CN103462597A - 一种基于智能手机控制的预防阻塞性睡眠猝死的方法及装置 - Google Patents
一种基于智能手机控制的预防阻塞性睡眠猝死的方法及装置 Download PDFInfo
- Publication number
- CN103462597A CN103462597A CN201310426833XA CN201310426833A CN103462597A CN 103462597 A CN103462597 A CN 103462597A CN 201310426833X A CN201310426833X A CN 201310426833XA CN 201310426833 A CN201310426833 A CN 201310426833A CN 103462597 A CN103462597 A CN 103462597A
- Authority
- CN
- China
- Prior art keywords
- mobile phone
- module
- analysis
- signal
- smart mobile
- 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.)
- Granted
Links
Images
Abstract
本发明提供了一种基于智能手机控制的预防阻塞性睡眠猝死方法,包括以下步骤:第一步,拍摄监控者的脸部图像,并发送到图像检测及信号处理装置;第二步,通过预防阻塞性睡眠猝死系统软件采集鼾声,启动图像检测及信号处理装置;第三步,图像检测及信号处理装置分别进行心率信号分析、鼾声信号分析以及呼吸频率分析,血氧计进行血氧饱和度分析,将分析结果发送到智能手机;第四步,智能手机通过接收到的分析结果进行阻塞性睡眠判断,其通过非接触式测量睡眠心率、呼吸、鼾声,通过血氧计测量血氧饱和度,根据血氧饱和度和睡眠呼吸暂停次数的负相关性来拟合方程,提高血氧计的准确性和有效性,系统分析信号变化识别睡眠情况,预防睡眠猝死。
Description
技术领域
本发明涉及一种基于智能手机控制的预防阻塞性睡眠猝死方法以及基于该方法的监测装置,属于医疗保健设备领域。
背景技术
阻塞性睡眠呼吸暂停综合症(obstructive sleep apnea hypopnea syndrome,OSAHS)是一种尚未被广泛认识的疾病,是指夜间睡觉过程中发生呼吸暂停和低通气反复发作30次以上,或者睡眠呼吸暂停低通气指数(AHI)大于或等于5次/小时,AHI是指每小时睡眠内呼吸暂停加上低通气的次数。呼吸暂停是指睡眠过程中口鼻呼吸气流完全停止10秒以上;低通气是指睡眠过程中呼吸气流强度(幅度)较基础水平降低50%以上,并伴有血氧饱和度较基础水平下降大于等于4%。根据呼吸暂停低通气指数的大小将患者分为非OSAHS组(AHI<5次/h﹚、轻度OSAHS组(AHI为5-20次/h)、中度OSAHS组(AHI为21-40次/h)和重度OSAHS组(AHI>40次/h)。据卫生部门发布的信息,阻塞性睡眠呼吸暂停综合症的患病人群发病率为2% - 4%,65岁以上老年人患病率达到20% -40%,有高血压疾病的人群患病率更是高达50% -90%。我国目前拥有5000万左右的呼吸暂停综合症患者。
阻塞性睡眠呼吸暂停综合症的患者,以及患有呼吸系统疾病、心脏疾病的人群,需要长期监测自己睡眠时的呼吸和心跳状况,而目前医院里采用的多为利用多导睡眠图仪(PSG)进行监护。但是使用多导睡眠图仪进行监测时,参数众多,采用的传感器非常多,大量电极连接在人体上,监测过程中容易影响患者正常的休息。
阻塞性睡眠呼吸暂停综合症患者需通过手术、 正压呼吸机等方式治疗,但是手术不能完全根治,正压呼吸机的不舒适性会影响睡眠质量。
阻塞性睡眠呼吸暂停综合征患者由于频繁出现睡眠时上气道阻塞,在呼吸暂停时心率会明显减慢,严重者会出现心动过缓,而在突然憋醒时心率会加快,严重者可以出现心动过速。由于反复出现的迷走神经和交感神经的改变从而引起严重的植物神经系统功能紊乱;从而导致植物神经系统的平衡被打乱,阻塞性睡眠呼吸暂停综合征患者会出现迷走神经功能受损,交感神经张力提高,是导致心脏事件发生的主要病理基础。阻塞性睡眠呼吸暂停综合征患者扰乱正常的呼吸循环,导致血液中二氧化碳分压不断升高,血氧饱和度不断降低,从而刺激颈动脉体和主动脉体化学感受器,交感神经张力增高,心率加快,血压升高,常发生室性异位搏动;副交感神经兴奋转为交感神经兴奋时,迷走神经抑制恶性心律失常的保护作用减弱,室颤阈值降低,易发生恶性心律失常导致猝死。
