CN103690147B - 一种鼾声分型的计算机辅助方法 - Google Patents
一种鼾声分型的计算机辅助方法 Download PDFInfo
- Publication number
- CN103690147B CN103690147B CN201310715342.7A CN201310715342A CN103690147B CN 103690147 B CN103690147 B CN 103690147B CN 201310715342 A CN201310715342 A CN 201310715342A CN 103690147 B CN103690147 B CN 103690147B
- Authority
- CN
- China
- Prior art keywords
- snoring
- sound
- event
- interval
- type
- 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
Classifications
-
- 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
- A61B5/4818—Sleep apnoea
-
- 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
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种鼾声分型的计算机辅助方法,包括:获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件,所述鼾声间隔期为一个鼾声结束到下一个鼾声开始,所述呼吸紊乱事件包括低通气、呼吸暂停;将所述鼾声间隔期内呼吸紊乱事件上传至处理装置;统计所述鼾声间隔期内呼吸紊乱事件的发生次数;根据所述鼾声间隔期内呼吸紊乱事件的发生次数划分鼾声类型。采用本发明,利用处理装置对被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件进行全自动的分析、统计并导出相应的统计结果,使得鼾声和呼吸紊乱事件紧密结合起来,实现鼾声的自动分类,更快捷、准确、直观,为基于鼾声检测精确诊断阻塞性睡眠呼吸暂停低通气综合征(OSAHS)提供科学依据。
Description
技术领域
本发明涉及医学领域,尤其涉及一种鼾声分型的计算机辅助方法。
背景技术
睡眠是维持身体健康的重要部分。阻塞性睡眠呼吸暂停低通气综合征(obstructivesleepapneahypopneasyndrome,OSAHS)患者睡眠时咽腔部分或全部塌陷,导致反复出现的睡眠结构紊乱、病理性睡眠中断、夜间睡眠低氧血症,继发体内一系列的病理变化,严重危及人类的健康和安全。该病不仅对患者的生活质量产生不良影响,而且对重大疾病的临床后果涵盖范围广泛,包括白天嗜睡、神经认知功能障碍、心血管疾病(高血压、中风,心肌梗死及心脏衰竭等)、代谢功能障碍、呼吸衰竭及肺心病等。同时,OSAHS患者睡眠质量差,易出现白天疲劳嗜睡,以致诱发工伤、交通事故和其他意外,造成社会公害。
国外资料显示:成年人中的OSAHS的患病率达2%~7%10,我国上海、香港等地OSAHS在成年人中的患病率分别为3.62%和4.1%。它的人群发病率与其他慢性病如哮喘、慢性阻塞性肺疾病、2型糖尿病和冠心病的发病率相当,更为重要的是它是这些疾病加重、难治的重要因素。
打鼾是0SAHS患者最早出现、最为突出、听得见的特征性症状(hallmark)。对鼾声的产生机制和声学特性的研究始于上世纪八十年代,研究表明0SAHS患者和单纯打鼾(simplesnore,SS)者的鼾声具有不同的声学特点,这些特点可能有助于区分二者。最近,国外学者运用声学分析诊断OSAHS,Ben-Israel及合作者发现基于声学分析的睡眠呼吸紊乱指数同PSG监测的结果达到80%以上的一致性,但这些研究注重整夜鼾声的研究而缺乏对单个鼾声的研究。所谓单纯打鼾就是指打鼾后无呼吸紊乱事件,打鼾后有呼吸紊乱事件的鼾声的特点目前缺乏研究。如果忽略0SAHS中的单纯鼾声,至少85%以上的睡眠呼吸信息将被高估或不准确,如果认识0SAHS中单纯鼾声存在,把其它鼾声作为一种分析,至少忽略10%的呼吸紊乱事件。近年来国外学者注意鼾声期间鼾声特征的分析的同时,部分学者注意到OSAHS患者鼾声间隔期(从打鼾开始到下一个鼾声开始)明显短于正常打鼾者。然而鼾声间隔期的长短仅是一表明现象,其核心即是睡眠事件,但目前学者们尚未对不同鼾声期间睡眠事件的特点进行研究。因此我们认为,忽视鼾声期间睡眠事件的存在可能是鼾声分析诊断OSAHS精确度不高的原因。
