10.3969/j.issn.1674-2605.2022.03.005
基于CNN与堆叠LightGBM的多模态OSA检测方法
提出一种基于血氧饱和度和心电图信号的多模态阻塞性睡眠呼吸暂停(OSA)检测方法.首先,提取血氧饱和度和心电图信号的经验特征,并利用皮尔逊相关系数获得最优特征集;然后,利用卷积网络(CNN)生成深层特征以挖掘不同模态间的潜在相关性;最后,构建堆叠的轻量级梯度提升机(LightGBM),以提高分类器检测精度.在公开数据集Apnea-ECG上进行四折交叉验证,平均准确性、敏感性和特异性分别为96.04%、96.44%和96.22%,相较于决策层融合有较高的分类性能.
阻塞性睡眠呼吸暂停、卷积网络、轻量级梯度提升机、血氧、心电图
43
TP391(计算技术、计算机技术)
2022-07-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
25-30