CN103070683B - 基于生物电阻抗的睡眠呼吸模式识别方法及装置 - Google Patents
基于生物电阻抗的睡眠呼吸模式识别方法及装置 Download PDFInfo
- Publication number
- CN103070683B CN103070683B CN201210557165.XA CN201210557165A CN103070683B CN 103070683 B CN103070683 B CN 103070683B CN 201210557165 A CN201210557165 A CN 201210557165A CN 103070683 B CN103070683 B CN 103070683B
- Authority
- CN
- China
- Prior art keywords
- electrical impedance
- signal
- impedance signal
- chest
- abdominal respiration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000007958 sleep Effects 0.000 title abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 210000000038 chest Anatomy 0.000 claims description 121
- 230000003187 abdominal effect Effects 0.000 claims description 116
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 claims description 11
- 210000002445 nipple Anatomy 0.000 claims description 8
- 210000001113 umbilicus Anatomy 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000005284 excitation Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 210000001015 abdomen Anatomy 0.000 abstract 2
- 238000005516 engineering process Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 206010003497 Asphyxia Diseases 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000414 obstructive effect Effects 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000002003 electrode paste Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/085—Measuring impedance of respiratory organs or lung elasticity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于生物电阻抗的睡眠呼吸模式识别方法及装置。所述方法包括步骤:采集人体的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号;对已为数字信号数据的胸部呼吸电阻抗信号根据幅值变化进行分段,分析获取各分段内对应的胸部和腹部呼吸电阻抗信号之间的幅值变化关系、频谱差异关系和信号相位关系并建立参数模型,根据参数模型对人体的睡眠呼吸信号进行分类识别确定呼吸模式。本发明抗干扰效果好,操作更安全方便,能实时准确识别出人体睡眠的呼吸模式。
Description
技术领域
本发明涉及医疗监测领域,尤其涉及一种基于生物电阻抗的睡眠呼吸模式识别方法及装置。
背景技术
目前临床多采用多导睡眠监测仪(PSG)对患者睡眠情况进行监测,该设备笨重,操作复杂,需要患者在睡眠监护中心进行检查,不方便随身携带。对简单监测患者睡眠呼吸暂停的方法多采用口鼻气流传感器进行检测,该方法能够有效地监测睡眠呼吸的暂停次数,但却无法有效地分类识别睡眠呼吸暂停为阻塞型暂停、中枢型暂停还是混合型暂停。而对于睡眠呼吸暂停的患者来说,需要有效地监测及记录患者睡眠呼吸中的呼吸模式,帮助医生诊断识别睡眠呼吸中呼吸暂停的类型,为患者制定有效的治疗方案以及评估治疗方案的有效性。但是目前的睡眠呼吸监测方法及装置都无法满足上述要求。
生物电阻抗技术利用了生物组织及器官的电特性提取人体生理与病理信息的无创监测技术。人体组织与器官具有独特的电特性,组织与器官的状态或功能变化将伴随相应的电特性改变。比如现有技术中有利用膈肌疲劳程度的变化与胸部呼吸电阻抗信号及腹部呼吸电阻抗信号的波峰的同步程度建立对应关系,根据胸部呼吸电阻抗信号及腹部呼吸电阻抗信号的波峰的同步程度的差异将膈肌疲劳程度分为不同的类型。这样的应用使得生物电阻抗技术在临床医学方面体现出了它无创无损、便于长时间监护及低成本的优势,使得生物电阻抗技术应用于临床医学具有很大的潜力与价值。
发明内容
本发明解决的技术问题是克服现有技术的不足,提供一种基于生物电阻抗技术实时准确识别患者睡眠呼吸模式的方法。
