典型文献
一种基于深度残差网络模型的睡眠呼吸暂停识别方法
文献摘要：
目的:睡眠呼吸暂停综合征是由于睡眠时上气道通气不畅或堵塞等引起呼吸暂停和低通气,严重影响了人类的健康和正常生活.目前,相关检测的金标准是多导睡眠监测,但因诸多限制不能有效推广,因此,设计一种使用方便、准确性高的睡眠呼吸暂停监测方法显得尤为迫切和重要.方法:本方案设计了一种基于深度残差网络(ResNet)模型的算法,实现了睡眠呼吸暂停综合征的准确判断.在方案设计中,首先通过对数据的时间相关性处理,增加数据的表达能力,然后设计基于ResNet的深层网络,进行模型训练,准确实现了睡眠呼吸暂停识别.结果:本方案使用Apnea-ECG数据库进行模型开发和验证.结果 显示采用本方案,单分钟睡眠呼吸暂停综合征的10折交叉验证平均正确率、灵敏度、特异性、精度分别为95.33％、92.86％、96.84％、95％.结论:本文所述的睡眠呼吸暂停识别方法,可以有效检测睡眠呼吸暂停事件,相比于现有的公开结果有明显提高.
文献关键词：
睡眠呼吸暂停综合征;深度残差网络;心电图
中图分类号：
作者姓名：
刘洪涛;王伟;胡少娴;刘斌
作者机构：
深圳市联影高端医疗装备创新研究院,深圳,518045;深圳联影智融医疗科技有限公司,深圳,518052;深圳高性能医疗器械国家研究院有限公司,深圳,518126
文献出处：
引用格式：
[1]刘洪涛;王伟;胡少娴;刘斌-.一种基于深度残差网络模型的睡眠呼吸暂停识别方法)[J].世界睡眠医学杂志,2022(01):13-17
A类：
B类：
深度残差网络模型,睡眠呼吸暂停综合征,上气道,低通气,相关检测,金标准,多导睡眠监测,使用方便,睡眠呼吸暂停监测,监测方法,法显,ResNet,时间相关性,增加数,表达能力,深层网络,模型训练,Apnea,ECG,模型开发,交叉验证,有效检测,开结,心电图
AB值：
0.253913
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
