-
公开(公告)号：CN107049283B
公开(公告)日：2020-09-18
申请号：CN201710408201.9
申请日：2017-06-02
Applicant: 南京理工大学
IPC: A61B5/0205 , A61B5/11 , A61B5/00 , G06F7/02
Abstract: 本发明公开了一种基于自适应残差比较算法的睡眠呼吸暂停检测方法，首先从整夜的睡眠数据，包括呼吸、心跳、体动中滤除心跳信号。之后，从呼吸和体动的混合信号中分析数据并提取特征，利用自适应残差比较算法，能够获得实时的正常呼吸幅度，用作睡眠呼吸暂停的判决门限。最后，根据国际判定睡眠呼吸暂停的标准，判决整夜信号中是否出现呼吸暂停，每次呼吸暂停的起始时间、停止时间、每次暂停的时间间隔以及每小时呼吸暂停的次数。本发明方法有效可行，性能可靠，可以准确地判决整夜睡眠中是否出现呼吸暂停。
-
公开(公告)号：CN108416367B
公开(公告)日：2021-12-10
申请号：CN201810125718.1
申请日：2018-02-08
Applicant: 南京理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多传感器数据决策级融合的睡眠分期方法，该方法首先使用雷达传感器和音频传感器采集整夜的雷达和音频数据，提取雷达和音频信号特征；根据特征数将其进行数据分类，根据数据分类建立雷达剩余片段模型和雷达+音频片段模型；接着用分类器对雷达剩余片段模型里的雷达特征进行识别分类，得到模型预测结果1，用分类器对雷达+音频片段模型里的雷达和音频特征进行识别分类，得到模型预测结果A和B；然后用朴素贝叶斯模型对模型预测结果A和B进行决策，得到模型预测结果2；最后将模型预测结果1和模型预测结果2进行时序拼接，得到整夜睡眠分期结果。该方法简单易行，准确率高，与实际情况相吻合。
-
Patent Agency Ranking
公开(公告)号：CN107280674A
公开(公告)日：2017-10-24
申请号：CN201710409175.1
申请日：2017-06-02
Applicant: 南京理工大学
IPC: A61B5/08
Abstract: 本发明公开了一种基于音频录取设备的呼吸模式判决方法。首先用音频设备采集不同呼吸模式下的呼吸音频信号；之后用降噪算法对采集的音频信号进行降噪；接着利用呼吸事件检测算法对音频信号中的呼吸事件进行检测，并记录呼吸事件；然后提取呼吸事件的时域和声学特征；用提取的特征训练支持向量机；最后用训练后的支持向量机来实现未知呼吸模式的模式判决。本发明方法有效可行，性能可靠，可以准确地判决呼吸的模式。
-
公开(公告)号：CN107049283A
公开(公告)日：2017-08-18
申请号：CN201710408201.9
申请日：2017-06-02
Applicant: 南京理工大学
IPC: A61B5/0205 , A61B5/11 , A61B5/00 , G06F7/02
CPC classification number: A61B5/0205 , A61B5/02 , A61B5/0826 , A61B5/1118 , A61B5/4818 , A61B5/7282 , G06F7/023
Abstract: 本发明公开了一种基于自适应残差比较算法的睡眠呼吸暂停检测方法，首先从整夜的睡眠数据，包括呼吸、心跳、体动中滤除心跳信号。之后，从呼吸和体动的混合信号中分析数据并提取特征，利用自适应残差比较算法，能够获得实时的正常呼吸幅度，用作睡眠呼吸暂停的判决门限。最后，根据国际判定睡眠呼吸暂停的标准，判决整夜信号中是否出现呼吸暂停，每次呼吸暂停的起始时间、停止时间、每次暂停的时间间隔以及每小时呼吸暂停的次数。本发明方法有效可行，性能可靠，可以准确地判决整夜睡眠中是否出现呼吸暂停。
-
公开(公告)号：CN108388912A
公开(公告)日：2018-08-10
申请号：CN201810125662.X
申请日：2018-02-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多传感器特征优化算法的睡眠分期方法，该方法首先将连续波雷达传感器和音频传感器同时进行信号的获取；接着对信号进行数字信号处理，获得包括了呼吸、心跳、体动在内的生命体征信号以及鼾声信号；然后进行特征提取，对每个特征在融合特征集中所占的权重利用特征调整优化算法进行调整，训练分类器；最后用进过训练的分类器进行睡眠分期。本发明方法有效可行，性能可靠，对使用者睡眠影响小，准确地对使用者睡眠进行评估。
-
公开(公告)号：CN108416367A
公开(公告)日：2018-08-17
申请号：CN201810125718.1
申请日：2018-02-08
Applicant: 南京理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多传感器数据决策级融合的睡眠分期方法，该方法首先使用雷达传感器和音频传感器采集整夜的雷达和音频数据，提取雷达和音频信号特征；根据特征数将其进行数据分类，根据数据分类建立雷达剩余片段模型和雷达+音频片段模型；接着用分类器对雷达剩余片段模型里的雷达特征进行识别分类，得到模型预测结果1，用分类器对雷达+音频片段模型里的雷达和音频特征进行识别分类，得到模型预测结果A和B；然后用朴素贝叶斯模型对模型预测结果A和B进行决策，得到模型预测结果2；最后将模型预测结果1和模型预测结果2进行时序拼接，得到整夜睡眠分期结果。该方法简单易行，准确率高，与实际情况相吻合。
-
公开(公告)号：CN108388912B
公开(公告)日：2021-12-10
申请号：CN201810125662.X
申请日：2018-02-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多传感器特征优化算法的睡眠分期方法，该方法首先将连续波雷达传感器和音频传感器同时进行信号的获取；接着对信号进行数字信号处理，获得包括了呼吸、心跳、体动在内的生命体征信号以及鼾声信号；然后进行特征提取，对每个特征在融合特征集中所占的权重利用特征调整优化算法进行调整，训练分类器；最后用进过训练的分类器进行睡眠分期。本发明方法有效可行，性能可靠，对使用者睡眠影响小，准确地对使用者睡眠进行评估。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
