CN101528126A - 用于确定呼吸频率的方法和装置 - Google Patents

Abstract

本发明提出一种用于确定患者的呼吸频率的方法，包括以下步骤：通过至少两种不同的方法确定与时间相关的至少两个呼吸信号，以及基于所述与时间相关的至少两个呼吸信号来确定呼吸频率。在此，确定从所述与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，…)得到的相应的瞬时呼吸频率f_i(n)(i＝1，2，…)，以及通过呼吸频率f_i(n)(i＝1，2，…)的加权平均来产生平均呼吸频率f(n)。在该平均中，各个呼吸频率f_i(n)(i＝1，2，…)的权重k_i(n)(i＝1，2，…)取决于相应的呼吸频率f_i(n)(i＝1，2，…)和估计值f_s (n)之间的差，其中该估计值基于所述至少两个呼吸信号s_i(t)(i＝1，2，…)来确定。同样还提出了一种用于执行该方法的装置。

Description

用于确定呼吸频率的方法和装置

本发明涉及一种用于确定患者的呼吸频率的方法和装置，它们用于以测量技术监视患者的呼吸行为。

对此，已经公开了多种不同的方法，以便从患者的不同生理学测量信号中提取关于呼吸行为的信息。于是可能的是，借助以下方法来推导和监视患者的呼吸行为：

-通过由于胸腔的呼吸运动而引起的生物阻抗的改变，阻抗-体积描记法(IP)，

-基于心率变异信号，因为由于呼吸性窦性心率不齐，在心率中包含关于呼吸行为的信息，

-基于容积血流脉搏波的光电测量，光电体积描记法(PPG)，其包含由于呼吸引起的血压波动产生的附加信号成分，

-基于由于心脏活动引起的在身体表面的电势差，所谓的心电图(EKG)，

-基于动脉中的脉搏波的脉搏波传播时间(PTT)，因为血压的波动具有呼吸引起的成分，并且心脏收缩的血压几乎线性地与脉搏波传播与时间相关。

然而，基于这些方法对呼吸频率的测量受到多种干扰信号影响。在此已表明的是，由于干扰信号的复杂性几乎不可能对单个信号的品质进行评价。

这主要基于以下三个原因：

●原因1-间接测量

例如从EKG信号和PPG信号提取呼吸信息是对呼吸行为的间接测量并且由此总是易受干扰。

●原因2-所提取的呼吸信号的不同形状

由实验室数据和临床数据的分析得到，在所提取的呼吸信号中的呼吸行为的形状与个体有关并且也随着时间而改变，参见图1。因此，不能简单地确定所提取的呼吸信号一定好于其他信号。

●原因3-非自然信号

所提取的呼吸信号会不同地受到非自然信号的影响，这些非自然信号可能由不同的方法产生或者例如可能由于患者的移动或者由于其他生理过程而形成。

为了改进测量精度，因此由US 2005/0027205公开了：将多个从不同测量方法中获得的呼吸频率进行平均。在此，使用阻抗-体积描记法(IP)和光电体积描记法(PPG)作为方法，它们都与运动有关。为了消除由于患者运动引起的非自然信号，使用了特殊的数学模型来确定诊断值，该模型对于两个测量通道分别独立地作出预测。预测分别仅仅基于相应通道的以前的测量值以及如下因素：该因素总体上考虑频率中的通常偏差，即每个通道的输出信号被平滑和外推。现在，所测量的频率被与预测的值比较，并且通过该差来确定频率平均的权重。然而，加权在此仅仅基于与相应测量通道的模型的差。因此，这种方式的前提是，模型比测量更好地描述实际情况，因为并未进行从测量结果到模型结构的反馈。由此，只能暂时地使譬如由于患者移动而形成的干扰衰减，而并不能消除持久的或者系统的干扰影响。特别地，由于生理干扰因素例如Mayer波引起的误差由此被延迟地接收并且此外明显地歪曲通过这种系统确定的呼吸频率。此外，通过诊断模型的计算是昂贵且复杂的。

因此本发明的任务是，提出一种改进的方法用于确定患者的呼吸频率，该方法以简单的方式和方法提高了确定的呼吸频率的可靠性并且特别是也可以消除生理的干扰因素。

根据本发明，该任务由根据权利要求1的用于确定患者的呼吸频率的方法来解决。这种方法包括如下步骤：通过至少两种不同的方法确定至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)，确定从所述至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)得到的相应的瞬时呼吸频率f_i(n)(i＝1，2，...)，以及通过呼吸频率f_i(n)(i＝1，2，...)的加权平均来确定平均的呼吸频率f(n)。在该平均中，各个呼吸频率f_i(n)(i＝1，2，...)的权重k_i(n)(i＝1，2，...)取决于相应的呼吸频率f_i(n)(i＝1，2，...)和估计值f_s(n)之间的差，其中该估计值基于至少两个呼吸信号s_i(t)(i＝1，2，...)来确定。于是，加权不再针对每个通道分离地进行，而是基于相应呼吸频率f_i(n)(i＝1，2，...)与诊断值的差，其中该诊断值基于来自多个通道的数据而确定。因为干扰通常不同地作用到不同的与时间相关的呼吸信号s_i(t)(i＝1，2，...)上，并且由此也作用到从中确定的呼吸频率f_i(n)(i ＝1，2，...)上，所以通过这种加权可以抑制干扰信号和在各个呼吸信号中的误差。如果干扰仅仅存在于呼吸信号中并且由此仅仅存在于呼吸频率中，则在该呼吸频率和估计值f_s之间的差较大，这在平均的情况下又导致该呼吸频率的小的权重。由此，得到对各个通道的加权的反馈，通过该反馈也可以消除系统的或者持久的干扰影响。特别地，于是可能消除生理干扰因素例如Mayer波的影响。

