基于夜间音频记录的阻塞性睡眠呼吸暂停相关鼾声信号自动分类
音频与语音处理
2021-03-03 v2 机器学习
声音
摘要
本研究提出了一种自动算法，用于将阻塞性睡眠呼吸暂停（OSA）患者的夜间音频记录分类为OSA相关鼾声、单纯性鼾声和其他声音。近期研究表明，关于OSA相关鼾声的知识有助于识别气道塌陷部位。音频信号是在睡眠期间使用天花板麦克风与全夜多导睡眠图同步记录的。提取夜间音频信号的时间和频率特征，以将音频信号分类为OSA相关鼾声、单纯性鼾声和其他声音。基于OSA相关鼾声可辅助识别上气道塌陷部位的假设，开发了两种使用线性判别分析（LDA）分类器提取OSA相关鼾声的算法。采用无偏嵌套留一患者交叉验证过程从全部特征集中选出高性能特征集。结果表明，该算法从音频记录中识别鼾声事件的准确率为87%，从鼾声事件中识别OSA相关鼾声事件的准确率为72%。使用多类LDA分类器结合特征选择算法提取OSA相关鼾声事件的直接方法达到了64%的准确率。我们的结果明确表明，OSA相关鼾声事件可从夜间声音记录中提取，因此有可能作为一种新工具用于从夜间音频记录中识别气道塌陷部位。
引用
@article{arxiv.2102.12829,
title = {Automatic Classification of OSA related Snoring Signals from Nocturnal Audio Recordings},
author = {Arun Sebastian and Peter A. Cistulli and Gary Cohen and Philip de Chazal},
journal= {arXiv preprint arXiv:2102.12829},
year = {2021}
}