发明内容
本发明所要解决的技术问题在于,提供一种鼾声分型的计算机辅助方法,可实现鼾声的自动分型、统计。
为了解决上述技术问题,本发明提供了一种鼾声分型的计算机辅助方法,包括:获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件,所述鼾声间隔期为一个鼾声结束到下一个鼾声开始,所述呼吸紊乱事件包括低通气、呼吸暂停;将所述鼾声间隔期内呼吸紊乱事件上传至处理装置;统计所述鼾声间隔期内呼吸紊乱事件的发生次数;根据所述鼾声间隔期内呼吸紊乱事件的发生次数划分鼾声类型。
作为上述方案的改进,所述处理装置内存储有鼾声类型;所述鼾声类型包括:鼾声Ⅰ型,鼾声间隔期内无发生呼吸紊乱事件;鼾声Ⅱ型,鼾声间隔期内发生一次呼吸紊乱事件;鼾声Ⅲ型,鼾声间隔期内发生两次呼吸紊乱事件;鼾声Ⅳ型,鼾声间隔期内发生两次以上呼吸紊乱事件。
作为上述方案的改进,通过多导睡眠监测法获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件。
作为上述方案的改进,所述的鼾声分型的计算机辅助方法还包括:所述处理装置对被监测者在睡眠过程中的鼾声类型进行统计,生成统计结果;所述统计结果包括被监测者在睡眠过程中的各鼾声类型发生次数、发生概率。
作为上述方案的改进,所述统计结果还包括被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件的类型。
作为上述方案的改进,所述的鼾声分型的计算机辅助方法还包括:所述处理装置导出所述统计结果。
实施本发明,具有如下有益效果:
引入处理装置,利用处理装置对被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件进行全自动的分析统计,实现鼾声的自动分类,更为快捷、准确。
另外,将处理装置与特殊的鼾声分型相结合,根据预存鼾声类型对鼾声进行分类,使得鼾声和呼吸紊乱事件紧密结合起来。同时,处理装置自动对睡眠过程中的各鼾声类型的发生次数、发生概率进行自动统计并导出相应的统计结果,更为直观,为基于鼾声检测精确诊断OSAHS提供科学依据。
而且,通过多导睡眠监测法获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件,使监测更为精确。
附图说明
图1是本发明鼾声分型的计算机辅助方法的第一实施例流程图;
图2是本发明鼾声分型的计算机辅助方法的第二实施例流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
图1是本发明鼾声分型的计算机辅助方法的第一实施例流程图,包括:
S101,获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件。
所述鼾声间隔期为一个鼾声结束到下一个鼾声开始。
所述呼吸紊乱事件包括低通气、呼吸暂停。所述低通气是指睡眠过程中呼吸气流降低超过正常气流强度的50%以上并伴有3%血氧饱和度下降;所述睡眠呼吸暂停是指睡眠过程中口鼻气流均停止10秒以上。
优选地,所述睡眠呼吸紊乱事件根据国际睡眠标准,还可以包括呼吸努力觉醒(respiratory-effortrelatedarousals,RERAs)。
更佳地,可通过多导睡眠监测法获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件。
需要说明的是,通过多导睡眠监测法进行测量时,可通过多导睡眠监测装置对脑电图、眼电图、肌电图、口鼻气流、胸腹呼吸运动幅度、心电图、经皮外周血氧饱和度、鼾声、睡眠体位等进行检测,并根据气流判断低通气,呼吸暂停事件等鼾声间隔期内呼吸紊乱事件。
S102,将所述鼾声间隔期内呼吸紊乱事件上传至处理装置。
优选地,所述处理装置包括计算机、手机。
S103,统计所述鼾声间隔期内呼吸紊乱事件的发生次数。
所述处理装置对上传的鼾声间隔期内呼吸紊乱事件进行统计,计算出所述鼾声间隔期内呼吸紊乱事件的发生次数。