本发明还提供一种基于生物电阻抗实时准确识别患者睡眠呼吸模式的识别装置。
为解决上述技术问题,本发明第一个发明目的的技术方案如下:
一种基于生物电阻抗的睡眠呼吸模式识别方法,包括如下步骤:
(a)采集人体的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号;
(b)对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号分别进行数据处理转换成数字信号数据;
(c)根据胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的关系对人体的睡眠呼吸信号进行分段识别确定人体的呼吸模式。
作为一种优选方案,所述步骤(a)的具体步骤为:
通过固定在人体胸前乳头左侧(或右侧)区域及对应的背部投影位置的一对激励电极和固定在人体肚脐左侧(或右侧)区域及对应的背部投影位置的另一对激励电极同步输入电流激励;
通过固定在人体胸前乳头右侧(或左侧)区域及对应的背部投影位置的一对信号检测电极和固定在人体肚脐右侧(或左侧)区域及对应的背部投影位置的另一对信号检测电极同步采集人体胸部和腹部的电压幅值数据,经计算后得到胸部呼吸电阻抗信号和腹部呼吸电阻抗信号。
作为一种优选方案,所述步骤(b)的具体步骤为:对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号分别依次进行滤波和模数转换处理获得数字信号类型的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号。
作为一种优选方案,所述步骤(c)的具体步骤为:
(c1)根据已为数字信号数据的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的幅值变化关系及相位关系进行一一对应的幅值变化分段及相位关系分段。
(c2)分析获取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的频谱变化关系。根据幅值变化关系、相位关系和频谱变化关系对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号进行分类识别确定人体的睡眠呼吸模式。
作为一种优选方案,所述步骤(c1)的具体步骤为:
(c11)设定极大值点变化阈值A1;
(c12)利用滑动窗函数对已为数字信号数据的胸部呼吸电阻抗信号进行处理,提取滑动窗函数内的呼吸信号极大值点的平均值Yi,将相邻滑动窗函数内平均值的差的绝对值|Yi+1-Yi|与极大值点变化阈值A1进行比较,如果该绝对值|Yi+1-Yi|大于极大值点变化阈值A1,则后一个滑动窗函数内的数据起点为一个幅值变化分段点;
(c13)以第一个幅值变化分段点为起点,提取相邻的幅值变化分段点之间的胸部呼吸电阻抗信号作为幅值变化分段信号,依据同样的幅值变化分段点对腹部呼吸电阻抗信号进行分段获取相对应的幅值变化分段信号;
(c14)对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号相对应的幅值变化分段信号内的呼吸电阻抗信号加上滑动窗函数,分别提取滑动窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的信号波峰出现的一系列时刻tci和tai;
(c15)计算获取滑动窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的相位关系 ;
(c16)设定相位阈值A2,将相位关系G与相位阈值A2进行比较,如果G值大于相位阈值A2,则该滑动窗函数的数据起点为一个相位关系分段点;
(c17)以每段幅值变化分段信号的起点和终点分别为该段信号第一个和最后一个相位关系分段点,提取相邻的相位关系分段点之间的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号为相位关系分段信号;
作为更进一步的优选方案,所述步骤(c2)的具体步骤为:
(c21)分别提取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的极大值点Pci和Pai;
(c22)计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的极大值点的平均值Fc=和Fa=;
(c23)利用计算获取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的幅值变化关系;
(c24)分别计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的频谱;
(c25)计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号在设定频率范围内的频谱积分Ic=和Ia=;
(c26)利用I=计算获取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的频谱变化关系;
(c27)建立睡眠呼吸模式M和胸部呼吸电阻抗信号与腹部呼吸电阻抗信号之间的相位关系G、幅值变化关系F及频谱变化关系I的参数模型关系式M=G·F·I。计算各相位关系分段信号内的M值,根据M值的范围判断各相位关系分段信号的呼吸模式。
本发明第二个发明目的的技术方案如下:
一种基于生物电阻抗的睡眠呼吸模式识别装置,包括电极和监测仪,其中,