有阻塞性睡眠呼吸暂停的患者发生致死性的心脏骤停(每年发生率为0.27%)高于普通人群的发生率(0.1%-0.2%),可能与缺氧及高碳酸血症激活血管交感神经系统大量释放儿茶酚胺,加快心率促使心肌氧需求增加,出现局部心肌缺血及心律不齐,最终发生心肌重构;加上阻塞性睡眠呼吸暂停通过多途径减弱心率变异度出现慢性交感超速,另外普遍阻塞性睡眠呼吸暂停患者存在夜间血小板聚集活动增加及纤溶系统减弱现象有关。
发明内容
为了解决现有技术的不足,本发明提供一种基于智能手机控制的预防阻塞性睡眠猝死方法,其通过非接触式测量睡眠心率、呼吸、鼾声。通过血氧计测量血氧饱和度,根据血氧饱和度和睡眠呼吸暂停次数的负相关性来拟合方程,提高血氧计的准确性和有效性,系统分析信号变化识别睡眠情况,预防睡眠猝死。
本发明所采用的技术方案是:一种基于智能手机控制的预防阻塞性睡眠猝死方法,包括以下步骤:
第一步,采用智能手机拍摄监控者的脸部图像,并将脸部图像发送到图像检测及信号处理装置;
第二步,通过安装于智能手机内的预防阻塞性睡眠猝死系统软件采集鼾声,启动图像检测及信号处理装置;
第三步,图像检测及信号处理装置分别进行心率信号分析、鼾声信号分析以及呼吸频率分析,同时血氧计进行血氧饱和度分析,将分析结果发送到智能手机;
第四步,智能手机通过接收到的分析结果进行阻塞性睡眠判断;
所述第三步步骤中,心率信号分析采用FastICA算法,进行FFT变化频谱分析得到尖峰波,所述尖峰波对应的频率为心率;
所述第三步步骤中,鼾声信号分析采用基于鼾声共振峰值的分析方法,识别阻塞程度;
所述第三步步骤中,呼吸频率分析采用对采集图像帧相减后进行均值处理,得到呼吸信号,分析呼吸信号推算睡眠呼吸暂停时间及睡眠呼吸暂停次数;
所述第三步步骤中,还设有当血氧探头脱落或手指水肿血流不畅时,根据睡眠呼吸暂停时间计算血氧饱和度值,采用正交函数最小二乘法来拟合血氧饱和度。
所述FastICA算法如下,设设X=(x1,x2,...,xm)T为观测数据阵,该数据阵的独立源为S=(s1,s2,...,sm)T, X与S的线性关系,表达式为:X = AS;
1.对数据进行中心化使其均值为0;
2.白化数据,得到v;
3.选择一个具有单位范数的初始化向量w;
4.更新w ← E{ vg( wTv) } - E{ g'( wTv) } w ,函数g 的定义如下g1( y) = tanh( a1 y),a1通常为1; g2( y) = yexp( -y2 /2) ;g3( y) = y3 ;
5.标准化w ,w ← w/‖w‖;
6.如尚未收敛返回到步骤4。
定点集与权系数正交;
S*(x)即为血氧饱和值。
一种以所述的方法为基础的监测装置,其包括智能手机、图像检测及信号处理装置以及用于血氧饱和度监测的血氧计,所述图像检测及信号处理装置包括基于DSP的图像识别及信号处理模块、RGB摄像模块、存储模块以及无线模块,所述识别及信号处理模块包括心率信号分析模块、鼾声信号分析模块以及呼吸频率分析模块;所述心率信号分析模块分别与RGB摄像模块、存储模块连接,所述心率信号按照设定的算法对RGB摄像模块采集的数据进行处理分析,将处理分析得到数据储存到存储模块并通过无线模块将数据发送到智能手机;
所述鼾声信号分析模块分别与智能手机、存储模块相连接,所述鼾声信号通过对智能手机采集到的鼾声信号的分析处理,获得鼾声响度、鼾声频率和鼾声共振峰,将处理后得到的数据储存到存储模块并通过无线模块将数据发送到智能手机;
所述呼吸频率分析模块分别与RGB摄像模块存储模块连接,所述呼吸频率分析模块通过对RGB摄像模块获得的图像数据帧相减后进行均值处理,获得睡眠呼吸暂停时间及睡眠呼吸暂停次数,并将数据存储到存储模块并通过无线模块将数据发送到智能手机;
所述智能手机接收心率信号分析模块、鼾声信号分析模块以及呼吸频率分析模块以及血氧计输出的信号,对数据进行判断处理。
所述无线模块采用低功耗蓝牙模块。
所述图像检测及信号处理装置还设有LED智能补光模块。
所述智能手机内设有警铃唤醒系统以及用于报警的报警系统。
本发明的有益效果是:利用智能手机采集到的鼾声启动图像检测及信号处理装置,RGB摄像模块拍摄人面部和胸腹部视频,通过基于DSP的图像识别及信号处理模块分析得到人体的心率、呼吸频率、鼾声参数。图像检测及信号处理装置把人体参数发送给智能手机,智能手机通过对心率、呼吸频率及鼾声共振峰、血氧饱和度的变化来识别睡眠情况,预防睡眠猝死。