例如,若鼾声间隔期内出现1次低通气、1次呼吸暂停,则处理装置可计算出鼾声间隔期内呼吸紊乱事件的发生次数为2次。
S104,根据所述鼾声间隔期内呼吸紊乱事件的发生次数划分鼾声类型。
更佳地,所述处理装置内存储有鼾声类型,处理装置根据所述鼾声间隔期内呼吸紊乱事件的发生次数划分鼾声类型。
所述鼾声类型包括:
鼾声Ⅰ型,鼾声间隔期内无发生呼吸紊乱事件;
鼾声Ⅱ型,鼾声间隔期内发生一次呼吸紊乱事件;
鼾声Ⅲ型,鼾声间隔期内发生两次呼吸紊乱事件;
鼾声Ⅳ型,鼾声间隔期内发生两次以上呼吸紊乱事件。
需要说明的是,可根据实际需求,将所述鼾声进一步划分为多种鼾声类型,使不同的发生次数对应不同的鼾声类型,使分型更为详细具体。
由上可知,将鼾声分型与处理装置相结合,处理装置将多导睡眠监测装置获取的被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件进行全自动的分析统计,根据预存鼾声类型对鼾声进行分类,使得鼾声和呼吸紊乱事件紧密结合起来,为丰富OSAHS鼾声的研究及基于鼾声检测精确诊断OSAHS提供科学依据。
图2是本发明鼾声分型的计算机辅助方法的第二实施例流程图,包括:
S201,获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件。
所述鼾声间隔期为一个鼾声结束到下一个鼾声开始。
所述呼吸紊乱事件包括低通气、呼吸暂停。所述低通气是指睡眠过程中呼吸气流降低超过正常气流强度的50%以上并伴有3%血氧饱和度下降;所述睡眠呼吸暂停是指睡眠过程中口鼻气流均停止10秒以上。优选地,所述睡眠呼吸紊乱事件根据国际睡眠标准,还可以包括呼吸努力觉醒(respiratory-effortrelatedarousals,RERAs)。
更佳地,可通过多导睡眠监测法获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件。
S202,将所述鼾声间隔期内呼吸紊乱事件上传至处理装置。优选地,所述处理装置包括计算机、手机。
S203,统计所述鼾声间隔期内呼吸紊乱事件的发生次数。
S204,根据所述鼾声间隔期内呼吸紊乱事件的发生次数划分鼾声类型。
更佳地,所述处理装置内存储有鼾声类型,处理装置根据所述鼾声间隔期内呼吸紊乱事件的发生次数划分鼾声类型。
所述鼾声类型包括:
鼾声Ⅰ型,鼾声间隔期内无发生呼吸紊乱事件;
鼾声Ⅱ型,鼾声间隔期内发生一次呼吸紊乱事件;
鼾声Ⅲ型,鼾声间隔期内发生两次呼吸紊乱事件;
鼾声Ⅳ型,鼾声间隔期内发生两次以上呼吸紊乱事件。
需要说明的是,可根据实际需求,将所述鼾声进一步划分为更多种鼾声类型,使不同的发生次数对应不同的鼾声类型,使分型更为详细具体。
S205,所述处理装置对被监测者在睡眠过程中的鼾声类型进行统计,生成统计结果。
所述统计结果包括被监测者在睡眠过程中的各鼾声类型发生次数、发生概率。
需要说明的是,研究表明OSAHS患者鼾声期间存在:1、鼾声间隔期内无发生呼吸紊乱事件;2、鼾声间隔期内发生仅一次呼吸紊乱事件;3、鼾声间隔期内发生两次及两次以上呼吸紊乱事件。其中,无呼吸紊乱事件的鼾声间隔期发生率较高,二次及多次呼吸紊乱事件的鼾声间隔期的次数客观存在且多于单次呼吸紊乱事件的鼾声间隔期的次数。因此,对睡眠过程中的各鼾声类型的发生次数、发生概率进行统计可为基于鼾声检测精确诊断OSAHS提供科学依据。
优选地,所述统计结果还包括被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件的类型。
所述呼吸紊乱事件的类型包括低通气、呼吸暂停。如:
鼾声Ⅱ型,包括低通气或呼吸暂停;
鼾声Ⅲ型,包括低通气和低通气、低通气和呼吸暂停、呼吸暂停和低通气、呼吸暂停和呼吸暂停;
鼾声Ⅳ型,包括低通气、呼吸暂停多次交替或重复发生。
例如,被监测者在睡眠过程中产生两个鼾声间隔期内,其中,第一个鼾声间隔期内产生一次低通气事件,第二个鼾声间隔期内产生一次呼吸暂停事件。则,在统计结果中可统计出被监测者在睡眠过程中共产生两个鼾声Ⅱ型,并指出鼾声Ⅱ型包括一次低通气事件,第二个鼾声Ⅱ型包括一次呼吸暂停事件。
优选地,所述统计结果还包括各鼾声的发生时间、发生间隔等,实现对鼾声的详细分析。
S206,所述处理装置导出所述统计结果。所导出的统计结果,直观、清晰,为精确诊断OSAHS提供科学依据。
