一种基于深度学习的单导联心电信号睡眠呼吸暂停检测方法

在R峰识别的基础上，加入S峰的识别，并论正了该策略对检测结果的有效性。

1、大致方法

将数据集（ECG信号）划分为每五分钟的一个片段，为了减少噪声和信号伪影，首先对信号应用了一个有限脉冲响应（FIR）带通滤波器，使用保持8~12Hz的带通滤波器去除噪声和伪影。接着使用R峰检测算法提取R峰，S峰，将提取到的不同峰值进行拼接，得到的数据用于最终的分类。
送入网络的数据包括：
R峰的振幅
S峰的振幅
RR间隔（连续两个R峰之间的持续时间）
SS间隔（连续S峰之间的持续时间）

2、具体技术方法

√R峰定位的具体算法
使用Hamilton算法定位R峰，在R峰的位置确定后，同时提取到该R峰的幅值，利用R峰的位置，可以进行R-R区间的估计。
√S峰的定位方法
提出了一种基于R峰的S峰检测方法，基于R峰的位置，S峰是其之后的第一个负峰。
算法流程如下图

√实验中用到的CNN网络
论文提到的CNN网络结构以及准确率如下图：

作者在这里做了两种对比实验：
1)仅使用与R峰相关的R峰值振幅和RR间隔。
2)使用与R和S峰相关的特征组合，包括R和S峰的振幅和间隔。
√基于此方法和基于其他方法的对比实验