计算机应用

作者：黄锦阳, 崔丰麒, 马长秀, 樊文东, 李萌, 李经宇, 孙晓, 黄林生, 刘志

单位：1.合肥工业大学 计算机与信息学院，合肥 230601；2.情感计算与先进智能机器安徽省重点实验室（合肥工业大学），合肥 230601；3.中国科学技术大学 先进技术研究院，合肥 230031；4.合肥综合性国家科学中心 人工智能研究院（安徽省人工智能实验室），合肥 230088；5.安徽医科大学第二附属医院 呼吸与危重症医学科，合肥 230601；6.安徽大学 互联网学院，合肥 230039；7.电气通信大学，东京 182-8585，日本

关键词：睡眠呼吸暂停检测,通用手环,多模态数据处理,长时健康监测,多因素影响指标分析

基金：国家自然科学基金资助项目(62302145);安徽省科技创新平台重大科技项目(202305a12020012)

睡眠呼吸暂停严重影响生活质量和健康。多导睡眠图（PSG）是诊断睡眠呼吸暂停的“金标准”，然而它的成本高且不便长期监测。基于此，提出一种基于通用运动手环的新方法以便捷地检测睡眠呼吸暂停。该方法通过分析手环采集的心率、血氧饱和度和睡眠状态数据，采用自适应生理数据重构方法和数据插值方法滤除噪声；在特征工程中，融合连续生理变量和类别变量，以深度提取睡眠状态特征；而分类模块采用轻量级门控循环单元（GRU）模型，从而简化训练过程，并降低过拟合风险。实验结果表明，所提方法在23人数据集上获得了93.68%的准确率和93.97%的召回率。相关性分析表明，血氧饱和度、身体质量指数和年龄是判断睡眠呼吸暂停的关键特征。与PSG相比，所提方法更适用于家庭环境下的长期监测。

来源：2025年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第9期