基于AHI指数的OSAHS筛查系统的研究与实现

摘要

阻塞性睡眠呼吸暂停/低通气综合征是由上气道塌陷或阻塞而引起的睡眠呼吸系统异常，常使用多导睡眠仪检测，但其价高，操作复杂，舒适度低等不足制约了其使用及推广。所以，找到一个能够在不影响被检测者睡眠质量前提下，又具备成本低、操作容易、检测费用低等优点的，适用于大量人群监测的筛查方法成为迄今为止亟待解决的问题。
　　本文从实际角度出发，首先对鼾声信号进行分帧、加窗、滤波等预处理，对每一帧语音信号进行短时能量分析，区分有声无声段。再对得到的有声段进行进一步鼾声段确认、鼾声段修正等处理，进而判断打鼾者患病与否。本文的研究内容主要有以下几方面:
　　(1)提出了基于睡眠呼吸暂停指数(AI)的OSAHS筛查方法。为了将单纯打鼾者的睡眠微觉醒段排除，我们对正常鼾声和低通气时的OSAHS鼾声进行了时域波形的分析，并针对各自特点对算法进行了修正，使筛查结果的灵敏度和特异度分别达到了85.19％和93.33％，符合临床筛查标准。
　　(2)本文将提出的基于睡眠呼吸暂停指数的OSAHS筛查法与基于低通气指数的OSAHS筛查法相结合，提出了最终的基于睡眠呼吸暂停低通气指数(AHI)的OSAHS筛查方法，并与大连医科大学附属第二医院合作，将42例志愿者的PSG监测报告与本算法筛查结果进行了对比，本算法得到的最终筛查结果灵敏度和特异度分别达到了88.89％和80.00％，符合临床筛查标准。
　　(3)根据已有的理论基础，在VC++6.0平台下开发出了有较强可移植性的OSAHS筛查系统，并与外界语音接收设备连接，成功搭建了能够实时检测OSAHS疾病的系统平台。
　　综上所述，本文提出了利用AI与HI相结合的睡眠呼吸暂停低通气指数来进行OSAHS筛查，并在VC++6.0平台下成功开发了代码，其筛查结果灵敏度和特异度分别达到了88.89％和80.00％，符合临床筛查标准。并成功搭建了OSAHS实时筛查系统平台，克服了PSG价高，操作复杂等缺点，具有很强的探究价值。

目录

声明

摘要

1 绪论

1．1 研究背景即意义

1．2 国内外研究现状

1．3 本文章节安排

2 OSAHS筛查基础知识

2．1 OSAHS的病发机理及病情程度判断准则

2．2 OSAHS产生鼾声语音信号的原理

2．3 多导睡眠图检测(PSG)

2．3．1 测定方法及测定指标

2．3．2 PSG的用途

2．3．3 PSG的适用范围

2．4 共振峰参数在0SAHS检测中的应用

2．4．1 共振峰

2．4．2 共振峰在鼾声检测中的应用

2．5 本章小结

3 利用语音信号处理方法计算呼吸暂停指数

3．1 鼾声信号的预处理过程

3．1．1 鼾声信号的分帧

3．1．2 窗函数的确定

3．2 短时能量分析

3．2．1 短时能量法

3．2．2 端点检测中门限及阈值的设定

3．3 鼾声段的确定

3．4 睡眠呼吸暂停指数

3．4．1 判定鼾声间隔

3．4．2 算法改进过程

3．5 本章小结

4 利用语音信号处理方法计算睡眠呼吸低通气指数

4．1 语音信号线性预测分析

4．1．1 线性预测基本原理

4．1．2 预测器多项式的根

4．2 求取共振峰的几种方法

4．2．1 线谱对分析原理

4．2．2 友矩阵在求根法中的应用

4．3 鼾声检测的实时系统的搭建

4．3．1 系统软件部分的实现

4．3．2 系统硬件部分的实现

4．3．3 系统优缺点分析

4．4 基于共振峰的OSAHS筛查结果

4．5 本章小结

5 筛查结果分析对比

5．1 基于呼吸暂停指数的OSAHS筛查结果

5．2 基于AHI的OSAHS筛查结果

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