典型文献
基于多任务多注意力残差收缩卷积神经网络的可穿戴睡眠呼吸暂停检测方法
文献摘要：
睡眠呼吸暂停综合征(SAS)是常见的慢性呼吸障碍疾病,常伴随着多种并发症,严重困扰着人类健康.基于可穿戴设备的容积血流脉搏波(PPG)的SAS检测方法引起了广泛关注,具有低成本、低负荷、穿戴方便等优点.针对可穿戴PPG信号干扰更大的问题,提出一种多任务多注意力残差收缩卷积神经网络的睡眠呼吸暂停检测方法.首先,利用智能手环设备,收集了 92例手腕部的PPG睡眠数据;其次,设计了一种残差多注意力机制卷积模块,高效地融合了网络在时间域与通道域的双重重要特征;然后,引入残差收缩卷积模块来抑制信号噪声以及网络的冗余特征.以这两种模块的结合构建了用于特征提取的骨干网络.结果表明,片段检测的准确率,敏感性以及特异性分别达到了 81.82％,70.27％以及85.81％;个体检测的准确率,敏感性,特异性分别达到了 95.65％,88.89％以及97.30％.所提出的模型具有优异的检测性能,有望嵌入到可穿戴设备中.
文献关键词：
睡眠呼吸暂停综合征;可穿戴设备;容积血流脉搏波;卷积神经网络;多任务学习
中图分类号：
作者姓名：
沈奇;魏克铭;刘官正
作者机构：
中山大学生物医学工程学院,广东 深圳 518107;广东省传感技术与生物医疗仪器重点实验室,广州 510006;广东省便携式普及型先进实用医疗器械工程技术研究中心,广州 510006
文献出处：
引用格式：
[1]沈奇;魏克铭;刘官正-.基于多任务多注意力残差收缩卷积神经网络的可穿戴睡眠呼吸暂停检测方法)[J].中国生物医学工程学报,2022(06):650-662
A类：
容积血流脉搏波
B类：
睡眠呼吸暂停综合征,SAS,呼吸障碍,可穿戴设备,PPG,低负荷,信号干扰,智能手环,手腕,腕部,多注意力机制,卷积模块,时间域,通道域,重重,信号噪声,冗余特征,骨干网络,个体检测,检测性能,多任务学习
AB值：
0.196815
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。
