刘焕成
- 作品数：6 被引量：11H指数：3
- 供职机构：上海大学通信与信息工程学院更多>>
- 发文基金：国家自然科学基金上海市科学技术委员会科研基金上海市科学技术委员会资助项目更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于卷积神经网络的不同病理的鼾声分类被引量：1
- 2021年
- 本文提出用卷积神经网络对阻塞性呼吸暂停和中枢性呼吸暂停所致的鼾声进行分类,并提出了鼾声的完整上气道冲激响应特征,设计了1维卷积神经网络对这两种鼾声做了分类处理和识别.运用多组输入特征对该网络分类性能做了评估,结果表明完整上气道冲激响应特征作为输入参数的平均正确率达到79%,高于其他特征作为输入参数的结果.
- 侯丽敏刘焕成张新鹏
- 关键词：鼾声卷积神经网络
- 基于鼾声的声学特征估计睡眠呼吸暂停指数被引量：2
- 2019年
- 睡眠呼吸暂停低通气综合征(sleep apnea hypopnea syndrome,SAHS)是一种睡眠呼吸疾病.提出用鼾声的声学特征对SAHS严重程度进行筛查的方法.提取鼾声的美频率倒谱系数(Mel-frequency cepstral coefficients,MFCC),利用高斯混合模型对鼾声进行建模和分类,并估计了打鼾者的呼吸暂停低通气指数(apnea hypopnea index,AHI).对120人的实验结果表明,与多导睡眠仪(polysomnography,PSG)诊断的AHI值相比,本方法对严重程度诊断的正确率达80.00%,与PSG诊断的一致性达到83.30%,相关系数为0.9563(P<0.001).说明MFCC是筛查SAHS较为有效的声学特征.研究结果对医疗辅助诊断和居家医疗的发展有着积极的促进作用.
- 侯丽敏张伟涛施丹刘焕成
- 关键词：睡眠呼吸暂停低通气综合征鼾声高斯混合模型呼吸暂停低通气指数
- 基于人工神经网络的鼾声相关信号的分类被引量：3
- 2019年
- 本文提出了基于人工神经网络(Artificial Neural Network,ANN)对鼾声、呼吸声和其他噪声进行分类的方法.通过提取每个声音片段的频谱相关特征集作为ANN的输入特征,用小批量训练以及Adam学习率自适应等策略提升了模型训练过程的有效性,使用丢弃法优化了ANN的结构,从而使得该方法区分鼾声、呼吸声和其他噪声的精准率达到95%以上.
- 侯丽敏刘焕成施晓宇张新鹏
- 关键词：鼾声噪声人工神经网络
- 鼾声和语音信号的声学差异
- <正>0引言阻塞性睡眠呼吸暂停低通气综合征（obstructiv-e sleep apnea hypopnea syndrome,OSAHS）是一种睡眠疾病,鼾声是其主要特征之一。鼾声信号的声学信息可用来辅助OSAHS病...
- 侯丽敏施晓宇童超刘焕成
- 关键词：语音信号
- 文献传递
- 基于听觉子带关联维数的SAHS鼾声筛查被引量：3
- 2017年
- 提出一种依据鼾声录音筛查睡眠呼吸暂停低通气综合征严重程度的新方法,使用关联维数计算方法分析鼾声的非线性性质.根据听觉心理感知尺度在整个频带上划分子带,通过计算听觉子带关联维数向量,刻画睡眠呼吸症状严重程度的分布状况.提取各类鼾声的子带关联维数特征,以期训练出高斯混合模型,判断SAHS患者病情的严重程度.该方法与黄金标准多导睡眠监测诊断相比,其诊断患病严重程度的正确率为90%,相关系数为0.96(P<0.001).实验表明该方法能有效筛查鼾症严重程度,对辅助医疗和居家监护等有积极作用.
- 侯丽敏施丹刘焕成张伟涛
- 关键词：睡眠呼吸暂停低通气综合征鼾声关联维数高斯混合模型
- 鼾声的基频分布与SAHS的关联性被引量：3
- 2019年
- 由于鼾声中包含较多的呼吸气流引起的随机信号,采用两次线性预测残差处理得到鼾声的声源信号,再经过倒谱计算,提取鼾声的基频值。按鼾声时域波形的准周期性将其分类,提取鼾声的基频并统计其分布,与睡眠呼吸暂停低通气综合征(Sleep Apnea Hypopnea Syndrome, SAHS)诊断的严重程度做对比,对93名受试者的鼾声做了分析,发现随着SAHS严重程度的加重,鼾声具有的准周期性减少,基频轨迹的抖动有增大的趋势。利用基频与Mel频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCC)特征对SAHS严重程度的诊断进行估计,正确率为85.8%。鼾声基频相关的统计特性可以作为判断SAHS严重程度的参数之一。研究成果对便携式鼾症检测仪的设计与实现起到了很好的参考作用。
- 侯丽敏施晓宇童超刘焕成
- 关键词：睡眠呼吸暂停低通气综合征倒谱鼾声基频