有利的是，在此估计值f_s(n)基于以前已经确定的平均呼吸频率f(n-1)来确定。特别地，于是可以有利地从在相应的通道上测量的当前呼吸频率f_i(n)(i＝1，2，...)和最后确定的平均值f(n-1)之间的差来确定权重。如果该差大，则所涉及的通道与小的权重关联，反之亦然。这样，各个值的偏差始终与整个系统有关，使得通过整个系统的系统结构的反馈也可以消除系统误差。此外有利的是，估计值f_s(n)特别是为了初始化而通过来自至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)中的频率信息的组合或者通过形成当前呼吸频率f_i(n)(i＝1，2，...)的平均值来确定。因为恰好在开始时不存在来自以前测量的可靠的估计值，所以可以适用当前测量值的(通常未加权的)平均值或者通过频率信息的组合来提供估计值。使用频率信息在此在计算上花费较大，然而对此提供了更为准确的结果。这对于初始化是特别有利的，然而当在运行期间由于强烈的干扰而无法以其他方式确定值时这也可以被使用。

有利的是，从所测量的生理信号中确定至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)。在此，与时间相关的呼吸信号s_i(t)(i＝1，2，...)可以通过不同的方法从一个或多个所测量的生理信号来确定，这提高了最终结果的可靠性。

在此，所测量的生理信号有利地形成以下信号的选择：

-生物阻抗信号，

-心率变异信号，

-光电体积描记法信号(PPG信号)，

-EKG的源统计信号，

-脉搏波传播时间信号(PTT信号)。

这样得到多个不同的生理信号，这些信号可以被测量并且用于确定与时间相关的呼吸信号s_i(t)(i＝1，2，...)。

有利的是，在此通过带通滤波器从所测量的生理信号中确定至少两个与时间相关的呼吸信号s_i(t)(i ＝1，2，...)。因为生理信号通常不仅包含呼吸行为的信息，而且也包含其他的例如心率的信息，所以可以通过带通滤波器将这些不希望的的信息滤除，使得由生理信号得到与时间相关的呼吸信号s_i(t)(i＝1，2，...)。

在此，带通滤波器有利地让大约0.12Hz到0.42Hz范围中的频率通过，而其他的位于呼吸频率的该范围之外的频率被带通滤波器抑制。

有利的是，根据本发明的方法还包括如下步骤：通过对与时间相关的呼吸信号s_i(t)(i＝1，2，...)的极大值的时间系数t_max(k)进行确定来从与时间相关的呼吸信号s_i(t)(i＝1，2，...)确定瞬时的呼吸频率f_i(k)。于是，可以从与时间相关的呼吸信号s_i(t)(i＝1，2，...)通过确定该信号的极大值或者通过确定极大值的时间系数来以简单的方式和方法确定呼吸频率。有利的是，在此通过确定与时间相关的呼吸信号的相邻极大值之间的时间间隔t_max(k)-t_max(k-1)来确定瞬时的呼吸频率。

在与时间相关的呼吸信号的两个彼此相继的极大值之间的时间间隔在此与瞬时的呼吸频率f_i(k)成反比。有利的是，从三个呼吸信号确定瞬时的呼吸频率：f_hr(m)、f_amp(n)、f_ptt(k)。有利的是，在此进行时间系数m、n和k的一致性检验。对此，时间系数必须位于预先给定的时间窗中。对于时间窗，例如可以使用当前呼吸周期的50％。

此外，本发明还包括一种方法，其中进行呼吸频率f_i(n)(i＝1，2，...)的一致性检验。于是可以识别有误差的信号并且在确定呼吸频率f时进行抑制。有利的是，这在上面所描述的方法中在呼吸频率f_i(n)(i ＝1，2，...)的加权平均之前进行。然而对于本领域技术人员而言，明显的是，这种一致性检验与具体的平均无关而非常有利。

有利的是，一致性检验通过呼吸频率f_i(n)(i＝1，2，...)彼此的比较来进行。这能够以简单的方式和方法来实现检验各个呼吸频率f_i(n)(i＝1，2，...)的一致性，使得将不一致的值清理掉，并且可以从这些差确定信号的质量。在一致性检验中发现不同的呼吸频率f_i(n)(i＝1，2，...)之间越一致，则信号品质评价为越高。

此外有利的是，相应的呼吸频率f_i(n)(i＝1，2，...)之间的差与允许的容差Δ进行比较。这样在一致性检验时忽略了小的偏差，而大的偏差显示出呼吸频率f_i(n)(i＝1，2，...)的各个值之间的不一致性。

有利的是，在此仅仅通过一致性检验的呼吸频率被用于呼吸频率f_i(n)(i＝1，2，...)的加权平均。这样，误差可以从开始就被抑制并且不再影响最终结果。此外，可以从通过一致性检验的呼吸频率的数目来评价信号品质。

此外有利的是，本发明还包括一种方法，其中信号品质特别是如上面所描述的那样通过一致性检验来确定并且必要时进行显示。对于本领域技术人员而言，在此明显的是，这种对信号品质的确定提供了重要的信息来判断测量结果，并且也与上面描述的方法特征无关地而非常有利。

此外，本发明还包括一种方法，其具有以下步骤：通过在频率空间中将至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)进行变换来产生至少两个频率信号FT_i(f)(i＝1，2，...)，以及通过将频率信号FT_i(f)(i＝1，2，...)组合来确定频率信号FT(f)，其中呼吸频率f基于频率信号FT(f)来确定。与时间相关的呼吸信号s_i(t)(i＝1，2，...)在频率空间中的变换在此可以通过傅立叶变换来进行，并且有利地通过快速傅立叶变换(FFT)来进行。这样得到不同的呼吸信号的频谱，这些频谱于是可以用于确定频率信号FT(f)。这也能够实现简单和可靠地抑制在最终结果中的干扰信号和误差。在此，对于本领域技术人员而言明显的是，该方法是与上面描述的时间空间中的平均无关的方法，然而该方法也可以有利地例如为了初始化加权的平均或者为了在强烈干扰的情况下进行抑制而被结合。

