基于睡眠传感器采集的用户睡眠呼吸数据，建立呼吸暂停预测模型，计算呼吸暂停发生频次，用于评价用户的呼吸暂停严重程度。此数据主要用于用户的健康筛查服务，将呼吸暂停严重程度按发生频次的大小分为正常、轻度风险、中度风险、重度风险4个等级，当呼吸暂停严重程度较高时，及时提醒用户去医院检查，并且提供相关的健康建议和关怀服务。
1、 预处理睡眠期间的呼吸特征序列数据，并将序列数据切分成多个固定时长的数据片段； 2、 将所有数据片段分别进行数学变换，如小波变换、傅里叶 变换、希尔伯特变换等； 3、 基于变换后的数据，进行特征提取，并通过特征筛查算法，筛选出重要特征，将特征送入ResNet深度神经网络模型进行训练和预测； 4、 模型输出结果为1，代表片段中存在呼吸暂停现象，模型输出结果为0，代表片段中不存在呼吸暂停现象； 5、 统计平均每小时呼吸暂停的发生次数，得到呼吸暂停指数； 6、 将呼吸暂停指数按从小到大划分成4个区间，分别代表正常、轻度风险、中度风险、重度风险，该4个区间由医学仪器多导仪同步实验后标定而来； 7、 根据呼吸暂停指数所在的数值区间，例如[0,5)、[5,15)、[15,25)、25及以上，分别代表正常、轻度风险、中度风险、重度风险。
| 字段名 | 类型 | 描述 |
|---|---|---|
用户ID |
-- | -- |
呼吸特征序列 |
-- | -- |
呼吸暂停指数 |
-- | -- |
创建时间 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 用户ID | 1 |
| 呼吸特征序列 | [0.134, 0.864, 0.247, 0.565, 0.21, 0.089 |
| 呼吸暂停指数 | 23 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/4099