电极包括激励电极和检测电极。激励电极,佩戴在人体胸部和腹部位置,用于提供激励电流至人体组织;检测电极,佩戴在人体胸部和腹部位置,用于接收人体胸部和腹部的电压信号;
所述监测仪的硬件部分包括:
激励电流模块,用于为激励电极提供稳定的电流激励;
多通道开关模块,与电极、激励电流模块和阻抗计算模块连接,用于向不同部位的激励电极提供电流激励、接收检测电极的电压信号和接收检测电极的电压信号传输给阻抗计算模块;
阻抗计算模块,与多通道开关模块连接,根据检测电极提供的电压信号计算出胸部呼吸电阻抗信号和腹部呼吸电阻抗信号;
主控模块,与阻抗计算模块连接,用于对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号进行模数转换并对信号进行分析处理,然后分类识别确定人体的呼吸模式;
报警模块,与主控模块连接,用于对超时的呼吸暂停进行报警提醒;
电源模块,为以上各个模块提供模拟电压和数字电压;
监测仪,通过激励电流模块产生激励电流提供给多通道开关模块,多通道开关模块选择导通不同通路后将激励电流传输至激励电极,激励电极将激励电流注入人体,同时检测电极采集胸部和腹部的电压信号后将其发送至多通道开关模块,多通道开关模块将接收的电压信号发送至阻抗计算模块,阻抗计算模块根据电压信号计算出胸部呼吸电阻抗信号和腹部呼吸电阻抗信号,最后将胸部呼吸电阻抗信号和腹部呼吸电阻抗信号送入主控模块转化为数字信号后进行信号的分析处理并分段识别确定人体的呼吸模式。
与现有技术相比,本发明技术方案的有益效果是:
本发明能将不同呼吸模式的测量数据进行统一处理,有效排除生理活动的干扰、工频干扰等影响,抗干扰效果好,能清晰准确显示测量数据,其操作更安全方便,能够快速准确识别出睡眠呼吸中不同时刻的呼吸模式,能够为医护人员对患者疾病的检测、诊断及治疗提供辅助参考信息。
附图说明
图1 为本发明中基于生物电阻抗的睡眠呼吸模式识别方法具体实施例的流程图;
图2为本发明中电极在人体上的测试图;
图3为本发明中通过滤波处理后的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的示意图;
图4为本发明中利用滑动窗函数对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号进行处理的示意图;
图5为本发明中利用滑动窗函数对幅值变化分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的相位关系图;
图6为本发明的基于生物电阻抗的睡眠呼吸模式识别装置具体实施例的结构示意图;
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
在实验过程中得到,胸部和腹部的电阻抗幅值变化与呼吸信号变化具有很强的相关性,因此,本发明通过采集胸部及腹部呼吸电阻抗信号,结合实验中获得的胸部呼吸电阻抗信号及腹部呼吸电阻抗信号的参数模型关系,采用分段进行相位、幅值及频谱的比较,将不同呼吸信号分类识别为不同的呼吸模式。
如图1所示,为本发明中基于生物电阻抗的睡眠呼吸模式识别方法具体实施例的流程图,本具体实施例的基于生物电阻抗的睡眠呼吸模式识别方法的具体步骤包括:
步骤S101:采集人体的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号;
步骤S102:对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号分别进行数据处理转换成数字信号数据;
步骤S103:根据胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的关系对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号进行分段、识别并确定人体的呼吸模式。
在具体实施过程中,步骤S101采用四极法测量患者胸部和腹部的人体电阻抗值。具体为,如图2所示,两对激励电极Ip、In及两对检测电极Vp、Vn分别固定在胸部及腹部相应位置。通过固定在人体胸前乳头左侧区域及对应的背部投影位置的一对激励电极Ip、In和固定在人体肚脐左侧区域及对应的背部投影位置的另一对激励电极Ip、In输入电流激励;通过固定在人体胸前乳头右侧区域及对应的背部投影位置的一对信号检测电极Vp、Vn和固定在人体肚脐右侧区域及对应的背部投影位置的另一对信号检测电极Vp、Vn采集人体胸部和腹部的电压信号,经计算后得到胸部呼吸电阻抗信号和腹部呼吸电阻抗信号;作为一种备选方案,胸部和腹部位置的激励电极与检测电极可以交换粘帖位置。
此外,本发明采用多通道开关技术实现实时采集胸部及腹部的生物电阻抗信号,在保证采集胸部呼吸电阻抗信号及腹部呼吸电阻抗信号之间的时间差远小于呼吸信号周期的情况下简化了硬件电路的设计。
在步骤S102中,由于各电极贴在人体胸部和腹部,会受到其他生理信号的干扰,同时可能伴有偶尔的电极接触问题产生的阻抗过载现象,因此,对于采集到的电阻抗信号,需要进行数据处理,具体地,对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号分别进行滤波处理,然后将其通过模数转换处理转变成数字信号类型的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号。滤波可以采用带通滤波器的处理方法实现,带通滤波器可采用切比雪夫带通滤波器,阶数为4阶,通带频率为0.1Hz-4Hz。同时将高于100欧姆的数据均取其前一时刻的数据来代替,目的是减少干扰,使采用曲线更平滑。图3为经过滤波后的胸部呼吸电阻抗信号及腹部呼吸电阻抗信号数据。