有利的是，在结合频率信号时，频率信号FT(f)在此通过将频率信号FT_i(f)(i＝1，2，...)求平均来确定。有利的是，在此计算几何平均值。

现在有利地通过频率信号FT(f)的峰值检测来确定呼吸频率f，使得可以直接从频率信号导出平均的呼吸频率f。

而可替选地，呼吸频率f也可以通过频率信号FT(f)的逆变换以及对得到的信号s(t)进行分析来确定。该分析于是如上面已经描述的那样通过确定信号s(t)的极大值来进行。

由此，有两种简单的方法可供使用，以便从频率信号FT(f)确定呼吸频率f。

此外有利的是，在根据本发明的方法中从PPG信号和EKG信号来获得至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)。这两种信号包含多个关于呼吸频率的信息，并且于是形成可靠的基础用于通过不同的方法来确定所述至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)。

有利的是，根据本发明的方法的所述至少两个与时间相关的呼吸信号s_i(t)(i＝1，2，...)形成对以下信号的选择：

-从心率确定的呼吸信号S_HR(t)，

-从PPG信号确定的呼吸信号S_PPG(t)，

-从PTT信号确定的呼吸信号S_PTT(t)，

-从EKG信号的峰度确定的呼吸信号S_kurt(t)。

所有这些呼吸信号于是可以被分析并且用于确定患者的呼吸频率f。

有利的是，在此在根据本发明的方法中使用所有四个呼吸信号，以便实现结果的尽可能高的可靠性和精度。特别地，在使用一致性检验和确定信号品质的情况下，在此大量的呼吸信号是有利的。

此外，本发明还包括一种用于借助上面所描述的方法之一来确定患者的呼吸频率的装置。由此，明显得到如已经借助方法所展示的相同的优点。在此，这种装置特别是包括用于测量生理信号的传感器，从这些信号可以确定所述至少两个与时间相关的呼吸信号，以及包括一种用于数据处理的装置，该数据处理被实施为使得其执行根据本发明的方法。

此外有利的是，本发明还包括一种用于确定患者的呼吸频率的装置，特别是用于执行根据本发明的方法的装置，其具有独立的传感器单元用于测量生理信号，从这些信号可以确定所述至少两个与时间相关的呼吸信号；以及具有计算单元用于分析从传感器单元传输的数据。由于所述用于确定患者的呼吸频率的方法的至少大部分并不在传感器单元中而是在计算单元中执行，所以传感器单元的对执行在传感器单元中执行的方法步骤所需的计算能力不必太大地设计，这能够实现成本低廉并且节省位置的结构。通过独立的传感器单元，可能对根据本发明的装置进行特别简单的操作，其中尤其是在使用根据本发明的方法中得到特别的优点。然而对于本领域技术人员而言至少明显的是，同样得到在使用根据现有技术的方法中的优点。

此外有利的是，由传感器单元产生的数据被以无线方式传输给计算单元。由此，无需复杂的布线，这又提高了根据本发明的装置的用户友好性以及操作可靠性。

此外有利的是，传感器单元固定在患者的手腕上。这样例如实施为臂带设备的传感器单元能够实现特别简单的操作，这对于患者而言负担也较小。为了数据传输，在此可以使用任何已知类型的无线传输，其中特别是数据的无线电传输是有利的。在此，数据由传感器单元传输给计算单元，该计算单元例如设置在用于处理或者用于监视患者的设备中。

在传感器单元中，已经可以执行用于确定呼吸频率的方法的一部分，使得被进一步处理的数据被传送给计算单元。这样，虽然必须在传感器单元中提供一定的计算能力，然而为此要被传感器单元向计算单元传输的数据量更小，使得从传感器单元向计算单元的数据传输装置可以不那么费事地设计。特别地，在使用无线传输的情况下，这具有明显的优点。

有利的是，在此在传感器单元中从生理信号确定至少两个与时间相关的呼吸信号，并且随后向计算单元传送。借助带通的分析以及随后的根据本发明的方法的步骤随后通过计算单元的电子设备来进行。

当然也可能的是，在传感器单元中执行根据本发明的方法的其他步骤，然而其中在此要注意的是，对于进一步的分析需要一定的计算能力(处理器能力)，使得昂贵的硬件优选不是设置在传感器单元中，而是设置在计算单元中。然而，接口原则上可以任意选择。

此外，有利的是，根据本发明的装置具有用于测量EKG信号和PPG信号的传感器。从这两种生理信号可以确定根据本发明的方法的所述至少两个与时间相关的呼吸信号，其中各信号中的可能的误差可以通过根据本发明的平均来消除。此外有利的是，在此由EKG信号和PPG信号来确定心率、脉搏幅度和脉搏波传播时间。由此，有三个不同的与时间相关的呼吸信号可用，通过根据本发明的对它们的平均也可以消除输出信号中的系统误差。

有利的是，在此计算单元是医疗设备的一部分，特别是用于体外血处理的医疗设备如透析器、血液过滤器或者血液透析过滤器的一部分。当然，数据传输和其他的根据本发明的对数据的分析也可以结合其他任意医疗设备来进行。

可替选地，根据本发明的装置的计算单元也可以是例如医院或者透析诊所的计算机网络的一部分。这样的优点是，可以将用于分析从传感器单元传输的数据的昂贵的硬件设置在医院或者透析诊所的计算机网络中。

现在借助附图进一步描述本发明。

其中：

图1示出了四种提取的呼吸信号以及借助热敏电阻测量的呼吸信号，

图2示出了四种提取的呼吸信号的频谱、四种频谱的几何平均值以及热敏电阻信号的频谱，

图3示出了根据本发明的方法组合的一个实施例的结构，

图4示出了作为参考的、借助热敏电阻测量的呼吸信号以及三种提取的呼吸信号，以及

图5示出了与来自热敏电阻信号中的呼吸频率相比，从各通道确定的呼吸频率以及根据本发明的从组合中确定的呼吸频率。

在现有技术中，除了通过热敏电阻直接监视呼吸之外(该热敏电阻被患者认为非常碍事)，还公开了以下方法用于间接的呼吸监视：

-通过生物阻抗测量的呼吸监视[1]