由上可知,处理装置将多导睡眠监测装置获取的被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件进行全自动的分析统计,根据预存鼾声类型对鼾声进行分类,使得鼾声和呼吸紊乱事件紧密结合起来。同时,对睡眠过程中的各鼾声类型的发生次数、发生概率进行统计并导出统计结果,为基于鼾声检测精确诊断OSAHS提供科学依据。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (5)
1.一种鼾声分型的计算机辅助方法,其特征在于,包括:
获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件,所述鼾声间隔期为一个鼾声结束到下一个鼾声开始,所述呼吸紊乱事件包括低通气、呼吸暂停;
将所述鼾声间隔期内呼吸紊乱事件上传至处理装置;
统计所述鼾声间隔期内呼吸紊乱事件的发生次数;
根据所述鼾声间隔期内呼吸紊乱事件的发生次数划分鼾声类型;
所述处理装置内存储有鼾声类型;
所述鼾声类型包括:
鼾声Ⅰ型,鼾声间隔期内无发生呼吸紊乱事件;
鼾声Ⅱ型,鼾声间隔期内发生一次呼吸紊乱事件;
鼾声Ⅲ型,鼾声间隔期内发生两次呼吸紊乱事件;
鼾声Ⅳ型,鼾声间隔期内发生两次以上呼吸紊乱事件。
2.如权利要求1所述的鼾声分型的计算机辅助方法,其特征在于,通过多导睡眠监测法获取被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件。
3.如权利要求1所述的鼾声分型的计算机辅助方法,其特征在于,还包括:所述处理装置对被监测者在睡眠过程中的鼾声类型进行统计,生成统计结果;
所述统计结果包括被监测者在睡眠过程中的各鼾声类型发生次数、发生概率。
4.如权利要求3所述的鼾声分型的计算机辅助方法,其特征在于,所述统计结果还包括被监测者在睡眠过程中鼾声间隔期内呼吸紊乱事件的类型。
5.如权利要求3或4所述的鼾声分型的计算机辅助方法,其特征在于,还包括:所述处理装置导出所述统计结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310715342.7A CN103690147B (zh) | 2013-12-23 | 2013-12-23 | 一种鼾声分型的计算机辅助方法 |
PCT/CN2014/070405 WO2015096217A1 (zh) | 2013-12-23 | 2014-01-09 | 一种鼾声分型的计算机辅助方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310715342.7A CN103690147B (zh) | 2013-12-23 | 2013-12-23 | 一种鼾声分型的计算机辅助方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103690147A CN103690147A (zh) | 2014-04-02 |
CN103690147B true CN103690147B (zh) | 2015-12-30 |
Family
ID=50351933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310715342.7A Active CN103690147B (zh) | 2013-12-23 | 2013-12-23 | 一种鼾声分型的计算机辅助方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103690147B (zh) |
WO (1) | WO2015096217A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103622697B (zh) * | 2013-11-27 | 2015-12-30 | 广州医学院第一附属医院 | 一种睡眠呼吸病理分型方法 |
CN105816175B (zh) * | 2016-03-07 | 2019-01-08 | 广州医科大学附属第一医院 | 一种鼾声分型方法 |
CN107358965B (zh) * | 2017-06-09 | 2020-12-22 | 华南理工大学 | 一种睡眠鼾声分类检测方法及系统 |
