SD-FCE:一种识别睡眠呼吸暂停综合征发病时段的深度学习方法

作     者：高胜寒 熊馨 相艳 刘瑞湘 叶哲江 GAO Sheng-han;XIONG Xin;XIANG Yan;LIU Rui-xiang;YE Zhe-jiang

作者机构：昆明理工大学信息工程与自动化学院昆明650500 云南省第二人民医院临床心理科昆明650000 

基　　金：国家自然科学基金项目(82060329)资助 云南省教育厅科研基金项目(2020J0052)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2022年第43卷第9期

页      码：1894-1901页

摘      要：睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.

主 题 词：睡眠脑电信号 脑电功能连接性 不规则目标 目标检测 睡眠呼吸暂停综合征 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.20009/j.cnki.21-1106/TP.2021-0117

馆 藏 号：203114227...