在吸气时，胸脯扩展并且阻抗升高。在呼气时，胸脯收缩并且阻抗降低。如果恒定的电流被引导通过胸部，则可以通过两个EKG电极来测量与呼吸有关的电压。

-基于心率变异信号的呼吸行为[2]

-基于光电体积描记法信号(PPG信号)的呼吸行为[3]

-基于EKG的源统计的呼吸行为[4]

-基于脉搏波传播时间的呼吸行为[5]

在本发明的实施例中，现在通过组合已知的方法在时域和频域上实现了从EKG信号和PPG信号提取的呼吸信息的改进的可靠性。

2.生理基础

下面将从生理方面阐述为何EKG和PPG信号包含关于呼吸的信息。

2.1窦性心率不齐(RSA)

-心率与呼吸的相关称为窦性心率不齐。

-在吸气期间心率增大

-在呼气期间心率减小

-RSA尤其通过迷走神经的交替活动来传达。这样，可以通过阿托品或者迷走神经切断术来中断窦性心率不齐。

-对与呼吸相关的心率变异性的影响：例如肺部的、脉管的和心脏的牵张感受器以及在脑干中的呼吸中枢，在呼吸循环的相应阶段中的不同的压力反射过敏。

-由于吸气的迷走神经抑制，产生具有与呼吸相同频率的心率波动。

-吸气抑制主要通过髓质吸气中枢对髓质心血管中枢的影响来引起。

-此外，外围反射由于血液动力学改变和胸部牵张感受器而是可靠的。

-相应地，也公开了具有相同频率的血压的波动(Traube-Hering波)。

除了呼吸性窦性心率不齐之外，心率的其他周期性波动是由于压力感受器反射和体温调节引起的心率变化。

-所谓的心率10秒律动通过压力反射循环(Baroreflex-Schleife)的血管收缩部分的自振荡引起。

-这些固有的振荡由负的压力反射反馈系统得到，并且伴随有血压的同步波动(Mayer波)。

-这些波动的频率通过系统的时延来确定，该时延在交感紧张(Sympathikatonus)升高时增大，并且在交感神经系统阻滞(Symphathikusblockaden)或者副交感神经系统阻滞(Parasymphathikusblockaden)的情况下降低。

-外周血管阻力显示出具有低频的固有振荡。

-这些波动可以通过热的皮肤刺激来引起，并且由此视为对皮肤的血流的在体温调节上不可避免的变化的反应。

-外周阻力的这些周期性变化伴随有血压和心率的振荡。

2.2呼吸引起的血压中的波动

根据呼吸，血压围绕平均值波动。猜测呼吸对血压的机械作用为原因。Mayer发现了其他的血压振荡，这些振荡的频率低于呼吸的频率。这些振荡由于大约10秒到20秒(0.1Hz)的周期的外周血管紧张的变化而出现，并且称为“Mayer波”。生理的血压变化被划分为I级、II级和III级：

I级：通过心脏收缩和心脏舒张引起的变化，

II级：与呼吸有关的变化，以及

III级：Mayer波(0.1Hz)。

此外已知了更低频率(＜0.04Hz)的血压波动。

在下表中总结了血压中的波动及其相应原因：

表1：血压中的律动及可能原因

血压波动	频率范围(Hz)	可能原因
			I级	0.5～2.0	心脏收缩
II级	0.15～0.40	呼吸-呼吸对血压的机械作用
			III级	0.04～0.15＜0.04	Mayer波-交感神经系统传递这些波动的一部分。低频(LF)能力受到通过压力反射和体液影响的调节振荡反映不同控制机制的交互，例如体温调节和肾素-血管紧张素系统、内皮功能的交互。

3.从PPG和EKG中提取呼吸行为

3.1来自心率信号的呼吸行为

由于呼吸性窦性心率不齐，EKG和PPG信号通过呼吸来频率调制。据此，PPG信号通过下式来给出，

PPG(t)＝PPG(ω_Herz·s(ω_Resp·t)·t)

其中ω_Herz是心率，而s(ω_Resp·t)是具有呼吸频率ω_Resp的呼吸信号。

通过呼吸的频率调制可以被解调，其方式是首先基于“逐拍(beat-to-beat)”由EKG信号或者PPG信号确定瞬时心率。随后，借助0.12Hz-0.42Hz的带通滤波器来提取心率变异信号以及由此提取时间的呼吸信号s_HR(t)。

3.2来自PPG信号的呼吸行为

由于呼吸引起的血压的波动，呼吸行为以附加信号成分的形式进入到PPG信号中。呼吸律动反映在PPG信号中，并且通过下式表示：

PPG(t)＝PPG(ω_Herz·s(ω_Resp·t)·t)+k_ppg·s(ω_Resp·t)

其中k_ppg是PPG信号中s(ω_Resp·t)的附加特征。

为了获取附加呼吸信号，可以首先通过“逐拍”地确定PPG信号中的局部极大值或极小值来形成PPG信号的包络线，并且随后借助带通滤波器来提取时间的呼吸信号s_PPG(t)。

3.3来自PPT信号的呼吸行为

因为一方面血压中的波动具有呼吸引起的成分，并且另一方面心脏收缩血压几乎线性地与PPT相关，所以在PPT中也包含呼吸信息。这使得PPT具有附加的呼吸成分。因此，PPT信号可以通过下式来说明，

PTT(t)＝PTT_sBP(t)+k_ptt·s(ω_Resp·t)

其中

PPT_sBP(t)表示PPT中的心脏收缩的血压引起的成分，而

k_ptt表示PTT信号中的s(ω_Resp·t)的附加特征的强度。

借助带通滤波器可以从PTT信号中提取呼吸行为。

3.4来自EKG的峰度的呼吸行为

如下假设形成了该方法的基础：电信号从心脏通过胸腔直到皮肤表面的传输路径可以被视为线性的时变系统，该系统的特性通过身体的状态来预先给定。系统的特性在此是胸腔的阻抗，该阻抗通过呼吸而改变。该系统的这些时间变化应当通过峰度而变得可见。峰度值根据下式计算：