在步骤S103中,本具体实施例通过如下步骤对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号进行分段:
步骤S1031:设定极大值点变化阈值A1;
步骤S1032:利用滑动窗函数对已为数字信号数据的胸部呼吸电阻抗信号进行处理,提取滑动窗函数内的呼吸信号极大值点的平均值Yi,将相邻滑动窗函数内平均值的差的绝对值|Yi+1-Yi|和极大值点变化阈值A1进行比较,如果绝对值|Yi+1-Yi|大于A-1,则后一个滑动窗函数的数据起点为一个幅值变化分段点,以第一个幅值变化分段点为起点,提取相邻的幅值变化分段点之间的胸部呼吸电阻抗信号作为幅值变化分段信号,依据同样的幅值变化分段点对腹部呼吸电阻抗信号进行分段获取相对应的幅值变化分段信号;
具体地,如图4所示,对已为数字信号类型的胸部呼吸电阻抗信号加一定窗宽W1的滑动窗函数,提取窗函数内的胸部呼吸电阻抗信号的极大值点,然后计算窗函数内的极大值点的平均值。将窗函数按给定的步长L1在胸部呼吸电阻抗信号上滑动,依次计算出窗函数内的极大值点Pci,然后计算该窗函数内的极大值点的平均值Fci=。对平均值Fci的变化设定极大值点变化阈值A1,当相邻平均值Fci的变化|Fci-Fc(i+1)|超过极大值点变化阈值A1时,则产生此平均值Fci+1的窗函数的起点为胸部呼吸电阻抗信号的一个幅值变化分段点,同时对相应位置的腹部呼吸电阻抗信号进行分段,胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的分段一一对应。滑动窗函数的宽度W1可以根据不同的采样率f设定不同值,一般设定窗函数的宽度点数为30*f,即采用30秒的呼吸数据作为滑动窗函数的宽度。同时可以设定滑动窗函数的步长L1为窗函数的宽度W1。滑动窗函数的宽度W1及步长L1均可根据需要进行调整。一般设定极大值点变化阈值A1为0.1,也可以根据胸部呼吸电阻抗信号的变化程度调整为其他值。
由于各个人在静息状态下呼吸阻抗信号的幅值变化程度具有个体性差异,所以本具体实施例在监测过程中可以增加一个计算呼吸阻抗幅值变化平均值的步骤,该步骤获取各个人在静息状态下的呼吸阻抗幅值变化的平均值。该平均值作为判断胸部呼吸阻抗及腹部呼吸阻抗变化程度的参考标准,能够有效的保证整个算法的有效性,排除异常变化的干扰。
步骤S1033:对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号相对应的幅值变化分段信号内的呼吸电阻抗信号加上滑动窗函数,分别提取滑动窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的信号波峰出现的一系列时刻tai和tbi;计算获取滑动窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的相位关系;
步骤S1034:设定相位阈值A2,将相位关系G与相位阈值A2进行比较,如果G值大于相位阈值A2,则该滑动窗函数的数据起点为一个相位关系分段点,以每段幅值变化分段信号的起点和终点分别为该段信号第一个和最后一个相位关系分段点,提取相邻的相位关系分段点之间的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号为相位关系分段信号;
具体地,如图5所示,对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号相对应分段内的呼吸电阻抗信号同时加上窗宽为W2,步长为L2的滑动窗函数,然后分别提取窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的信号波峰出现的一系列时刻tai和tbi,最后采用公式计算窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的相位关系;接着对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的相位关系设定相位阈值A2,当表示胸部呼吸电阻抗信号和腹部呼吸电阻抗信号相位关系的G值小于阈值A2时,则使G=1;当表示胸部呼吸电阻抗信号和腹部呼吸电阻抗信号相位关系的G值大于阈值A2时,则使G=2,同时以产生此G值的窗函数内的数据起点为胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的一个相位关系分段点,以每段幅值变化分段信号的起点和终点分别为该段信号第一个和最后一个相位关系分段点,提取相邻的相位关系分段点之间的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号为相位关系分段信号,且胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的相位关系分段信号一一对应。滑动窗函数的宽度W2可以根据不同的采样率f设定不同的值,一般设定窗函数的宽度点数为30*f,即采用30秒的呼吸数据作为滑动窗函数的宽度。同时设定滑动窗函数的步长L2为窗函数的宽度W2。滑动窗函数的宽度W2及步长L2均可根据需要进行调整。一般根据呼吸频率设定胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的相位关系的变化阈值A2为1,也可以根据呼吸频率的变化调整为其他值。
