百度上搜索“呼吸暂停综合征” (OSAHS)，网页上信息寥寥。“它主要是发生在晚上睡眠时候，有的人鼾声很大很长，你比如说一个人一个呼声起来，到这个呼声落下来甚至间隔有1分钟，它很可能就是呼吸暂停综合症，只是很容易被忽视，以为就是打鼾厉害。呼吸暂停综合症其实和心脏骤停一样致命。”有过多年医疗器械研发经历的杭电电子信息学院院长李文钧教授表示。
“呼吸暂停综合征多发生在晚上睡觉时，有人睡着睡着就没了，还不知道是因为这个病症，所以我们的工作，一个是希望它能为更多人认知，另一个就是用毫米波、深度学习、物联网等技术识别、干预、监测、预警这个致命病症，守护人类健康。”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。
在李文钧教授和岳克强老师指导下，杭电“谛听”学生团队成功研发出“毫米波生命体征监测系统”。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，可以穿透雾、烟、灰尘等，也具有较强的抗干扰能力，可以精准的找到家里睡觉的人。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。
那么，一个睡眠中的人，身上会发出很多种声音，比如心跳声、呼吸声、翻体声，毫米波雷达怎么精准识别鼾声呢？“这里用到了深度学习技术。我的主要工作就是识别鼾声，进而精准识别呼吸暂停综合症表现出的声音。一个人站在一个睡觉中的人旁边，识别其呼声间隔很长是很容易的。可是房间里一定距离下，毫米波雷达实现精准识别，就涉及了大量的算法。我们就尝试了特别多的方法，单使用的一种语音特征参数(MFCC)就使用了39维的特征。我们研究出了一种基于深度学习的鼾声分类方法，该方法根据OSAHS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-time Energy(短时能量)、LPC(线性预测系数)这三类特征系数，通过我们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。最终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%，结果证明识别结果可以用于OSAHS的辅助诊断。这项研究也花了我将近一年的时间。”杭电2019级电子科学与技术研一学生程思一表示。
杭电大一学生周春珂主要负责“收集病人鼾声”。 “项目研发过程中，每次出去收集鼾声，同学们都会笑我，当然我知道他们是善意的。我风雨无阻地在学校、杭州市二医院、笕桥医院之间三点一线奔波，向医院的心血管、呼吸科医生请教，并采集相关病人呼吸心率的‘声音’，带回实验室进行分析，通过声音的分析，我们可以检测出病人的病情，并与实际临床问题结合。在半年的时间里，我们持续采集了200多名病人呼吸心率的声音，并成功破解了呼吸暂停综合征患者鼾声中的数字密码。”
“这个系统能通过鼾声实时监测生命体征，主要适用家里的老人，统计老人的睡眠信息状况，在APP内生成健康分析报告，及时了解老人的身体状况与患病风险。最主要的功能是识别呼吸暂停综合征、及时干预睡眠呼吸暂停，其次就是体检出老年人的隐性疾病。”项目另一位指导老师、杭州星科智控科技有限公司总经理赵星伦告诉记者。
截至目前，该研发项目已申请《一种基于毫米波雷达的睡眠呼吸暂停监测系统》《一种用于睡姿监测的可穿戴设备及方法》《一种基于呼吸鼾声的采集传输系统》等9项专利。
（通讯员 程振伟 钱胜 记者 付曦地）