用于借助峰度方法从EKG中提取呼吸律动的方式可以分为以下步骤：

1.去除EKG信号中的基线漂移，

2.找出R尖端：在两个彼此相继的R尖端之间的EKG信号分布形成间隙，

3.峰度计算：对于每个限定的间隔，根据上面给出的公式计算峰度，并且与关联的时刻一同存储，

4.形成关于所计算的峰度值的包络线，

5.时间的呼吸信号s_kurt(t)通过借助带通滤波器对包络线的滤波而形成。

4.方法组合

如开头已经提及的那样，在血压中以及在心率中特征不仅在于呼吸律动，而且还有其他的干扰律动例如Mayer波和由于血管紧张以及体温调节引起的波动，这些干扰律动在0.0Hz～0.15Hz的频率范围中。因为这种干扰律动部分地与呼吸律动在频域中交叠，所以它们也可以存在于从PPG和EKG中提取的呼吸信号中。由此，可能歪曲呼吸测量。

由于传输路径的复杂性和不同，干扰律动在提取的呼吸信号s_hr(t)、s_max(t)、s_ptt(t)、s_kurt(t)中不同地被表征。图1和图2在时域和频域中示出了四种这样的呼吸信号。

此外，信号分析表明，在这四种呼吸信号中的干扰律动的特征与个体有关并且是时变的。出于该原因，通常难以判断所提取的呼吸信号的品质。例如，不能简单地确定s_hr(t)一定好于或差于s_ptt(t)。

在时域或频域中方法组合的基本思想基于上述观察。其用于提高从EKG和PPG中提取的呼吸信息的可靠性。

例如为了能够组合四种不同的方法，必须首先进行以下两个步骤：

-在预先给定的持续时间T上检测EKG信号和PPG信号，并且基于“逐拍”确定心率hr(t)、PPG极大值max(t)、脉搏波传播时间ptt(t)和峰度值kurt(t)。

-借助0.12Hz～0.42Hz的带通来对四个信号进行滤波。由此得到四个对应的呼吸信号s_hr(t)、s_max(t)、s_ptt(t)和s_kurt(t)。

4.1时域中的组合

4.1.1确定瞬时呼吸频率

-找出局部极大值并且以秒为单位存储其时间系数t_max(n)

-根据下式计算呼吸频率：

$f\left(n\right)=\frac{60\sec }{t_{\max }\left(n\right)-t_{\max }(n-1)}$

单位为呼吸次数/分钟

-从四个呼吸信号中确定瞬时呼吸频率

从s_hr(t)确定f_hr(n)

从s_max(t)确定f_max(n)

从s_ptt(t)确定f_ptt(n)

从s_kurt(t)确定f_kurt(n)

4.1.2通过加权平均的组合

对于加权平均，首先将4个测量到的呼吸频率与当前呼吸频率的估计值比较，并且计算其与估计值的差。随后根据差来计算权重因子。差越大，则权重因子越小。最后，通过加权形成平均值来确定最终的呼吸频率。

以下将进一步描述加权平均，其中最后的呼吸频率视为当前呼吸频率的估计值。

1.计算瞬时呼吸频率与最后的呼吸频率f(n-1)的偏差：

${\mathrm{\σ}}_{\mathrm{hr}}^2={[f_{\mathrm{hr}}\left(n\right)-f(n-1)]}^2$

${\mathrm{\σ}}_{\max }^2={[f_{\max }\left(n\right)-f(n-1)]}^2$

${\mathrm{\σ}}_{\mathrm{ptt}}^2={[f_{\mathrm{ptt}}\left(n\right)-f(n-1)]}^2$

${\mathrm{\σ}}_{\mathrm{kurt}}^2={[f_{\mathrm{kurt}}\left(n\right)-f(n-1)]}^2$

2.计算权重因子：

$k_{\mathrm{hr}}=\frac{\mathrm{\Σ}-{\mathrm{\σ}}_{\mathrm{hr}}^2}{3\·\mathrm{\Σ}}$

$k_{\max }=\frac{\mathrm{\Σ}-{\mathrm{\σ}}_{\max }^2}{3\·\mathrm{\Σ}}$

$k_{\mathrm{ptt}}=\frac{\mathrm{\Σ}-{\mathrm{\σ}}_{\mathrm{ptt}}^2}{3\·\mathrm{\Σ}}$

$k_{\mathrm{kurt}}=\frac{\mathrm{\Σ}-{\mathrm{\σ}}_{\mathrm{kurt}}^2}{3\·\mathrm{\Σ}}$

其中 $\mathrm{\Σ}={\mathrm{\σ}}_{\mathrm{hr}}^2{+\mathrm{\σ}}_{\max }^2+{\mathrm{\σ}}_{\mathrm{ptt}}^2+{\mathrm{\σ}}_{\mathrm{kurt}}^2$

3.通过根据下式的加权平均来计算当前呼吸频率f(n)：

f(n)＝f_hr(n)·k_hr+f_max(n)·k_max+f_ptt(n)·k_ptt+f_kurt(n)·k_kurt

4.初始化f(0)

-以固定值例如12次呼吸/分钟(成人的正常呼吸频率)来初始化：

f(0)＝12次呼吸/分钟

-借助瞬时呼吸频率的算术平均来初始化：

$f\left(0\right)=\frac{1}{4}\·[f_{\mathrm{hr}}\left(0\right)+f_{\max }\left(0\right)+f_{\mathrm{ptt}}\left(0\right)+f_{\mathrm{kurt}}\left(0\right)]$

-由借助频域中确定的呼吸频率的组合来得到f(0)。

5.表2示出了加权平均的几个例子

表2：加权平均的例子

最后的值f(n-1)	fhr(n)	fmax(n)	fptt(n)	fkurt(n)	加权平均值f(n)	算术平均值
							12	15	15	15	15	15.0	15.0
12	12	13	11	8	11.9	11.0
							12	13	11	6	8	10.6	9.5
12	11	8	7	6	8.4	8.0
							12	9	8	7	4	7.5	7.0

