电子测量技术

作者：张航，刘方姿，罗婉婷，李奇，王泽

单位：1.长春理工大学计算机科学技术学院 长春 130022;2.吉林省脑信息与智能科学国际联合研究中心 长春 130022; 3.长春理工大学中山研究院 中山 528400

关键词：阻塞性睡眠呼吸暂停;AHI预测;多源信息融合;睡眠结构

基金：吉林省科技发展计划项目（20240101344JC, 20230203098SF）、中山市社会福利与基础研究项目（2023B2015）资助

针对阻塞性睡眠呼吸暂停(OSA)严重程度估计在直接量化呼吸暂停?低通气指数(AHI)及融合多源信息方面的不足，本文提出一种融合睡眠结构与个体先验的OSA严重程度估计方法。该方法首先整合从整夜鼻气流、胸腹运动和血氧饱和度信号中提取的多维特征，并创新性融入睡眠结构参数与临床先验知识，随后采用梯度提升回归模型对提取的多源特征进行AHI预测。在MESA数据集上的验证结果显示，模型取得0.695的R2，MAE与RMSE分别为7.46和10.57次/h。在与多种基准模型的对比中，本文方法表现最优，相较于性能次优的随机森林模型，其R2指标相对提升了12.46%，充分证明了其优越性。特征重要性分析揭示了血氧指标、N1期睡眠占比及BMI等多源信息对AHI预测的关键贡献。结果表明，该方法为OSA严重程度的直接量化评估提供了有效方案，并为临床辅助诊断提供更准确的连续量化指标。

来源：2026年第2期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第2期