基于夜间呼吸声估计呼吸努力用于阻塞性睡眠呼吸暂停筛查

阻塞性睡眠呼吸暂停（Obstructive Sleep Apnoea，OSA）是一种流行病学条件，虽已对健康产生显著影响，但许多患者因诊断复杂度和昼夜多导睡眠监测的成本问题而难以被诊断。声学方法提供了可扩展的替代方案，但性能受环境噪声和缺乏生理背景信息的限制。呼吸努力是临床评分OSA事件的关键信号，但现有方法需要额外的接触式传感器，从而降低可扩展性并影响患者舒适度。本文首次提出了一种从夜间音频直接估计呼吸努力的方法，使仅凭声音即可恢复生理背景信息。我们提出了一种潜在空间融合框架，将估计的努力嵌入与声学特征相结合，用于OSA检测。使用来自103名受试者、157晚上录制的家庭环境数据集，我们的呼吸努力估计器实现了0.48的Concordance Correlation Coefficient，成功捕捉到了有意义的呼吸动力学。融合努力与声学特征相较于仅用声学的基线方法在灵敏度和AUC方面有显著提升，尤其在低阈值下。该方法仅需测试时的智能手机音频，即可实现无感知、可扩展且可长期监测的OSA筛查。