SSBPR

SSBPR数据集是由武汉大学计算机科学学院和睡眠医学中心合作创建的，旨在通过鼾声识别睡眠体位，以辅助诊断阻塞性睡眠呼吸暂停低通气综合征（OSAHS）。该数据集包含7570条鼾声录音，涵盖六种不同的睡眠体位标签。数据收集自20名成年患者，使用高灵敏度麦克风在睡眠监测中心进行夜间录音。数据集的创建过程包括数据收集、标注和分析，其中标注工作由经验丰富的专家根据同步的PSG信号完成。SSBPR数据集的应用领域主要集中在睡眠医学，特别是OSAHS的诊断和治疗，以及特定人群如孕妇和咽喉反流病患者的睡眠体位管理。

The SSBPR dataset was collaboratively created by the School of Computer Science and the Sleep Medicine Center of Wuhan University, aiming to recognize sleep postures through snoring sounds to assist in the diagnosis of Obstructive Sleep Apnea Hypopnea Syndrome (OSAHS). This dataset contains 7570 snoring audio recordings, covering six distinct sleep posture labels. The data was collected from 20 adult patients, with overnight audio recordings conducted using high-sensitivity microphones at a sleep monitoring center. The creation process of the SSBPR dataset includes data collection, annotation and analysis, where the annotation work was completed by experienced experts based on synchronized polysomnography (PSG) signals. The application fields of the SSBPR dataset mainly focus on sleep medicine, particularly the diagnosis and treatment of OSAHS, as well as sleep posture management for specific populations such as pregnant women and patients with laryngopharyngeal reflux disease.

搜集汇总

数据集介绍

构建方式

SSBPR数据集的构建是通过收集20名成年患者的夜间多导睡眠图（PSG）数据，并在患者同意的情况下，使用防噪麦克风记录了他们的打鼾声。这些声音被同步标注了患者的睡眠阶段、体位和视频信息。标注过程中，使用了脑电图（EEG）、眼电图（EOG）和肌电图（EMG）来确定患者的睡眠状态，而体位传感器和视频监控则用来确定患者打鼾时的身体和头部位置。最终，SSBPR数据集包含了7570个打鼾录音样本，这些样本被分为六种不同的睡眠体位标签：仰卧、仰卧但头部向左、仰卧但头部向右、左侧卧、右侧卧和俯卧。

特点

SSBPR数据集的特点在于它是一个基于打鼾声的睡眠体位识别数据集，涵盖了六种不同的睡眠体位，这使得它能够有效地捕捉和标注与睡眠体位相关的打鼾声特征。此外，数据集在收集和标注过程中严格遵守了隐私保护原则，所有个人信息均被匿名存储。SSBPR数据集的构建还考虑了性别和年龄等风险因素对睡眠呼吸暂停低通气综合征（OSAHS）的影响，因此在样本选择上力求均衡。实验结果表明，基于SSBPR数据集的自动分类模型能够准确地识别患者的睡眠体位，从而有助于提高对OSAHS患者上气道阻塞部位预测的准确性。

使用方法

使用SSBPR数据集进行睡眠体位识别的方法主要包括以下步骤：首先，对数据集进行预处理，包括提取打鼾声的频谱图特征；其次，使用基于Transformer架构的音频分类模型AST对特征进行分类；最后，根据分类结果识别患者的睡眠体位。在使用过程中，可以针对不同性别的患者开发特定的算法，以提高分类的准确性。此外，还可以通过增加数据集的参与者数量、细化打鼾类别以及开发新的打鼾声分类方法，来进一步提升SSBPR数据集在不同睡眠体位识别方面的性能。

背景与挑战

背景概述

阻塞性睡眠呼吸暂停低通气综合征（OSAHS）是一种由上气道阻塞引起的慢性呼吸障碍。打鼾是OSAHS的一个显著症状，先前的研究试图通过打鼾声音来识别上气道的阻塞部位。尽管取得了一些进展，但在现实世界的临床环境中，由于睡眠体位对上气道的影响，阻塞部位的分类仍然具有挑战性。为了应对这一挑战，本文提出了一种基于打鼾的睡眠体位识别数据集（SSBPR），其中包含7570个打鼾录音，包括六个不同的睡眠体位标签：仰卧、仰卧但头部向左侧、仰卧但头部向右侧、左侧躺、右侧躺和俯卧。实验结果表明，打鼾声音表现出某些声学特征，可以在现实世界的场景中有效利用，以识别睡眠期间的体位。本文的研究背景包括创建时间（2023年7月25日）、主要研究人员或机构（武汉大学生命科学研究中心、武汉大学中南医院睡眠医学中心、武汉大学网络科学与工程学院）、核心研究问题（基于打鼾的睡眠体位识别）以及对相关领域的影响力（为OSAHS的诊断和管理提供实践解决方案）。

当前挑战

SSBPR数据集相关的挑战包括：1）所解决的领域问题的挑战：打鼾声音的自动分类和识别上气道阻塞部位；2）构建过程中所遇到的挑战：确保数据集的多样性和平衡性，以及开发有效的算法来处理不同性别和年龄段的打鼾声音。

常用场景

经典使用场景

在睡眠呼吸障碍研究中，SSBPR数据集的经典使用场景是识别睡眠时的身体位置。通过对打鼾声音的分析，该数据集能够准确判断个体的睡眠姿势，如仰卧、侧卧、俯卧等。这对于诊断睡眠呼吸暂停低通气综合征（OSAHS）具有重要意义，因为患者的睡眠姿势会影响上呼吸道阻塞的位置和程度。

衍生相关工作

SSBPR数据集衍生了多项相关研究，例如：1）基于SSBPR数据集开发新的打鼾声音分类模型，以提高睡眠姿势识别的准确性；2）利用SSBPR数据集研究不同睡眠姿势对打鼾声音的影响，以揭示OSAHS的病理生理机制；3）将SSBPR数据集与其他睡眠呼吸障碍数据集结合，进行多模态分析，以提高OSAHS的诊断和治疗效果。

数据集最近研究

最新研究方向

本研究提出了一种基于打鼾声音的睡眠体位识别数据集（SSBPR），旨在通过分析打鼾声音中的声学特征，以准确识别患者的睡眠体位。研究结果表明，打鼾声音确实包含了一些能够有效识别睡眠体位的声学特征，这为基于打鼾声音的睡眠体位识别提供了新的研究方向。此外，本研究还发现，性别差异对睡眠体位识别的准确性有显著影响，因此未来研究可以进一步探索针对不同性别的打鼾声音分类算法，以提高模型的准确性和实用性。

相关研究论文

• A Snoring Sound Dataset for Body Position Recognition: Collection, Annotation, and Analysis

  武汉大学计算机科学学院 · 2023年