附图说明
图1为本发明的结构示意图。
图2为本发明的图像检测及信号处理装置。
图3为脸部和胸腹部识别区域示意图。
图4为脸部FastICA处理图。
图5为OSAHS患者一次鼾声语图。
图6为图像检测及信号处理装置工作流程图。
具体实施方式
下面结合附图对本发明实施例作进一步说明:
如图6所示其工作流程,首先,患者打开智能手机APP程序拍摄正脸图像和两边的侧脸图像,然后通过蓝牙发送拍摄的正脸图像和两边侧脸图像至图像检测及信号处理装置,图像检测及信号处理装置存储接收到的图像后用于识别患者脸部,判断其处于仰卧或侧卧状态。
由于打鼾是OSAHS的特征性表现,当智能手机识别鼾声后,发送命令数据到图像检测及信号处理装置,当其接收到命令后打开LED智能补光模块,启动脸部识别及跟踪程序,基于优化opencv代码的人脸检测识别算法,实时追踪人脸,当识别后图像检测及信号处理装置会调整镜头方向和焦距,将脸部图像移动到中央位置,并向上移动脸部图像,使视频区域留出1.5倍脸部图像坐标的胸腔位置,如图3所示假设人脸部识别区域,x坐标长度为a,y坐标长度为b,则其胸腹部识别区域,x坐标长度为1.5a,y坐标长度为1.5b,确保能够同时拍摄到人脸和胸腔的变化,拍摄的视频存入储存器内。同时将拍摄到的视频与手机拍摄存储的正脸图像和侧脸图像进行比对,确定患者当前处于仰卧还是侧卧状态,根据不同状态开启不同的仰卧模式和侧卧模式。
基于DSP的图像识别及处理模块将拍摄的视频按帧将图像分离成红2、绿3、蓝1(RGB)三色图像,由于心率和绿色图像相关性高,利用血红蛋白吸收绿光的特性,通过扑捉脸部表明绿色成分的亮度变化来检测脉搏。由于人体生理参数受各种因素影响,因此对绿色图像做FastICA(Fast Independent Component Analysis)算法处理,随时间变化波形幅值,FFT变化频谱分析得到尖峰波,即心率,如图4所示,对脸部绿色成分的亮度变化,并将其通过FastICA算法处理,获得心率。
FastICA算法如下:
设X=(x1,x2,...,xm)T为观测数据阵,该数据阵的独立源为S=(s1,s2,...,sm)T, X与S的线性关系,表达式为:X = AS;
ICA理论的目标就是通过X求得一个分离矩阵W,使得W作用在X上所获得的信号Y是独立源S的最优逼近,
而w ← E{ vg( wTv) } - E{ g'( wTv) } w 就是FastICA 算法的基本公式,
将FastICA 算法过程综合如下:
( 1) 首先对观测到的数据X=(x1,x2,...,xm)T进行中心化处理使其均值为0;
( 2) 白化数据,得到v ,白化的含义是将观测变量x进行线性变化Q,得到v=Qx;
( 3) 选择一个具有单位范数的初始化向量w ,所述W为用户给初始化的具有单位范数的向量,比如(1,0,0),用于计算给的向量;
( 4) 更新w ← E{ vg( wTv) } - E{ g'( wTv) } w ,函数g的定义如下
g1( y) = tanh( a1 y),a1通常为1; g2( y) = yexp( -y2 /2) ;g3( y) = y3
( 5) 标准化w ,w ← w/‖w‖ ;
( 6) 如尚未收敛返回到步骤( 4)。
通过FastICA算法对脸部与脉搏有关的检测到的绿色图像的亮暗进行处理,获取其心率值,并将获取的心率发送到智能手机。
关于呼吸频率分析
图像检测及信号处理装置识别胸腔位置的运动,做胸腔区域的图像处理,当前帧图像和前一帧图像相减,识别胸腔运动,清除背景后,胸腔图像做均值处理,随着时间规律变化,得到呼吸信号,分析呼吸信号推算睡眠呼吸暂停时间及睡眠呼吸暂停次数,其通过胸腔运动后帧相减均值后的曲线获取呼吸暂停时间及睡眠呼吸暂停次数。
正常生理睡眠可分为非快眼动睡眠(NREMS)和快眼动睡眠(REMS),但是非快眼动睡眠又分多期状态,比较复杂。患者的睡眠状态会影响到睡眠呼吸暂停时间和最低血氧饱和度。
其通过血氧计实时检测患者的血氧饱和度的变化,并将其检测到的数据发送到智能手机,而当血氧计出现脱落、干扰失灵时,可以用基于正交函数最小二乘法拟合的血氧饱和度值代替,患者应定期拟合自变量呼吸暂停时间和因变量血氧饱和度的曲线,保证数据的准确性。
正交函数作最小二乘拟合算法:
定点集与权系数正交。
求解后拟合方程如下所示:
其中
S(X)是血氧饱和度值曲线拟合得出来的,根据以前的呼吸暂停时间数据拟合出函数方程,当血氧计脱落后,可以根据自变量呼吸暂停时间来推算出血氧饱和度。