步骤S1035:分别提取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的极大值点Pci和Pai;计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的极大值点的平均值Fc=和Fa=;
步骤S1036:利用计算获取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的幅值变化关系;
步骤S1037:计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的频谱;然后计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号在设定频率范围内的频谱积分Ic=和Ia=;设定频率范围可以根据经验值设定,一般设置为0.1-1Hz;
步骤S1038:利用I=计算获取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的频谱变化关系;各分段数据的频谱变化关系包括各分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的频谱成分的差异及各自的功率谱的特征。由于带通滤波器的作用,有效的频谱成分范围为0.2-0.45HZ,其他频谱成分被有效的滤除。不同的呼吸模式状态下,胸部呼吸电阻抗信号的频谱与腹部呼吸电阻抗信号的频谱具有显著差异,相同的频率成分在胸部呼吸电阻抗信号频谱及腹部呼吸电阻抗信号频谱中占有不同的比重,这些数据都可以通过实验获取,从而建立不同呼吸模式下胸部呼吸电阻抗信号的频谱成分与腹部呼吸电阻抗信号的频谱成分的关系。
步骤S1039:建立睡眠呼吸模式M和胸部呼吸电阻抗信号与腹部呼吸电阻抗信号之间的相位关系G、幅值变化关系F及频谱变化关系I的参数模型关系式M=G·F·I。计算各相位关系分段信号内的M值,根据M值的范围判断各相位关系分段信号内呼吸信号的呼吸模式。其中G值的计算可以直接利用步骤S1033中求取的G值,M值的不同对应于不同的呼吸模式,呼吸模式对应的M值范围可以根据实验经验获取;具体地,当M值为10~20时,识别该分段的睡眠呼吸模式为胸式呼吸;当M值为2~6时,识别该分段的睡眠呼吸模式为顺式腹式呼吸;当M值大于20时,识别该分段的睡眠呼吸模式为逆式腹式呼吸;当M值为7~10时,识别该分段的睡眠呼吸模式为中枢型呼吸暂停;当M值小于2时,识别该分段的睡眠呼吸模式为阻塞型呼吸暂停。
根据上述发明的基于生物电阻抗的睡眠呼吸模式识别方法,本发明还提供了一种基于生物电阻抗的睡眠呼吸模式识别装置,以下就本发明的基于生物电阻抗的睡眠呼吸模式识别方法装置的具体示例进行详细说明。
本实施例的基于生物电阻抗的睡眠呼吸模式识别装置,包括:电极和监测仪,其中,
电极包括激励电极和检测电极。激励电极,佩戴在人体胸部和腹部位置,用于提供激励电流至人体组织;检测电极,佩戴在人体胸部和腹部位置,用于接收人体胸部和腹部的电压信号;
如图6所示,所述监测仪的硬件部分包括:
激励电流模块,用于为激励电极提供稳定的电流激励;
多通道开关模块,与电极、激励电流模块和阻抗计算模块连接,用于向不同部位的激励电极提供电流激励、接收检测电极的电压信号和接收检测电极的电压信号传输给阻抗计算模块;
阻抗计算模块,与多通道开关模块连接,根据检测电极提供的电压信号计算出胸部呼吸电阻抗信号和腹部呼吸电阻抗信号;
主控模块,与阻抗计算模块连接,用于对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号进行模数转换并对信号进行分析处理,然后分类识别确定人体的呼吸模式;
报警模块,与主控模块连接,用于对超时的呼吸暂停进行报警提醒;
电源模块,为以上各个模块提供模拟电压和数字电压,
监测仪,通过激励电流模块产生激励电流提供给多通道开关模块,多通道开关模块选择导通不同通路后将激励电流传输至激励电极,激励电极将激励电流注入人体,同时检测电极采集胸部和腹部的电压信号后将其发送至多通道开关模块,多通道开关模块将接收的电压信号发送至阻抗计算模块,阻抗计算模块根据电压信号计算出胸部呼吸电阻抗信号和腹部呼吸电阻抗信号,最后将胸部呼吸电阻抗信号和腹部呼吸电阻抗信号送入主控模块转化为数字信号后进行信号的分析处理并分段识别确定人体的呼吸模式。
如图2所示,测试前先将测试电极贴于人体,可以采用四极法测量人体电阻抗,具体地,将两对激励电极Ip、In及两对检测电极Vp、Vn分别固定在胸部及腹部相应位置。胸部激励电极正极Ip固定在右胸乳头左侧,激励电极负极In固定在激励电极Ip在背部的投影位置;胸部检测电极Vp固定在右胸乳头右侧,检测电极Vn固定在检测电极Vp在背部的投影位置;腹部激励电极正极Ip固定在肚脐左侧,激励电极负极In固定在激励电极Ip在背部的投影位置;腹部检测电极Vp固定在肚脐右侧,检测电极Vn固定在检测电极Vp在背部的投影位置。
放置好检测电极后,启动监测仪即可正常工作,获取胸部呼吸电阻抗信号和腹部呼吸电阻抗信号后进行信号的分析处理,然后分段识别确定人体的呼吸模式;
本发明的装置由激励电流模块可提供频率范围10~100KHz,幅值范围为0.5-5mA稳定的激励电流输入人体,由检测电极获取人体的电压信号经阻抗计算模块后得到人体的电阻抗信号,接着送入主控模块完成初步滤波及模拟数字转换后进行信号的分析处理,然后分段识别确定人体的呼吸模式。作为一种补充方式,监测仪可将转换后的数字信号发送至电脑进行信号的分析处理及分段识别。
