-
题名一步优化OSAHS鼾声分类算法
- 1
-
-
作者
余佳琪
王冬霞
马晓冬
张严
-
机构
辽宁工业大学电子与信息工程学院
大连凡益科技有限公司
-
出处
《实验室研究与探索》
CAS
北大核心
2023年第7期136-140,181,共6页
-
文摘
针对人工标注分类阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者鼾声准确率低等不足,提出一步切割聚类的鼾声分类算法(BVCL)。该算法基于贝叶斯信息准则(BIC)对单切割点检测进行优化,实现鼾声多切割点检测和聚类,并采用语音端点检测(VAD)技术对切割点进行快速筛选;通过改进线性判别分析(LDA)算法矩阵,构建分类回归树(CART)-LDA分类模型,实现OSAHS患者鼾声、正常鼾声和非鼾声的一步三分类,提高OSAHS患者的筛查效率,为便携式睡眠鼾声监测设备走向应用提供一种可能。以某医科大学临床夜间实录鼾声数据作为输入,仿真结果表明,该算法与鼾声两步分类法和一步分类法相比,降低算法复杂度的同时提升了分类准确率。
-
关键词
鼾声分类
鼾声检测
切割聚类
一步优化分类
-
Keywords
snoring classification
snoring detection
cut and cluster
one-step optimization classification
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
-
题名复杂场景下OSAHS鼾声快速检测及辅助诊断算法
- 2
-
-
作者
王冬霞
余佳琪
谭欢
杨文文
张志远
-
机构
天津职业技术师范大学自动化与电气工程学院
辽宁工业大学电子与信息工程学院
-
出处
《天津职业技术师范大学学报》
2023年第2期1-6,26,I0002,共8页
-
基金
辽宁省自然科学基金资助项目(2019ZD0702)
天津职业技术师范大学科研启动项目(KYQD202220).
-
文摘
为辅助医疗检测阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea-hypopnea syndrome,OSAHS)且克服人工标注、分类准确率低等问题,提出一种OSAHS鼾声检测算法。该算法采用贝叶斯信息准则联合语音端点检测,对单切割点检测进行优化和快速筛选;改进线性判别分析矩阵,构建分类回归树分类模型,实现OSAHS患者鼾声、正常鼾声和非鼾声的一步三分类;构建鼾声检测可视化模型,通过检测OSAHS患者呼吸暂停的发生位置和次数来预测AI指数,进而用于辅助医疗诊断。以某医科大学临床夜间实录鼾声数据作为输入,实验结果表明:与其他方法相比,该算法的分类准确率达99.41%,可以实现有效的辅助诊断。
-
关键词
鼾声检测
OSAHS
切割聚类
一步优化分类
AI指数
辅助诊断
-
Keywords
snore detection
OSAHS(obstructive sleep apnea-hypopnea syndrome)
cut and cluster
one-step optimization classification
auxiliary diagnosis
-
分类号
R766
[医药卫生—耳鼻咽喉科]
TP183
[自动化与计算机技术—控制理论与控制工程]
-