《電子技術(shù)應用》
您所在的位置：首頁 > 測試測量 > 設(shè)計應用 > 基于ARM的呼吸暫停綜合征檢測系統(tǒng)*
基于ARM的呼吸暫停綜合征檢測系統(tǒng)*
電子技術(shù)應用
甘智高,，岳克強，李文鈞,，潘成銘
（杭州電子科技大學 電子信息學院,，浙江 杭州 310018）
摘要： 阻塞型睡眠呼吸暫停綜合征（Obstructive Sleep Apnea Hypopnea Syndrome,， OSAHS）是一種常見的呼吸睡眠疾病，它會降低人們的睡眠質(zhì)量,，使人們產(chǎn)生疲憊感,，更嚴重地會危害人們的身心健康。研究設(shè)計了一種基于ARM的OSAHS檢測系統(tǒng),，系統(tǒng)以i.MX6ULL作為硬件主控,，采用嵌入式Linux系統(tǒng)為軟件平臺，具有鼾聲采集處理,、檢測分類,、傳輸?shù)裙δ埽c云平臺建立完整的OSAHS檢測系統(tǒng),，并且通過與標準多導睡眠監(jiān)測儀（PSG）設(shè)備對比檢測效果達到83.9%,，達到初篩的作用，具有較強的輔助診斷應用價值,。
中圖分類號：TN911.72 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.223563
中文引用格式： 甘智高,，岳克強，李文鈞,，等. 基于ARM的呼吸暫停綜合征檢測系統(tǒng)[J]. 電子技術(shù)應用,，2023，49(10)：124-129.
英文引用格式： Gan Zhigao,，Yue Keqiang,，Li Wenjun，et al. OSAHS detection system based on ARM platform[J]. Application of Electronic Technique，2023,，49(10)：124-129.
OSAHS detection system based on ARM platform
Gan Zhigao,，Yue Keqiang，Li Wenjun,，Pan Chengming
(School of Electronic Information,， Hangzhou Dianzi University， Hangzhou 310018,， China)
Abstract： Obstructive Sleep Apnea Hypopnea Syndrome (OSAHS) is a common respiratory sleep disease. It decreases the quality of people's sleep and causes fatigue, and more seriously, it harms people's physical and mental health. The study designed an ARM-based OSAHS detection system. The system uses i.MX6ULL as the hardware master control and the embedded Linux system as the software platform. It has functions such as snore collection and processing, detection and classification, transmission, etc. The system has established a complete OSAHS detection system with the cloud platform. By comparing with the standard polysomnography (PSG) device, the detection effect reaches 83.9%. It achieves the role of primary screening and has strong auxiliary diagnostic application value.
Key words : ARM,；Obstructive Sleep Apnea Hypopnea Syndrome （OSAHS）；detection system,；polysomnography （PSG）

0　引言

OSAHS臨床表現(xiàn)為患者在睡眠時打鼾并且伴隨著連續(xù)出現(xiàn)長時間的呼吸暫停事件,，以及出現(xiàn)白天嗜睡疲乏癥狀。研究指出由于呼吸暫停而導致的反復呼吸不暢,、氧氣不足,，可導致多種疾病的發(fā)生，最嚴重會夜間猝死[1],。目前多導睡眠儀(Polysomnograph,，PSG)是評估OSAHS嚴重程度的最常見方法，也是金標準[2],，但是PSG儀器價格高昂,，患者只有在意識到問題后才會去醫(yī)院等專業(yè)機構(gòu)就診，這往往會導致OSAHS發(fā)現(xiàn)時機的延誤,。

鼾聲與語音有很相似之處,，可以使用語音信號的特征作為鼾聲分析的特征，常見的端點檢測主要有基于時頻特征的方法[3]以及基于機器學習[4],、神經(jīng)網(wǎng)絡(luò)[5]的方法,。時頻域的算法一般較簡單易實現(xiàn)，但抗噪干擾是個問題,，丁荔等[6]提出OM-LSA和維納濾波結(jié)合的睡眠鼾聲降噪的方法,，實現(xiàn)低信噪比環(huán)境下算法的高準確率；而機器學習,、神經(jīng)網(wǎng)絡(luò)的方法操作復雜,，計算量大。在區(qū)別是否患有OSAHS的早期研究中,，偏向于鼾聲的聲音強度的研究,，用在一段時間內(nèi)鼾聲信號的聲級LAeq來區(qū)別OSAHS患者和單純打鼾人[7]。Azadeh Yadollahi通過共振峰和短時平均過零率,，實現(xiàn)鼾聲和呼吸聲二分類達到90%的準確率[8],。彭好等發(fā)現(xiàn)OSAHS患者的共振峰頻率其F1值的大小與OSAHS的嚴重程度呈現(xiàn)出相關(guān)性[9],。還有研究用鼾聲基頻作為區(qū)分特征[10],，以及用K均值對鼾聲片段按照時間間隔的二分類,以此為基礎(chǔ)實現(xiàn)OSAHS的自動診斷[11],。

目前重要的是要發(fā)現(xiàn)在出現(xiàn)OSAHS癥狀臨床早期進行準備和治療，尤其是如何盡快發(fā)現(xiàn),，當前的部分研究算法在應用上還有一定距離,，如何能將算法部署成功應用是一個關(guān)鍵[12]。本文研究設(shè)計的一種OSAHS檢測系統(tǒng),，起到了一個幫助用戶自查初篩的作用,，及時提醒用戶，能夠大大降低病情加重風險,。



本文詳細內(nèi)容請下載：http://wldgj.com/resource/share/2000005725




作者信息：

甘智高,，岳克強，李文鈞,，潘成銘

（杭州電子科技大學 電子信息學院,，浙江 杭州 310018）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。