Claims (4)
1.一种基于生物电阻抗的睡眠呼吸模式识别方法,其特征在于,包括如下步骤:
(a)采集人体的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号;
(b)对胸部呼吸电阻抗信号和腹部呼吸电阻抗信号分别进行数据处理转换成数字信号数据;
(c)根据胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的关系对人体的睡眠呼吸信号进行分段识别确定人体的呼吸模式;
所述步骤(c)的具体步骤为:
(c1)根据已为数字信号数据的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的幅值变化关系及相位关系进行一一对应的幅值变化分段及相位关系分段;
(c2)分析获取各相位关系分段内胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的频谱变化关系;根据各相位关系分段信号的幅值变化关系、相位关系和频谱变化关系对胸部呼吸电阻抗信号和腹部呼吸阻抗信号进行分类识别并确定人体的睡眠呼吸模式。
2.根据权利要求1所述的基于生物电阻抗的睡眠呼吸模式识别方法,其特征在于,所述步骤(a)的具体步骤为:
通过固定在人体胸前乳头左侧或右侧区域及对应的背部投影位置的一对激励电极和固定在人体肚脐左侧或右侧区域及对应的背部投影位置的另一对激励电极同步输入电流激励;
通过固定在人体胸前乳头右侧或左侧区域及对应的背部投影位置的一对信号检测电极和固定在人体肚脐右侧或左侧区域及对应的背部投影位置的另一对信号检测电极同步采集人体胸部和腹部的电压幅值数据,经计算后得到胸部呼吸电阻抗信号和腹部呼吸电阻抗信号。
3.根据权利要求1所述的基于生物电阻抗的睡眠呼吸模式识别方法,其特征在于,所述步骤(c1)的具体步骤为:(c11)设定极大值点变化阈值;
(c12)利用滑动窗函数对已为数字信号数据的胸部呼吸电阻抗信号进行处理,提取相邻滑动窗函数内的呼吸信号极大值点的平均值,将相邻滑动窗函数内的平均值的差的绝对值与极大值点变化阈值进行比较,如果该绝对值大于极大值点变化阈值,则后一个滑动窗函数内的数据起点为一个幅值变化分段点;
(c13)以第一个幅值变化分段点为起点,提取相邻的幅值变化分段点之间的胸部呼吸电阻抗信号作为幅值变化分段信号,依据同样的幅值变化分段点对腹部呼吸电阻抗信号进行分段获取相对应的幅值变化分段信号;
(c14)对幅值变化分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号加上滑动窗函数,分别提取滑动窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的信号波峰出现的一系列时刻;
(c15)根据提取的一系列时刻计算滑动窗函数内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号之间的相位关系G;
(c16)设定相位阈值,将相位关系G与相位阈值进行比较,如果G值大于相位阈值,则该滑动窗函数的数据起点为一个相位关系分段点;
(c17)以每段幅值变化分段信号的起点和终点分别为该段信号第一个和最后一个相位关系分段点,提取相邻的相位关系分段点之间的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号为相位关系分段信号。
4.根据权利要求1所述的基于生物电阻抗的睡眠呼吸模式识别方法,其特征在于,所述步骤(c2)的具体步骤为:
(c21)分别提取各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的极大值点;
(c22)根据极大值点计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的极大值点的平均值;
(c23)计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的极大值点的平均值的比值,获得信号之间的幅值变化关系F;
(c24)计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的频谱;
(c25)计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号在设定频率范围内的频谱积分;
(c26)计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的频谱积分的比值,获得信号之间的频谱变化关系I;
(c27)建立睡眠呼吸模式M和胸部呼吸电阻抗信号与腹部呼吸电阻抗信号之间的相位关系G、幅值变化关系F及频谱变化关系I的参数模型关系式M=G·F·I;计算各相位关系分段信号内的胸部呼吸电阻抗信号和腹部呼吸电阻抗信号的M值,根据M值的范围判断各段呼吸信号的呼吸模式。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210557165.XA CN103070683B (zh) | 2012-12-20 | 2012-12-20 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