当患者手指水肿及血流不畅时,可直接计算拟合的血氧饱和度值。
关于鼾声信号分析
智能手机发送鼾声信号至图像检测及信号处理装置,图像检测及信号处理装置对鼾声信号进行鼾声分析,鼾声虽然与语音有相似之处,但其产生机理、来源及其发出时共鸣腔的形态都与语音有不同之处,因此,其共振峰的形成机制和影响因素也具有和语音不同的特点。
OSAHS患者的上气道更狭窄,因此共振峰频率升高;而随着AHI指数升高,上气道的狭窄程度也升高,所以重度OSAHS患者鼾声的共振峰值最高;对共振峰值的分析可以识别阻塞程度。
如图1和图2所示,一种采用所述系统的监测装置,其包括智能手机、图像检测及信号处理装置以及用于血氧饱和度监测的血氧计,所述图像检测及信号处理装置包括基于DSP的图像识别及信号处理模块、RGB摄像模块、存储模块以及无线模块,所述识别及信号处理模块包括心率信号分析模块、鼾声信号分析模块以及呼吸频率分析模块;所述心率信号分析模块分别与RGB摄像模块、存储模块连接,所述心率信号按照设定的算法对RGB摄像模块采集的数据进行处理分析,将处理分析得到数据储存到存储模块并通过无线模块将数据发送到智能手机;
所述鼾声信号分析模块分别与智能手机、存储模块相连接,所述鼾声信号通过对智能手机采集到的鼾声信号的分析处理,获得鼾声响度、鼾声频率和鼾声共振峰,将处理后得到的数据储存到存储模块并通过无线模块将数据发送到智能手机;
所述呼吸频率分析模块分别与RGB摄像模块存储模块连接,所述呼吸频率分析模块通过对RGB摄像模块获得的图像数据帧相减后进行均值处理,获得睡眠呼吸暂停时间及睡眠呼吸暂停次数,并将数据存储到存储模块并通过无线模块将数据发送到智能手机;
所述智能手机接收心率信号分析模块、鼾声信号分析模块以及呼吸频率分析模块以及血氧计输出的信号,对数据进行判断处理。
所述无线模块采用低功耗蓝牙模块,也可以采用无线网络连接的方式连接。
所述图像检测及信号处理装置还设有LED智能补光模块,通过智能补光模块对脸部进行光照,提高拍摄效果。
当血氧饱和度降低到一定程度后,人体睡眠生理反应加剧,呼吸加快加深,心率会加快。当情况发生时,智能手机分析得到的心率、呼吸、鼾声、血氧饱和度信号的变化,预测到因阻塞睡眠心肌缺氧时,智能手机会响铃唤醒患者,当唤醒无效后,会拨号求助家人、邻居、及急救中心,预防睡眠猝死。
以上结合附图所描述的实施例仅是本发明的优选实施方式,而并非对本发明的保护范围的限定,任何基于本发明精神所做的改进都理应在本发明保护范围之内。
Claims (7)
1.一种基于智能手机控制的预防阻塞性睡眠猝死方法,其特征在于:包括以下步骤:
第一步,采用智能手机拍摄监控者的脸部图像,并将脸部图像发送到图像检测及信号处理装置;
第二步,通过安装于智能手机内的预防阻塞性睡眠猝死系统软件采集鼾声,启动图像检测及信号处理装置;
第三步,图像检测及信号处理装置分别进行心率信号分析、鼾声信号分析以及呼吸频率分析,同时血氧计进行血氧饱和度分析,将分析结果发送到智能手机;
第四步,智能手机通过接收到的分析结果进行阻塞性睡眠判断;
所述第三步步骤中,心率信号分析采用FastICA算法,进行FFT变化频谱分析得到尖峰波,所述尖峰波对应的频率为心率;
所述第三步步骤中,鼾声信号分析采用基于鼾声共振峰值的分析方法,识别阻塞程度;
所述第三步步骤中,呼吸频率分析采用对采集图像帧相减后进行均值处理,得到呼吸信号,分析呼吸信号推算睡眠呼吸暂停时间及睡眠呼吸暂停次数;
所述第三步步骤中,还设有当血氧探头脱落或手指水肿血流不畅时,根据睡眠呼吸暂停时间计算血氧饱和度值,采用正交函数最小二乘法来拟合血氧饱和度。
2.根据权利要求1所述的一种基于智能手机控制的预防阻塞性睡眠猝死方法,其特征在于,所述FastICA算法如下,设设X=(x1,x2,...,xm)T为观测数据阵,该数据阵的独立源为S=(s1,s2,...,sm)T, X与S的线性关系,表达式为:X = AS;
1.对数据进行中心化使其均值为0;
2.白化数据,得到v;
3.选择一个具有单位范数的初始化向量w;
4.更新w ← E{ vg( wTv) } - E{ g'( wTv) } w ,函数g 的定义如下g1( y) = tanh( a1 y),a1通常为1; g2( y) = yexp( -y2 /2) ;g3( y) = y3 ;
5.标准化w ,w ← w/‖w‖;
6.如尚未收敛返回到步骤4。
