研究成果可以為SAS患者的快速篩查及早期發(fā)現(xiàn)提供技術支撐,并有助于確診率的提升,具有重要的學術價值和應用價值。
【學位單位】：吉林大學
【學位級別】：博士
【學位年份】：2019
【中圖分類】：TH776;TP183
【部分圖文】：

吉林大學博士論文、觀察患者的并發(fā)癥及相關臨床表現(xiàn)[13]。最后，通過臨床 PSG 檢查結果，通過統(tǒng)計睡眠監(jiān)測過程呼吸暫停及低）的發(fā)生次數(shù)，依據(jù) SAS 診斷標準，綜合完成 SAS 的診繁多復雜、設備昂貴，監(jiān)測過程及結果需要專業(yè)技術人員員的專業(yè)性要求高，使其在臨床中難以普及應用。同時，患者身上佩戴多種傳感器（圖 1.1），繁雜的穿戴式監(jiān)測方很難一次監(jiān)測成功。此外，人工完成的診斷結果還不可避差。

經進一步運算即可獲取，因此，SpO2成為 SAS 檢測的一呼吸監(jiān)測中發(fā)揮著重要作用。氧儀研究現(xiàn)狀容積描記技術，用于獲取 PPG 信號的脈搏血氧儀，作為典紀二十年代末提出以來得到快速的發(fā)展，目前已有許多成用傳感器的采樣方式，脈搏血氧儀可分為透射式和反射式式探頭的設計中，被檢測部位被放置于光源與接收器之間經由人體組織透射后的光信號。與透射式不同，在反射式脈均位于被檢測部位同側，光電二極管用以接收來自光源經

Figure 1.3 The main research contents of the thesis and its techniques and methods applied論文的具體內容安排如下：第 1 章：緒論。介紹了 SAS 診斷研究的背景及意義，總結了便攜式 SAS 診斷儀以及脈搏血氧儀的研究現(xiàn)狀，歸納了當前主流的消噪、特征提取等 SAS 檢測信號預處理技術以及 SAS 自動分類模型。
【參考文獻】

相關期刊論文 前10條

1 張誠;王一鶴;苗長云;;光纖光柵脈搏波分析處理及特征提取[J];信號處理;2015年09期

2 張春霞;姬楠楠;王冠偉;;受限波爾茲曼機[J];工程數(shù)學學報;2015年02期

3 徐久強;藺弘濟;李晗;趙海;;基于心電與脈搏波的血壓檢測算法的改進[J];東北大學學報(自然科學版);2014年01期

4 李肅義;林君;陽貴紅;田培培;王遠;于生寶;嵇艷鞠;;電性源時域地空電磁數(shù)據(jù)小波去噪方法研究[J];地球物理學報;2013年09期

5 王志敏;王剛;季家超;郭建昇;;主成分分析和聚類分析在胰腺炎早期診斷中的應用研究[J];中國臨床新醫(yī)學;2013年04期

6 黃肇明;鐘誠;黎小如;;基于BP神經網絡的呼吸系統(tǒng)疾病診斷仿真研究[J];合肥工業(yè)大學學報(自然科學版);2012年03期

7 張箭;田學隆;李一言;;基于MSP430的便攜式睡眠監(jiān)測儀的設計[J];傳感器與微系統(tǒng);2011年11期

8 米永巍;李怡勇;陳培昕;;光電容積描跡法原理及其臨床應用[J];中國醫(yī)療設備;2011年05期

9 趙學智;向可;葉邦彥;陳統(tǒng)堅;;基于二次樣條小波細節(jié)信號峰值的有效奇異值確定[J];振動與沖擊;2010年11期

10 李頂立;陳裕泉;邢雷;嚴洪;陳杭;葉樹明;;基于小波變換的無創(chuàng)血壓檢測方法研究[J];浙江大學學報(工學版);2008年09期

本文編號：2875167