多特征信息融合LSTM-RNN检测OSA方法

摘要

阻塞性睡眠呼吸暂停(obstructive sleep apnea,OSA)是最常见的睡眠呼吸疾病,它对人体的很多生理系统尤其对心血管系统是一个潜在的威胁.现有使用心电信号(electrocardiograph,ECG)提取浅层特征检测OSA的方法在长片段、高噪声的ECG信号和大数据集上表现较差.针对上述问题,提出一种多特征心电信号融合的长短期记忆循环神经网络,融合从ECG信号中提取的多种浅层特征信号,通过在融合信号上学习深层特征来检测OSA,提升模型在长片段ECG上的检测准确率和大数据集上的泛化能力.同时还针对浅层特征信号提出一种有效的数据预处理方法,用以突出OSA的时序变化,提高神经网络训练的收敛性,并降低由异常值噪声带来的影响,进一步提升模型在高噪声ECG片段上的检测准确率.实验证明:提出的方法在片段OSA检测准确率上优于已有的方法.