公开(公告)号：CN116110429A

公开(公告)日：2023-05-12

申请号：CN202310031801.3

申请日：2023-01-10

Applicant: 复旦大学

Inventor： 胡霞 ,  陈炜 ,  陈晨 ,  周涛 ,  张佳辰 ,  罗竞春

IPC: G10L25/51 ,  G10L25/03 ,  G10L25/21 ,  G06N20/20 ,  G06F18/25 ,  A61B5/00

Abstract: 本发明公开了一种基于日间语音OSA严重程度判别识别模型的构建方法。该方法包括以下步骤：采集受试者的语音信号；对语音信号依次进行预处理、特征提取、特征选择和特征拼接；构建均衡数据集；构建机器学习模型作为基分类器，对模型进行评价，从其中选择若干准确率较高的模型；采用Voting融合算法集成模型，取多个基分类器预测样本为某一类别的概率的均值，最高概率所对应的类别即为预测结果，强化模型的分类能力与泛化能力。本发明的模型用于识别判别阻塞性睡眠呼吸暂停综合征，无创、更快、成本更低、准确度高。

公开(公告)号：CN116108398A

公开(公告)日：2023-05-12

申请号：CN202310030005.8

申请日：2023-01-10

Applicant: 复旦大学

Inventor： 周涛 ,  陈晨 ,  陈炜 ,  胡霞 ,  张佳辰 ,  罗竞春

IPC: G06F18/25 ,  G06F18/2113 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明公开了一种全自动阻塞性睡眠呼吸暂停征识别模型的构建方法；本发明对人体形态特征（含基本信息，如年龄、性别等）、语音、三维面部三种不同信号进行特征提取，并将三类特征融合至深度学习网络进行OSA患者识别及OSA严重程度判别。本发明采用特征选择算法对所提特征进行最优特征筛选，并将筛选后的特征进行特征融合，采用数据均衡算法使得样本种类达到均衡，采用深度学习网络挖掘更深层次的特征得到更加精确的结果。