4.1.3通过一致性检验的组合-“一致法”

四种呼吸频率f_hr(n)、f_max(n)、f_ptt(n)和f_kurt(n)相互之间在考虑到预先给定的容差情况下检验一致性。随后，根据一致的数量通过算术平均或加权平均从一致的呼吸频率算出最终的呼吸频率。存在一致越多，则最终的呼吸频率越可靠。

如下进一步描述一致性检验。

1.将容差Δ定义为检验呼吸频率f_hr(n)、f_max(n)、f_ptt(n)和f_kurt(n)的一致性的允许偏差，例如Δ＝2次呼吸/分钟。

容差Δ可以与以前的测量数据有关。例如，该容差可以与最后的瞬时呼吸频率和/或平均的呼吸频率相关。

2.根据下式来计算两个呼吸频率的偏差

Δ_k-l＝|f_k(n)-f_l(n))|

根据下式来计算一致性因子

一致：α_k-l＝1，当Δ_kl≤Δ时

不一致：α_k-l＝0，当Δ_kl＞Δ时

由此一共得到6个一致性因子，它们在表3中进行总结：

表3：一致性因子

	fhr(n)	fmax(n)	fptt(n)	fkurt(n)
					fhr(n)	1	αhr-max	αhr-ptt	αhr-kurt
fmax(n)		1	αppg-ppt	αppg-kurt
					fptt(n)			1	αptt-kurt
fkurt(n)				1

3.四个呼吸频率中的至少两个必须是一致的，以便能够确定呼吸频率。通过加权地形成平均值来确定最终的呼吸频率。

4.2频域中的组合

形成几何平均的频谱是频域中的组合的核心点。由此应当完全或部分消除信号中的干扰律动。该方法基于如下观察：一方面干扰律动极为不同，并且另一方面呼吸律动在所提取的s_hr(t)、s_max(t)、s_ptt(t)和s_kurt(t)的呼吸信号中表现为相对一致。

在频域中的方法组合如下进行：

1.给定的时间间隔上的s_hr(t)、s_max(t)、s_ptt(t)和s_kurt(t)的信号通过例如FFT(“快速傅立叶变换”)被变换到频率空间中并且随后被归一化。由此得到FT_gr(f)、FT_max(f)、FT_ptt(f)和FT_kurt(f)的对应频谱。

2.如下计算频谱的几何平均值：

FT_mean(f)＝[FT_hr(f)·FT_max(f)·FT_ptt(f)·FT_kurt(f)]^1/4

3.通过以下方式从FT_mean(f)确定平均的呼吸频率：

a)例如峰值检测或者

b)平均频谱FT_mean(f)被逆变换到时域中。由此得到时间的呼吸信号s_mean(t)，该呼吸信号部分地或者完全没有干扰律动。从s_mean(t)可以按照4.1.1部分所描述的方法来确定瞬时呼吸频率。

与时域中的组合相比，频域中的组合具有的缺点是，必须需要更多的计算开销和时间开销。

4.3具体的实施例

在根据本发明的方法组合的具体实施例中，将来自三个不同通道的信号组合，其中使用了所有三个上面描述的组合方法，即通过加权平均的组合、通过一致性检验的组合以及通过频率空间中的平均的组合。该实施例的方案在此可以在图3中看到。

从EKG和PPG中提取呼吸信息

1.在预先给定的持续时间T上检测EKG信号和PPG信号，并且确定以下三个呼吸信号：

rr(t)或pp(t) -来自EKG的RR距离或者来自PPG的“峰值至峰值”距离

amp(t)       -来自PPG信号的脉搏幅度

ptt(t)       -来自PPG信号和EKG信号的脉搏波传播时间

2.借助0.12Hz～0.42Hz的带通滤波器来对三个信号进行滤波。由此得到

s_hr(t)       -来自心率rrt(t)或pp(t)的变化的呼吸信号

s_amp(t)      -来自脉搏幅度amp(t)的变化的呼吸信号

s_ptt(t)      -来自脉搏波传播时间ptt(t)的变化的呼吸信号

频域中的组合

形成几何平均的频谱是频域中的组合的核心点。由此，应当完全或者部分消除在所提取的呼吸信号中的干扰律动，这些干扰律动在带通滤波器的频率范围(0.12Hz-0.42Hz)内，并且由此不能够通过滤波器来消除。该方法基于如下观察：一方面干扰律动极为不同，并且另一方面呼吸律动在所提取的s_hr(t)、s_amp(t)和s_ptt(t)的呼吸信号中表现为相对一致。

借助图3示例性地针对s_hr(t)、s_amp(t)和s_ptt(t)阐述频域中的方法组合。该方法组合如下进行：

1.在给定的时间间隔上的s_hr(t)、s_amp(t)和s_ptt(t)的信号通过例如FFT(“快速傅立叶变换”)被变换到频率空间中并且随后规一化。由此得到FT_hr(f)、FT_amp(f)和FT_ptt(f)的对应频谱。

2.如下计算频谱的几何平均值：

FT_mean(f)＝[FT_hr(f)·FT_emp(f)·FT_ptt(f)]^1/3  (1)

3.通过例如峰值检测从FT_mean(f)确定平均的呼吸频率，或者

4.平均频谱FT_mean(f)被逆变换到时域中。由此得到时间的呼吸信号s_mean(t)，该呼吸信号部分地或者完全没有干扰律动。

5.从s_mean(t)可以按照4.1.1部分所描述的方法来确定瞬时呼吸频率。

时域中的组合

1.确定瞬时呼吸频率，单位为呼吸次数/分钟：

从s_hr(t)确定f_hr(m)

从s_amp(t)确定f_amp(n)

从s_ptt(t)确定f_ptt(k)