4.一种以权利要求1所述的方法为基础的监测装置,其特征在于:其包括智能手机、图像检测及信号处理装置以及用于血氧饱和度监测的血氧计,所述图像检测及信号处理装置包括基于DSP的图像识别及信号处理模块、RGB摄像模块、存储模块以及无线模块,所述识别及信号处理模块包括心率信号分析模块、鼾声信号分析模块以及呼吸频率分析模块;所述心率信号分析模块分别与RGB摄像模块、存储模块连接,所述心率信号按照设定的算法对RGB摄像模块采集的数据进行处理分析,将处理分析得到数据储存到存储模块并通过无线模块将数据发送到智能手机;
所述鼾声信号分析模块分别与智能手机、存储模块相连接,所述鼾声信号通过对智能手机采集到的鼾声信号的分析处理,获得鼾声响度、鼾声频率和鼾声共振峰,将处理后得到的数据储存到存储模块并通过无线模块将数据发送到智能手机;
所述呼吸频率分析模块分别与RGB摄像模块存储模块连接,所述呼吸频率分析模块通过对RGB摄像模块获得的图像数据帧相减后进行均值处理,获得睡眠呼吸暂停时间及睡眠呼吸暂停次数,并将数据存储到存储模块并通过无线模块将数据发送到智能手机;
所述智能手机接收心率信号分析模块、鼾声信号分析模块以及呼吸频率分析模块以及血氧计输出的信号,对数据进行判断处理。
5.根据权利要求4所述的监测装置,其特征在于,所述无线模块采用低功耗蓝牙模块。
6.根据权利要求4所述的监测装置,其特征在于,所述图像检测及信号处理装置还设有LED智能补光模块。
7.根据权利要求4所述的监测装置,其特征在于,所述智能手机内设有警铃唤醒系统以及用于报警的报警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310426833.XA CN103462597B (zh) | 2013-09-18 | 2013-09-18 | 一种基于智能手机控制的预防阻塞性睡眠猝死的监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310426833.XA CN103462597B (zh) | 2013-09-18 | 2013-09-18 | 一种基于智能手机控制的预防阻塞性睡眠猝死的监测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103462597A true CN103462597A (zh) | 2013-12-25 |
CN103462597B CN103462597B (zh) | 2015-04-29 |
Family
ID=49787816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310426833.XA Active CN103462597B (zh) | 2013-09-18 | 2013-09-18 | 一种基于智能手机控制的预防阻塞性睡眠猝死的监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103462597B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104083160A (zh) * | 2014-06-30 | 2014-10-08 | 天津大学 | 一种基于机器视觉的睡眠状态监测方法及装置 |
CN105193390A (zh) * | 2015-10-15 | 2015-12-30 | 成都艾克尔特医疗科技有限公司 | 用于监测睡眠呼吸暂停综合症的健康分析模块 |
CN105430457A (zh) * | 2015-11-12 | 2016-03-23 | 深圳市丰巨泰科电子有限公司 | 一种识别人体睡眠状态的电视盒 |
WO2017166828A1 (zh) * | 2016-04-01 | 2017-10-05 | 深圳市前海安测信息技术有限公司 | 睡眠打鼾监测装置及其应用系统和方法 |
CN107506716A (zh) * | 2017-08-17 | 2017-12-22 | 华东师范大学 | 一种基于视频图像的非接触式实时心率测量方法 |
CN107569212A (zh) * | 2017-08-30 | 2018-01-12 | 上海市共进医疗科技有限公司 | 一种基于心率检测呼吸睡眠暂停综合征的设备、系统和方法 |
CN107595259A (zh) * | 2017-09-19 | 2018-01-19 | 广东小天才科技有限公司 | 一种报警方法、装置、穿戴设备及存储介质 |