PCT/CN2013/078374 WO2014094415A1 (zh) | 2012-12-20 | 2013-06-28 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210557165.XA CN103070683B (zh) | 2012-12-20 | 2012-12-20 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103070683A CN103070683A (zh) | 2013-05-01 |
CN103070683B true CN103070683B (zh) | 2015-06-03 |
Family
ID=48147538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210557165.XA Active CN103070683B (zh) | 2012-12-20 | 2012-12-20 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103070683B (zh) |
WO (1) | WO2014094415A1 (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103070683B (zh) * | 2012-12-20 | 2015-06-03 | 中山大学 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
CN103584866B (zh) * | 2013-11-13 | 2015-08-12 | 中山大学 | 一种基于双通道的生物电阻抗的潮气量监测方法及装置 |
CN103829944B (zh) * | 2014-03-26 | 2016-02-24 | 重庆大学 | 基于模式识别的胸阻抗信号处理方法 |
CN104138259B (zh) * | 2014-07-02 | 2016-08-31 | 中山大学 | 不受睡眠姿势影响的胸部呼吸信号采集方法及系统 |
CN104274173A (zh) * | 2014-10-31 | 2015-01-14 | 思澜科技(成都)有限公司 | 一种基于生物阻抗的穿戴式睡眠呼吸状态监测系统 |
CN104473646A (zh) * | 2014-12-04 | 2015-04-01 | 钟新华 | 呼吸运动方式监护仪 |
CN104545924B (zh) * | 2014-12-29 | 2017-08-29 | 中山大学 | 一种基于信息融合的阻抗肺容积测量方法 |
CN104545911B (zh) * | 2015-01-29 | 2017-02-22 | 姚健欣 | 一种检测人体生理状态转变的方法及系统 |
CN106388820A (zh) * | 2016-06-21 | 2017-02-15 | 上海用为医疗科技有限公司 | 用于检测阻塞性呼吸障碍的装置及其测试方法 |
CN106473703B (zh) * | 2016-09-21 | 2019-06-11 | 广州视源电子科技股份有限公司 | 睡眠状态分类器的训练方法和系统 |
KR101864642B1 (ko) * | 2016-11-18 | 2018-06-05 | 주식회사 바이랩 | 수면 무호흡 측정장치 및 그 방법 |
CN107582055B (zh) * | 2017-09-26 | 2024-02-09 | 歌尔科技有限公司 | 一种生物阻抗模拟仪 |
CN109567805A (zh) * | 2017-09-29 | 2019-04-05 | 上海交通大学 | 基于胸阻抗测量的高性能肺功能检测系统及方法 |
CN108830865B (zh) * | 2018-05-08 | 2021-06-15 | 南京伟思医疗科技股份有限公司 | 一种用于动态脑电图像的稳定上下边界的确定方法 |
US11806127B2 (en) | 2018-06-13 | 2023-11-07 | General Electric Company | System and method for apnea detection |
CN109009128B (zh) * | 2018-08-09 | 2020-11-27 | 深圳市大耳马科技有限公司 | 呼吸方式检测方法、装置、处理设备和系统 |
CN110151182B (zh) * | 2019-04-04 | 2022-04-19 | 深圳创达云睿智能科技有限公司 | 一种呼吸暂停类型识别方法及设备 |
CN111135481B (zh) * | 2020-01-22 | 2021-09-07 | 哈尔滨理工大学 | 一种胸腹表面呼吸运动信号错相位超分辨方法 |
CN111685735B (zh) * | 2020-06-08 | 2022-01-21 | 清华大学 | 基于鼾声信号的睡眠呼吸暂停监测方法及装置 |
CN112932457B (zh) * | 2021-01-26 | 2022-11-25 | 四川大学 | 呼吸系统健康监测装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100444781C (zh) * | 2003-10-29 | 2008-12-24 | 上海洁润丝纺织品工业有限公司 | 多功能无损伤肺区域通气、血流测定仪 |
US7351208B2 (en) * | 2004-03-12 | 2008-04-01 | Ge Medical Systems Information Technologies, Inc. | Respiration monitoring system and method |