2.针对时间系数m、n和k的一致性检验：

只要它们属于呼吸行为或者呼吸，则它们必须位于预先给定的时间窗内。对于时间窗，例如可以使用当前呼吸周期的50％。如果通过检验，则呼吸频率被重新表示为f_hr(n)、f_amp(n)和f_ptt(n)。

3.对于f_hr(n)、f_amp(n)和f_ptt(n)的呼吸频率值的一致性检验根据下式进行：

|f_A(m)-f_B(m)|≤th    (2)

其中A，B＝hr，amp，ptt

例如th＝2.5次呼吸/分钟或者th＝15％的最后呼吸频率

根据检验结果继续：

a)不一致：CP＝0

b)一个一致：CP＝1，例如仅仅针对f_amp(n)和f_ptt(n)

c)两个一致：CP＝2，例如针对f_amp(n)和f_ptt(n)以及f_amp(n)和f_ptt(n)

4.计算权重因子，这些权重因子基于来自组合的最后的呼吸频率。

a)情况1：CP＝0

不计算权重因子。

b)情况2：CP＝1

$k_{\mathrm{amp}}=\frac{\mathrm{\Σ}-e_{\mathrm{amp}}^2}{\mathrm{\Σ}}$

$k_{\mathrm{ptt}}=\frac{\mathrm{\Σ}-e_{\mathrm{ptt}}^2}{\mathrm{\Σ}}---\left(3\right)$

e_amp＝f_amp(n)-f(n-1)

e_ptt＝f_ptt(n)-f(n-1)

                10

$\mathrm{\Σ}=e_{\mathrm{amp}}^2+e_{\mathrm{ptt}}^2$

其中f(n-1)-来自组合的最后有效的呼吸频率

c)情况3：CP＝2

$k_{\mathrm{hr}}=\frac{\mathrm{\Σ}-e_{\mathrm{hr}}^2}{2\·\mathrm{\Σ}}$

$k_{\mathrm{amp}}=\frac{\mathrm{\Σ}-e_{\mathrm{amp}}^2}{2\·\mathrm{\Σ}}$

$k_{\mathrm{ptt}}=\frac{\mathrm{\Σ}-e_{\mathrm{ptt}}^2}{2\·\mathrm{\Σ}}$

e_hr＝f_hr(n)-f(n-1)

e_amp＝f_amp(n)-f(n-1)

e_ptt＝f_ptt(n)-f(n-1)

$\mathrm{\Σ}=e_{\mathrm{hr}}^2+e_{\mathrm{amp}}^2+e_{\mathrm{ptt}}^2$

(4)

5.加权平均

a)情况1：CP＝0

不可能平均＝＞不输出呼吸频率

b)情况2：CP＝1

f(n)＝k_amp·f_amp(n)+k_ptt·f_ptt(n)    (5)

c)情况3：CP＝2

f(n)＝k_hr·f_hr(n)+k_amp·f_amp(n)+k_ptt·f_ptt(n)    (6)

6.初始化-确定呼吸频率的第一值f(0)

●可能性1

在通过一致性检验的情况下(CP≥1)，f(0)作为一致的呼吸频率的算术平均值来计算

●可能性2

在频域中进行方法组合并且将其中确定的平均呼吸频率作为f(0)。

结果

图4从上向下示出了热敏电阻信号S_therm(t)(参考)、从脉搏波传播时间提取的S_ptt(t)的呼吸信号、从心率提取的S_hr(t)以及从脉搏幅度提取的S_amp(t)。图5示出了从图4中示出的信号中确定的呼吸频率以及来自时域中的组合的呼吸频率。图5中的细的曲线示出了来自热敏电阻信号的呼吸频率。

由图5可以清楚看出，来自所提取的相应呼吸信号的各呼吸频率在一些位置与来自热敏电阻信号的呼吸频率偏差，例如f_ptt在60s和70s之间；f_hr在60s和80s之间，在140s附近，在220s之后；f_amp在180s附近，在200s之后。完全相反，来自组合的呼吸频率与来自热敏电阻信号的呼吸频率非常好地一致。也可以看出的是，在60s到70s之间的呼吸频率的干扰通过组合来消除。对此的原因是一致性检验，受干扰的信号未能通过该一致性检验。

4.4方法组合的一般性

上面提及的方法组合并不局限于s_hr(t)、s_max(t)、s_ptt(t)和s_kurt(t)的信号。该方法组合可以用于从EKG信号和/或PPG信号提取的呼吸信号，以及用于借助其他传感器/方法(例如热敏电阻、阻抗呼吸描记法、电感体积描记法)所检测到的呼吸信号。

方法组合的不同替选方案例如加权的平均值形成、一致性检验和频域中的组合又可以被彼此组合。

开头所提及的用于确定呼吸频率的不同方法在下面的出版物中给出，它们的内容通过引用结合于本申请中：

[1]Association of the Advancement of Medical Instrumentation(AAMI)：Apnea Monitoring by Means of Thoracic ImpedancePneumography，AAMI，Arlington，VA，1989

[2]Hirsch JA，Bishop B.：Respiratory Sinus Arrhytmia in Humans：How breathing pattern modulates Heart rate，Am J Physiol.1981年10月；241(4)：H620-9

[3]Anders Johansson，Per Ake Oeberg和Gunnar Sedin：Monitoringof Heart and Respiratory Rates in Newborn Infants using a newPhotoplethymographic Technique，Journal of Clinical Monitoring andComputing，15：461-467，199

[4]Shuxue Ding，Xin Zhu，Wenxi Chen和Daming Wei：Derivation ofRespiratory Signal from Single-Channel ECG Based on SourceStatistics，International Journal of Bioelectromagnetism，第6卷，No.1，2004年

[5]Wei Zhang，DE 10014077A1“Verfahren und Vorrichtung zurBestimmung der Atemaktivitaet eines Lebewesens”申请日2000年3月22日

缩写：

EKG：心电图-通过在身体表面检测与心脏刺激相关的电势差来记录心脏活动

PPG：光电体积描记法-借助光电测量方法来记录血容量

PTT：脉搏波传播时间-脉搏波为了沿着动脉从(心脏附近的)位置A移动到(外围的)位置B所需要的时间

RSA：窦性心率不齐-在心率中由于呼吸引起的变化

Resp：呼吸

sBP：心脏收缩血压

HR：心率

FFT：“快速傅立叶变换”

