基于神经网络的家用型睡眠呼吸暂停综合症监测系统①-计算机系统应用.pdf

计 算 机 系 统 应 用 2014 年 第 23 卷 第 3 期 基于神经网络的家用型睡眠呼吸暂停综合症监测系统① 孟泽民, 林生生 (浙江工业大学 信息工程学院, 杭州 310023) 摘 要: 本文介绍了一款新的 SAS 监测系统, 系统在不添加任何设备的情况下, 利用手机调用自行设计的手机软 件采集用户的鼾声数据, 并采用ftp 协议,利用家庭无线网传输数据, 最终将数据存储在PC 机中, 并将神经网络算 法和语音识别技术加入到系统的核心算法中,用于识别语音和鼾声, 结合 SAS 的病征实现对 SAS 病症的诊断. 实 践证明, 本系统相对于传统的 SAS 监测系统, 具有更高的病症判别率. 关键词: SAS; ftp; Mel 倒频系数; K-均值; RBF 神经网络 Home Sleep Apnea Syndrome Observation System Based on Neural Network MENG Ze-Min, LIN Sheng-Sheng (College of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, China) Abstract: This paper introduces a new SAS monitoring system. The system utilizes a self-designed app invoked by mobile phones to collect the data of users ’ snore. Then it transmits the data via home wireless network by means of ftp and finally stores the data in a PC. Moreover, the neural net algorithm and voice-recognition technology have been inserted into core algorithm of the system to identify voice and snore, which can implement the diagnosis of the SAS by combining the analyses of symptoms. The system has a higher disease classification rate than a traditional SAS monitoring system. Key words: SAS; ftp; Mel cepstrum; k-means; RBF neural network 睡眠呼吸暂停综合症(sleep apnea syndrome, SAS)是 使得整个系统的诊断效果不佳. 指每晚 7 小时睡眠中, 口或鼻腔气流持续停止 10s 以上, 本文介绍了一种家用型睡眠呼吸暂停综合症监测 并超过30 次者. 其重要特征为呼吸停顿与睡眠中断交替 系统, 在不添加额外硬件设备的基础上, 利用手机终 出现, 是发病较高并且具有一定潜在危险的疾病. 目前, 端采集声音信号, 采用家庭局域网将数据传送到电脑 SAS 诊断的标准是多导睡眠图(Ploysomnography, PSG) 端进行数据处理. 通过提取鼾声的有效信息进行神经 分析, 但检测过程较为复杂并且要求患者在医院且在专 网络训练, 有效地判别鼾声和梦话, 更加准确地计算 业人员的看护下整晚测量数据. 然而在生活压力日益增 鼾声的出现时间及间隔时间, 并识别是否患有 SAS, 加的现代生活