51黑料吃瓜在线观看,51黑料官网|51黑料捷克街头搭讪_51黑料入口最新视频

目的 睡眠呼吸暫停綜合征(sleep apnea syndrome, SAS)是由于睡眠時上氣道通氣不暢或堵塞引起的呼吸暫停或低通氣，嚴(yán)重影響人類健康和生活。目前的檢測方法是多導(dǎo)睡眠儀，檢測過程較為復(fù)雜，影響患者正常睡眠。為此本文提出了一種針對血氧飽和度信號的引入交叉變異的全局混沌人工蜂群(cross global chaos artificial bee colony, CGCABC)算法優(yōu)化支持向量機(support vector machine, SVM)的SAS檢測方法。方法 從數(shù)據(jù)集ISRUC-SLEEP中提取25名SAS患者整晚8 h的脈搏血氧飽和度數(shù)據(jù)，經(jīng)預(yù)處理后對每段數(shù)據(jù)計算5種非線性特征，包括近似熵、模糊熵、信息熵、排列熵和樣本熵。比較發(fā)病片段信號特征和未發(fā)病片段信號特征之間的差異，使用CGCABC算法優(yōu)化的SVM模型進行分類檢測，并與人工蜂群(artificial bee colony, ABC)算法、粒子群(particle swarm optimization, PSO)算法、麻雀搜索(sparrow search, SS)算法優(yōu)化SVM模型的檢測結(jié)果進行對比。結(jié)果 使用CGCABC算法優(yōu)化的SVM模型在準(zhǔn)確率、特異度、敏感度以及收斂時間上均有較好的效果，優(yōu)于ABC算法、PSO算法和SS算法優(yōu)化SVM模型的檢測。結(jié)論 本文提出的方法對SAS這一疾病的識別和檢測具有重要價值，在醫(yī)療領(lǐng)域上具有廣泛的應(yīng)用前景。