Claims (31)

1.一种用于确定患者的呼吸频率的方法，包括以下步骤：

-通过至少两种不同的方法确定与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)，

-确定从所述与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)得到的相应的瞬时呼吸频率f_i(n)(i＝1，2，...)，以及

-通过呼吸频率f_i(n)(i＝1，2，...)的加权平均来确定平均呼吸频率f(n)，

其特征在于，

各个呼吸频率f_i(n)(i＝1，2，...)的权重k_i(n)(i＝1，2，...)取决于相应的呼吸频率f_i(n)(i＝1，2，...)和估计值f_s(n)之间的差，其中所述估计值基于所述至少两个呼吸信号s_i(t)(i＝1，2，...)来确定。

2.根据权利要求1所述的方法，其中估计值f_s(n)基于以前已经确定的平均呼吸频率f(n-1)来确定。

3.根据权利要求1所述的方法，其中估计值f_s(n)特别是为了初始化而通过来自所述与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)中的频率信息的组合或者通过形成当前呼吸频率f_i(n)(i＝1，2，...)的平均值来确定。

4.根据权利要求1所述的方法，其中从所测量的生理信号确定所述与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)。

5.根据权利要求4所述的方法，其中所测量的生理信号选自以下信号：

-生物阻抗信号，

-心率变异信号，

-光电体积描记法信号(PPG信号)，

-心电图的源统计信号，

-脉搏波传播时间信号(PTT信号)。

6.根据权利要求4所述的方法，其中通过带通滤波器从所测量的生理信号中确定所述与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)。

7.根据权利要求6所述的方法，其中带通滤波器允许大约0.12Hz到0.42Hz范围中的频率通过。

8.根据权利要求1所述的方法，其中通过确定与时间相关的呼吸信号s_i(t)(i＝1，2，...)的极大值的时间系数t_max(k_i)、特别是t_max(m)、t_max(n)和t_max(k)，来从所述与时间相关的呼吸信号s_i(t)(i ＝1，2，...)确定相应的瞬时呼吸频率f_i(k_i)，特别是f_hr(m)、f_amp(n)和f_ptt(k)。

9.根据权利要求8所述的方法，其中对时间系数k_i(i＝1，2，...)，特别是m、n和k进行一致性检验。

10.根据权利要求1所述的方法，其中进行呼吸频率f_i(n)(i＝1，2，...)的一致性检验。

11.根据权利要求10所述的方法，其中一致性检验通过对呼吸频率f_i(n)(i＝1，2，...)彼此的比较来进行。

12.根据权利要求11所述的方法，其中确定相应的呼吸频率f_i(n)(i＝1，2，...)之间的差，并且将所述差与允许的容差Δ进行比较。

13.根据权利要求10所述的方法，其中仅仅将通过一致性检验的呼吸频率用于呼吸频率f_i(n)(i＝1，2，...)的加权平均。

14.根据上述权利要求中的任一项所述的方法，其中信号品质特别是通过一致性检验来确定并且必要时进行显示。

15.特别是根据权利要求1所述的方法，包括：

-通过将与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)变换到频率空间来产生至少两个频率信号FT_i(f)(i＝1，2，...)，以及

-通过将频率信号FT_i(f)(i＝1，2，...)组合来确定频率信号FT(f)，

其中呼吸频率f基于频率信号FT(f)来确定。

16.根据权利要求15所述的方法，其中频率信号FT(f)通过将频率信号FT_i(f)(i＝1，2，...)求平均来确定。

17.根据权利要求15所述的方法，其中通过频率信号FT(f)的峰值检测来确定呼吸频率f。

18.根据权利要求15所述的方法，其中呼吸频率f通过频率信号FT(f)的逆变换以及对得到的信号s(t)进行分析来确定。

19.根据权利要求1和15所述的方法，其中将呼吸频率f用于加权平均的初始化。

20.根据上述权利要求中的任一项所述的方法，其中从光电体积描记法信号和心电图信号来获得所述与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)。

21.根据上述权利要求中的任一项所述的方法，其中所述与时间相关的至少两个呼吸信号s_i(t)(i＝1，2，...)形成对以下信号的选择：

-从心率确定的呼吸信号S_HR(t)，

-从光电体积描记法信号确定的呼吸信号S_PPG(t)，

-从脉搏波传播时间信号确定的呼吸信号S_PTT(t)，

-从心电图信号的峰度确定的呼吸信号S_kurt(t)。

22.根据权利要求21所述的方法，其中使用至少三种呼吸信号。

23.一种装置，该装置借助根据上述权利要求中的任一项所述的方法来确定患者的呼吸频率。

24.特别是根据权利要求23所述的装置，其具有独立的传感器单元用于测量生理信号，从所述生理信号能够确定与时间相关的至少两个呼吸信号；以及具有计算单元用于分析从传感器单元传输的数据。

25.根据权利要求24所述的装置，其中由传感器单元产生的数据被以无线方式传输给计算单元。

26.根据权利要求24或25所述的装置，其中传感器单元固定在患者的手腕上。

27.根据权利要求24至26中的任一项所述的装置，其中在传感器单元中从生理信号确定所述与时间相关的至少两个呼吸信号，并且随后将这些呼吸信号向计算单元传送。

28.根据权利要求23至27中的任一项所述的装置，其中具有用于测量心电图信号和光电体积描记法信号的传感器。

29.根据权利要求28所述的装置，其中由心电图信号和光电体积描记法信号来确定心率、脉搏幅度和脉搏波传播时间。

30.根据权利要求24至29中的任一项所述的装置，其中计算单元是医疗设备的一部分，特别是用于体外血处理的医疗设备的一部分。

31.根据权利要求24至29中的任一项所述的装置，其中计算单元是计算机网络的一部分。

Images