中新网浙江新闻8月18日电 （江杨烨 程振伟 钱胜）8月17日，记者从杭州电子科技大学（下称“杭电”）了解到，该校学生研发出毫米波生命体々征监测系统。该系统可通过毫米波、深度学习、物联网等技术识别、干预、监测、预警呼吸暂▲停综合症（OSAHS），守护人类健康。
毫米波生命体征监测系统。杭电供图呼吸暂停综合症主要表现为晚上睡眠时候鼾声很大很▆长。只是该病状很容易被忽视，很多患者认为只是打鼾厉害。有过多年医疗器械研发经历▓的杭电电子信息学院院长、教授◥李文钧表示，呼吸暂停综合症和心脏骤停（医学上又称猝死）一样致命。
“希望呼吸暂停综合症能被更↘多人认知。”项目负责人杭电2019级计算机科学与技术研一学生岳雪颖说。
据悉，在半年〓的时间里，该团队持续采集了200多名病人呼吸心率》的声音，并成功破解了呼吸暂停综合症患者鼾声中的“数字密码”。
据了解，毫米波生命体征监测系统的终端是一个看起来◢像充电宝的东西。它可＠以放置在家里的任意位置。
“凹槽里的芯片发出毫米波，它↑穿透性强，可ζ以穿透雾、烟、灰尘等，也具有较强的抗干扰能力，可以精准地找到家里睡觉的人。正是拥有了这种特性，所♂以运用毫米波能检测呼吸以及心率，穿透衣物或被子测得数据。”杭电2019级电子与通信工程专业研一学生孙洁介绍道。
一个在睡眠中☆的人，身上会发出很多』种声音，比如心跳声、呼吸声、翻体声，那毫米波雷达怎么精准识别鼾声呢？杭电2019级电子科学与技术研一学生程思一表示，团队尝试多↙种方法，研究出一种基〇于深度学习的鼾声分类方法。
杭电学生破解呼吸暂停综合症鼾声密码。杭电供图据了解，该方法根据呼「吸暂停综合症产生的特异鼾声与普通鼾声的差异性，提取了鼾声的MFCC（梅尔频率倒谱系数）、fbank（滤波器组）、Short-timeEnergy（短时能量）、LPC（线性预测系数㊣ ㊣ ）这三类特征系数。
同时，通过团队设计的基于卷积神经网络的多输入混合网络对各类鼾声●进行分类，该系统对涉及患病与否的二分类╲鼾声识别率可以达到95.3%，涉及病重程度的三分类鼾声识别率可以达到81.6%。结果证明，该监测系统的识别结〓果可以用于呼吸暂停综合症的辅助诊断。
据悉，该系统不仅可以识别呼吸暂停综合症，及时干预睡眠呼吸暂停，还可以体检出老☉年人的隐性疾病。（完）
