施丹
- 作品数：2 被引量：5H指数：2
- 供职机构：上海大学通信与信息工程学院更多>>
- 发文基金：国家自然科学基金上海市科学技术委员会资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于鼾声的声学特征估计睡眠呼吸暂停指数被引量：2
- 2019年
- 睡眠呼吸暂停低通气综合征(sleep apnea hypopnea syndrome,SAHS)是一种睡眠呼吸疾病.提出用鼾声的声学特征对SAHS严重程度进行筛查的方法.提取鼾声的美频率倒谱系数(Mel-frequency cepstral coefficients,MFCC),利用高斯混合模型对鼾声进行建模和分类,并估计了打鼾者的呼吸暂停低通气指数(apnea hypopnea index,AHI).对120人的实验结果表明,与多导睡眠仪(polysomnography,PSG)诊断的AHI值相比,本方法对严重程度诊断的正确率达80.00%,与PSG诊断的一致性达到83.30%,相关系数为0.9563(P<0.001).说明MFCC是筛查SAHS较为有效的声学特征.研究结果对医疗辅助诊断和居家医疗的发展有着积极的促进作用.
- 侯丽敏张伟涛施丹刘焕成
- 关键词：睡眠呼吸暂停低通气综合征鼾声高斯混合模型呼吸暂停低通气指数
- 基于听觉子带关联维数的SAHS鼾声筛查被引量：3
- 2017年
- 提出一种依据鼾声录音筛查睡眠呼吸暂停低通气综合征严重程度的新方法,使用关联维数计算方法分析鼾声的非线性性质.根据听觉心理感知尺度在整个频带上划分子带,通过计算听觉子带关联维数向量,刻画睡眠呼吸症状严重程度的分布状况.提取各类鼾声的子带关联维数特征,以期训练出高斯混合模型,判断SAHS患者病情的严重程度.该方法与黄金标准多导睡眠监测诊断相比,其诊断患病严重程度的正确率为90%,相关系数为0.96(P<0.001).实验表明该方法能有效筛查鼾症严重程度,对辅助医疗和居家监护等有积极作用.
- 侯丽敏施丹刘焕成张伟涛
- 关键词：睡眠呼吸暂停低通气综合征鼾声关联维数高斯混合模型