CN107960982A (zh) * | 2017-12-20 | 2018-04-27 | 北京怡和嘉业医疗科技股份有限公司 | 用于展现睡眠事件的方法和装置及机器可读存储介质 |
CN107981844A (zh) * | 2017-12-08 | 2018-05-04 | 绵眠(上海)智能科技有限公司 | 一种基于压电薄膜的鼾声识别方法及系统 |
CN108309261A (zh) * | 2018-02-11 | 2018-07-24 | 西安交通大学 | 一种猝死预警方法及装置和系统 |
CN108523901A (zh) * | 2018-05-14 | 2018-09-14 | 北京工业大学 | 一种基于智能手机的睡眠质量监测方法 |
CN108903927A (zh) * | 2018-07-26 | 2018-11-30 | 成都江雪医疗器械有限公司 | 一种预警睡眠呼吸暂停综合征猝死风险的检测方法 |
CN109480774A (zh) * | 2018-10-22 | 2019-03-19 | 合刃科技(武汉)有限公司 | 一种基于高光谱数据的智能监控系统 |
CN110472481A (zh) * | 2019-07-01 | 2019-11-19 | 华南师范大学 | 一种睡姿检测方法、装置及设备 |
CN111820867A (zh) * | 2019-03-28 | 2020-10-27 | 京东方科技集团股份有限公司 | 一种呼吸监测装置及系统 |
CN112022122A (zh) * | 2020-09-29 | 2020-12-04 | 深圳职业技术学院 | 一种睡眠监测耳机 |
CN114176583A (zh) * | 2021-12-03 | 2022-03-15 | Oppo广东移动通信有限公司 | 血氧测量方法及相关装置 |
CN116327123A (zh) * | 2023-03-13 | 2023-06-27 | 深圳市雅为智能技术有限公司 | 一种基于智能手表的睡眠监测系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050190065A1 (en) * | 2004-02-26 | 2005-09-01 | Ronnholm Valter A.G. | Natural alarm clock |
US20070129644A1 (en) * | 2005-12-02 | 2007-06-07 | Glenn Richards | Sleep disorder screening program |
CN102138795A (zh) * | 2011-02-21 | 2011-08-03 | 上海大学 | 根据鼾声声学特征确定阻塞性睡眠呼吸暂停与低通气综合症严重程度的方法 |
CN102499664A (zh) * | 2011-10-24 | 2012-06-20 | 西双版纳大渡云海生物科技发展有限公司 | 基于视频图像的非接触式生命体征的检测方法及检测系统 |
CN103202687A (zh) * | 2012-01-12 | 2013-07-17 | 谢汝石 | 一种阻塞性睡眠呼吸暂停低通气综合征患者初筛系统 |
-
2013
- 2013-09-18 CN CN201310426833.XA patent/CN103462597B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050190065A1 (en) * | 2004-02-26 | 2005-09-01 | Ronnholm Valter A.G. | Natural alarm clock |
US20070129644A1 (en) * | 2005-12-02 | 2007-06-07 | Glenn Richards | Sleep disorder screening program |
CN102138795A (zh) * | 2011-02-21 | 2011-08-03 | 上海大学 | 根据鼾声声学特征确定阻塞性睡眠呼吸暂停与低通气综合症严重程度的方法 |
CN102499664A (zh) * | 2011-10-24 | 2012-06-20 | 西双版纳大渡云海生物科技发展有限公司 | 基于视频图像的非接触式生命体征的检测方法及检测系统 |