DE102007035549A1 (de) * | 2007-07-28 | 2009-01-29 | Somnomedics Gmbh | Verfahren und Gerät zur Atmungsüberwachung |
CN201361029Y (zh) * | 2009-01-14 | 2009-12-16 | 周洪建 | 便携式睡眠呼吸暂停检测分析仪 |
US8396537B2 (en) * | 2009-04-20 | 2013-03-12 | Mindray Ds Usa, Inc. | Method and system to measure ECG and respiration |
WO2012021900A1 (en) * | 2010-08-13 | 2012-02-16 | Respiratory Motion, Inc. | Devices and methods for respiratory variation monitoring by measurement of respiratory volumes, motion and variability |
JP5533726B2 (ja) * | 2011-02-18 | 2014-06-25 | コニカミノルタ株式会社 | 睡眠時無呼吸判定装置 |
CN103070683B (zh) * | 2012-12-20 | 2015-06-03 | 中山大学 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
-
2012
- 2012-12-20 CN CN201210557165.XA patent/CN103070683B/zh active Active
-
2013
- 2013-06-28 WO PCT/CN2013/078374 patent/WO2014094415A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2014094415A1 (zh) | 2014-06-26 |
CN103070683A (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103070683B (zh) | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 | |
CN109157202B (zh) | 一种基于多生理信号深度融合的心血管疾病预警系统 | |
CN104545888B (zh) | 一种基于动态心电与呼吸波采集的睡眠呼吸暂停采集分析系统 | |
US7862515B2 (en) | Apparatus for detecting sleep apnea using electrocardiogram signals | |
CN103153183B (zh) | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 | |
CN109222969A (zh) | 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统 | |
CN109414204A (zh) | 用于确定针对对象的呼吸信息的方法和装置 | |
CN104257353A (zh) | 一种睡眠呼吸暂停综合症检测系统 | |
CN110327036A (zh) | 从穿戴式心电中提取呼吸信号和呼吸频率的方法 | |
CN109009028B (zh) | 一种反映人体疲劳程度的穿戴式设备 | |
CN106166065B (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
CN110236508A (zh) | 一种无创血压连续监测方法 | |
CN108283489A (zh) | 睡眠呼吸系统及方法 | |
WO2016168979A1 (zh) | 一种生命体征分析方法与系统 | |
CN106175770B (zh) | 一种睡眠期间呼吸暂停的判断系统 | |
CN112263242A (zh) | 基于fmcw雷达的呼吸检测及模式分类方法 | |
KR20120094857A (ko) | 피복타입 무구속 생체신호 측정 및 이를 이용한 재활훈련 정도 판단방법 | |
CN107361770A (zh) | 睡眠呼吸暂停事件判别装置 | |
Dong et al. | Wearable diet monitoring through breathing signal analysis | |
CN109620208A (zh) | 睡眠呼吸暂停低通气综合征检测系统和方法 | |
CN109288515A (zh) | 基于穿戴式心电信号中早搏信号的周期性监测方法及装置 | |
CN110477887A (zh) | 一种非入侵式长程呼吸暂停综合征的监测装置 | |
CN103976737A (zh) | 一种左右肺呼吸阻抗相关性分析方法及系统 | |
CN102934998B (zh) | 压力评估系统、舒缓压力控制系统和运动减压控制方法 | |
CN109498022A (zh) | 一种基于光电容积脉搏波的呼吸频率提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |