摘要:目的 睡眠呼吸暂停综合征（SAS）在我国是一种常见病，但由于医院设备的不完善，该病的确诊率只有不到10%。本文提出了一种仅使用整段血氧饱和度信号并结合人体基本体征数据，通过卷积神经网络（CNN）方法快速预测SAS严重程度，以提高SAS确诊率。方法 利用某医院提供的睡眠监测数据和医学诊断报告，构建深度卷积神经网络。输入被试的夜晚监测的整段血氧饱和度信号和基本的体征数据，如年龄、性别、身高、体重和体质量指数（BMI），深度卷积神经网络根据被试的信号数据和体征数据预测SAS严重程度。结果 实验的结果表明，该方法通过比较预测结果与医学诊断报告结果，预测SAS严重程度总体准确率达到了86.39%，正常类别的准确率为90.82%，轻度类型的准确率为76.29%，中度类型的准确率为75.47%，重度类型的准确率为98.89%。结论 本文提出的方法可以实现SAS的快速预测。该方法能够自动提取血氧饱和度特征和人体体征特征，不需要依赖专家知识。与常见的方法不同，不需要对血氧饱和度信号进行分段，使用的是夜晚睡眠7 h的整段血氧饱和度信号。因为只需要血氧饱和度信号和基本体征数据，更适合医疗条件有限的二三线城市医院，更加方便、快捷，具有更好的泛用性，能够更好地提高SAS的确诊率。
