一、成果简介

睡眠呼吸障碍是一类常见的睡眠相关呼吸疾病，其临床表现主要包括呼吸暂停和低通气两种事件类型。呼吸暂指气流完全停止或近乎完全停止，可根据发生机制进一步分为阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停，而低通气则指气流部分降低但仍存在，同样可依据是否存在呼吸努力区分为阻塞性低通气（Obstructive Hypopnea , OH）与中枢性低通气（Central Hypopnea , CH）。准确区分OH与CH对临床诊断、疾病分型、治疗策略选择及预后评估具有至关重要意义。例如，持续气道正压通气（CPAP）对OH患者疗效显著，但对某些类型CH患者可能无效甚至有害。因此，实现OH与CH精确判别是提升SDB诊疗水平的关键环节。

本成果基于多模态信号的睡眠低通气类型自动判别方法及系统，旨在解决现有视觉评分方法主观性强、一致性差，及单一信号特征判别能力有限的技术瓶颈。通过采集多导睡眠图（PSG）中的多模态信号，包括鼻通气气流、胸腹呼吸运动、血氧饱和度等信号，提取与低通气分型相关的多维度特征，包括吸气流量受限指标、胸腹运动协调性、事件终止模式、觉醒时序关系及睡眠阶段关联特征等，再基于机器学习算法对上述特征融合与优选，构建高精度分类模型，实现阻塞性与中枢性低通气自动判别。

本成果解决了传统方法在低通气分型中依赖人工、特征利用不全面、判别精度不足的关键问题，为睡眠呼吸障碍精准诊断、分型及治疗策略制定提供可靠依据。

图1.本成果技术流程图

二、应用领域

本成果属于人工智能辅助诊断技术领域，可用于临床诊疗、家用健康设备、养老监护、职业安全筛查、重症监护及睡眠医学科研等多场景。

三、市场前景

国内睡眠呼吸障碍人群基数较大，但专业睡眠诊断人力不足。分级诊疗推进基层筛查、远程居家监测逐步普及，本成果可适配医院监测设备、家用穿戴、养老监护、职业体检等多场景。目前睡眠监测、呼吸机相关硬件市场稳步扩容，多模态算法可配套各类监测设备使用，能减轻人工判读工作量，统一判别标准，具有较好市场前景。

四、知识产权

1、成果由北京理工大学单独持有；

2、本成果已授权专利。

五、合作方式

技术许可、技术转让、合作开发或技术服务与咨询等。

六、对接方式

（1）合作意向方联系北理工技术转移中心；

（2）北理工技术转移中心沟通了解意向方情况；

（3）会同成果完成团队与意向方共同研讨合作方案。

北京理工大学技术转移中心

电话：010-68914920

邮箱：bitttc@bit.edu.cn

网址：ttc.bit.edu.cn

未经授权，请勿转载