详细内容
鼾声激发位置的自动分类
时间：2021-10-22 作者：北京思力普睡眠研究所 【原创】
研究目的
对于阻塞性睡眠呼吸暂停低通气综合征患者的手术治疗，准确定位上呼吸道阻塞部位至关重要；然而，用于定位阻塞部位的无创伤方法尚未得到很好的探索。打鼾作为阻塞性睡眠呼吸暂停低通气综合征的主要症状，应包含有反映上呼吸道状态的信息。本研究通过对四个不同位置产生的鼾声进行分类，旨在检验不同阻塞部位产生不同鼾声的假设。
方法
我们在包含 219 名参与者的公共数据集上训练和测试了我们的模型。对于每个打鼾事件，提取并连接一个声学和生理特征，形成一个 59 维的融合特征。主成分分析和支持机器向量用于降维和打鼾分类。使用以下几个指标评估模型的性能：灵敏度、精确度、特异性、接受者操作特征曲线下的面积和 F1 分数。
结果
灵敏度、精确度、特异性、曲线下面积和F1的未加权平均值分别为86.36%、89.09%、96.4%、87.9%和87.63%。该模型对 V 型（软腭）、O型（口咽）、T型（舌）和 E型（会厌）打鼾的灵敏度分别为 98.04%、80.56%、72.73% 和 94.12%。
结论
打鼾的特征与上呼吸道的状态有关。基于机器学习建立的模型可用于呼吸道振动部位的定位。
（叶妮摘自 J Clin Sleep Med. 2021;17(5):1031–1038.）
