[摘要] 基于自适应向量机监测睡眠呼吸暂停综合征(SAS)时可提取出的特征参数较多，筛选这些特征参数中与SAS相关度较大的组合，可以有效降低算法的计算量，具有重要的实践意义。本文基于V2导联心电信号，首先对ECG信号进行去噪和R波提取，得到心率变异性信号(HRV)和心电呼吸导出信号，并从中提取出时域频域特征共22组，利用特征参数与SAS的相关系数对特征参数筛选后进行支持向量机(SVM)分类。对比22组特征参数与筛选后的15组特征参数分类结果，准确率降低不足0.5%，但计算复杂度大大降低，可作为对临床长时间心电图检测的扩展，减少对专业医护人员的依赖，具有良好的经济性和普及性。

    [关键词] 睡眠呼吸暂停综合征；相关系数；支持向量机

    [中图分类号] R563.8 [文献标识码] A [文章编号] 1673-7210(2019)04(c)-0165-04

    Screening best combination of features based on adaptive vector machine for detecting sleep apnea syndrome

    WANG Xinkang1 LIU Lei2 WANG Lianghong2 FAN Minghui2

    1.Department of ECG Diagnosis ......