CN103202687A (zh) * | 2012-01-12 | 2013-07-17 | 谢汝石 | 一种阻塞性睡眠呼吸暂停低通气综合征患者初筛系统 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104083160A (zh) * | 2014-06-30 | 2014-10-08 | 天津大学 | 一种基于机器视觉的睡眠状态监测方法及装置 |
CN105193390A (zh) * | 2015-10-15 | 2015-12-30 | 成都艾克尔特医疗科技有限公司 | 用于监测睡眠呼吸暂停综合症的健康分析模块 |
CN105193390B (zh) * | 2015-10-15 | 2017-11-14 | 成都云卫康医疗科技有限公司 | 用于监测睡眠呼吸暂停综合症的健康分析模块 |
CN105430457A (zh) * | 2015-11-12 | 2016-03-23 | 深圳市丰巨泰科电子有限公司 | 一种识别人体睡眠状态的电视盒 |
WO2017166828A1 (zh) * | 2016-04-01 | 2017-10-05 | 深圳市前海安测信息技术有限公司 | 睡眠打鼾监测装置及其应用系统和方法 |
CN107506716A (zh) * | 2017-08-17 | 2017-12-22 | 华东师范大学 | 一种基于视频图像的非接触式实时心率测量方法 |
CN107569212B (zh) * | 2017-08-30 | 2021-01-01 | 上海市共进医疗科技有限公司 | 一种基于心率检测呼吸睡眠暂停综合征的设备和系统 |
CN107569212A (zh) * | 2017-08-30 | 2018-01-12 | 上海市共进医疗科技有限公司 | 一种基于心率检测呼吸睡眠暂停综合征的设备、系统和方法 |
CN107595259A (zh) * | 2017-09-19 | 2018-01-19 | 广东小天才科技有限公司 | 一种报警方法、装置、穿戴设备及存储介质 |
CN107981844A (zh) * | 2017-12-08 | 2018-05-04 | 绵眠(上海)智能科技有限公司 | 一种基于压电薄膜的鼾声识别方法及系统 |
CN107960982A (zh) * | 2017-12-20 | 2018-04-27 | 北京怡和嘉业医疗科技股份有限公司 | 用于展现睡眠事件的方法和装置及机器可读存储介质 |
CN108309261A (zh) * | 2018-02-11 | 2018-07-24 | 西安交通大学 | 一种猝死预警方法及装置和系统 |
CN108309261B (zh) * | 2018-02-11 | 2020-05-22 | 西安交通大学 | 一种猝死预警方法及装置和系统 |
CN108523901A (zh) * | 2018-05-14 | 2018-09-14 | 北京工业大学 | 一种基于智能手机的睡眠质量监测方法 |
CN108903927A (zh) * | 2018-07-26 | 2018-11-30 | 成都江雪医疗器械有限公司 | 一种预警睡眠呼吸暂停综合征猝死风险的检测方法 |
CN109480774A (zh) * | 2018-10-22 | 2019-03-19 | 合刃科技(武汉)有限公司 | 一种基于高光谱数据的智能监控系统 |
CN111820867A (zh) * | 2019-03-28 | 2020-10-27 | 京东方科技集团股份有限公司 | 一种呼吸监测装置及系统 |
CN110472481A (zh) * | 2019-07-01 | 2019-11-19 | 华南师范大学 | 一种睡姿检测方法、装置及设备 |
CN110472481B (zh) * | 2019-07-01 | 2024-01-05 | 华南师范大学 | 一种睡姿检测方法、装置及设备 |
CN112022122A (zh) * | 2020-09-29 | 2020-12-04 | 深圳职业技术学院 | 一种睡眠监测耳机 |
CN114176583A (zh) * | 2021-12-03 | 2022-03-15 | Oppo广东移动通信有限公司 | 血氧测量方法及相关装置 |
