基于血氧饱和度信号的呼吸暂停与低通气事件自动评分
信号处理
2020-03-25 v2 计算机与社会
摘要
阻塞性睡眠呼吸暂停-低通气（OSAH）综合征是一种非常常见且常被漏诊的睡眠障碍。其特征是睡眠时上气道反复发生部分（低通气）或完全（呼吸暂停）阻塞。本研究利用先前开发的称为 DAS-KSVD 的多类结构化字典学习方法，仅使用血氧饱和度信号自动检测单个呼吸暂停和低通气事件。该方法采用一种组合判别度量，能够有效量化字典中每个原子的可判别程度。DAS-KSVD 被应用于从睡眠心脏健康研究（Sleep Heart Health Study）数据库获取的信号中检测和分类呼吸暂停与低通气事件。对于中重度 OSAH 筛查，结果的受试者工作特征曲线分析显示曲线下面积为 0.957，诊断灵敏度和特异度分别为 87.56% 和 88.32%。这些结果相较于大多数现有最优（SOTA）方法有所改进。因此，该方法可仅使用脉搏血氧仪更可靠、便捷地筛查 OSAH 综合征。
引用
@article{arxiv.2003.09920,
title = {Automatic scoring of apnea and hypopnea events using blood oxygen saturation signals},
author = {R. E. Rolon and I. E. Gareis and L. D. Larrateguy and L. E. Di Persia and R. D. Spies and H. L. Rufiner},
journal= {arXiv preprint arXiv:2003.09920},
year = {2020}
}
备注
15 pages, 7 figures