换一批基于多维睡眠体征信号特征图的鼾声分类方法
Snoring classification method based on multi-dimensional sleep vital sign signal feature map
摘要提出一种基于多维度睡眠体征信号融合的自动鼾声分类方法,通过对睡眠声学信号、血氧饱和度及脉率进行分析,提升病理性鼾声的分类准确率.首先,对整晚的睡眠信号进行鼾声片段检测,并对数据进行预处理;其次,提取声学信号的时、频、倒谱域特征以及血氧饱和度、脉率的波动特征,再应用Relief-F算法筛选最优特征集映射为纹理特征图;最后,应用卷积神经网络进行鼾声分类识别.实验结果表明血氧饱和度与脉率信号的特征分析使得分类模型对病理性鼾声的识别能力显著增强,该方法对病理性鼾声分类准确率达98.8%,优于传统的鼾声分类方法和其他基于图像的分类模型,可以为鼾声检测及睡眠疾病辅助诊断提供新的思路和方法.
更多相关知识
关键词
鼾声分类睡眠体征信号特征提取卷积神经网络snoring classificationsleep vital sign signalfeature extractionconvolutional neural network
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.02.010
发布时间
2026-02-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61901393）
湖南省教育厅科学研究项目（24C1214）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