CN116327123A (zh) * | 2023-03-13 | 2023-06-27 | 深圳市雅为智能技术有限公司 | 一种基于智能手表的睡眠监测系统及方法 |
CN116327123B (zh) * | 2023-03-13 | 2023-08-18 | 深圳市雅为智能技术有限公司 | 一种基于智能手表的睡眠监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103462597B (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103462597B (zh) | 一种基于智能手机控制的预防阻塞性睡眠猝死的监测装置 | |
CN212521748U (zh) | 睡眠生理系统 | |
US10492720B2 (en) | System and method for determining sleep stage | |
KR101182994B1 (ko) | 임상 증상들의 예측 및 모니터링 기술 | |
CN103735401B (zh) | 基于脉搏血氧的心肺复苏质量反馈控制系统 | |
JP5409148B2 (ja) | 生体状態取得装置、生体状態取得プログラム、生体状態取得装置を備えた機器及び空気調和機 | |
US8454491B2 (en) | System for inducing a subject to fall asleep | |
US11925485B2 (en) | Non-invasive system for monitoring and treating respiratory distress | |
CN104706355B (zh) | 呼吸暂停事件的种类的确定方法及系统 | |
US20190167176A1 (en) | Method and apparatus for monitoring respiratory distress based on autonomic imbalance | |
JP2016501048A (ja) | 生体パラメータを判定する方法及び装置 | |
US11938322B2 (en) | Slow wave activity optimization based on dominant peripheral nervous system oscillations | |
CN108065916A (zh) | 一种基于生物雷达的非接触式睡眠质量监测方法 | |
JP5606604B2 (ja) | 生体状態取得装置、生体状態取得プログラム、生体状態取得装置を備えた機器及び空気調和機 | |
CN104545818A (zh) | 一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法 | |
CN108283489A (zh) | 睡眠呼吸系统及方法 | |
CN107981844A (zh) | 一种基于压电薄膜的鼾声识别方法及系统 | |
AU2023203477A1 (en) | System, method and biomarkers for airway obstruction | |
JP2014039838A (ja) | 生体状態取得装置、生体状態取得プログラム、生体状態取得装置を備えた機器及び空気調和機 | |
US20220061678A1 (en) | Detection of patient conditions using signals sensed on or near the head | |
CN111345782B (zh) | 鼾声类型识别方法及电子设备 | |
KR102379386B1 (ko) | 모션 센서와 연동되는 수면 무호흡증 및 코골이 증상 개선용 움직임 유발 주파수를 생성하는 방법 | |
KR101575112B1 (ko) | 키넥트 센서를 이용한 수면 모니터링 시스템 | |
JP5627751B2 (ja) | 生体状態取得装置、生体状態取得プログラム、生体状態取得装置を備えた機器及び空気調和機 | |
US20240122497A1 (en) | System, method and biomarkers for airway obstruction |
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 |