CN111759277B (zh) * | 2020-06-16 | 2022-12-09 | 清华大学深圳国际研究生院 | 睡眠呼吸暂停低通气的检测装置、方法、设备及存储介质 |
CN112971731B (zh) * | 2021-05-10 | 2021-07-27 | 广东德泷智能科技有限公司 | 一种基于鼾声识别的睡眠监控系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102138976A (zh) * | 2011-03-24 | 2011-08-03 | 江苏苏南药业实业有限公司 | 一种桑椹颗粒的制备方法 |
CN102579010A (zh) * | 2012-03-01 | 2012-07-18 | 上海大学 | 据鼾声确定阻塞性睡眠呼吸暂停与低通气综合症的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050072435A (ko) * | 2002-10-09 | 2005-07-11 | 컴퓨메딕스 리미티드 | 치료 처리중 수면 품질을 유지하고 모니터하기 위한 방법및 장치 |
EP2408353B1 (en) * | 2009-03-17 | 2021-05-12 | Advanced Brain Monitoring, Inc. | A system for the assessment of sleep quality in adults and children |
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 |
CN103385707A (zh) * | 2013-07-31 | 2013-11-13 | 太仓市同维电子有限公司 | 一种能分辨鼾声类型的智能路由器及其分辨方法 |
-
2013
- 2013-12-23 CN CN201310715342.7A patent/CN103690147B/zh active Active
-
2014
- 2014-01-09 WO PCT/CN2014/070405 patent/WO2015096217A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102138976A (zh) * | 2011-03-24 | 2011-08-03 | 江苏苏南药业实业有限公司 | 一种桑椹颗粒的制备方法 |
CN102579010A (zh) * | 2012-03-01 | 2012-07-18 | 上海大学 | 据鼾声确定阻塞性睡眠呼吸暂停与低通气综合症的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103690147A (zh) | 2014-04-02 |
WO2015096217A1 (zh) | 2015-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103690147B (zh) | 一种鼾声分型的计算机辅助方法 | |
CN102579010A (zh) | 据鼾声确定阻塞性睡眠呼吸暂停与低通气综合症的方法 | |
Tenhunen et al. | Emfit movement sensor in evaluating nocturnal breathing | |
CN103202687A (zh) | 一种阻塞性睡眠呼吸暂停低通气综合征患者初筛系统 | |
CN106473700B (zh) | 基于hrv频域分析的阻塞性睡眠呼吸暂停综合征的检测系统 | |
CN202723828U (zh) | 一种阻塞性睡眠呼吸暂停低通气综合征(osahs)患者初筛系统 | |
CN106175770A (zh) | 一种睡眠期间呼吸暂停的判断方法及系统 | |
Malhotra et al. | American Academy of Sleep Medicine Board of Directors. Polysomnography for obstructive sleep apnea should include arousal-based scoring: an American Academy of Sleep Medicine position statement | |
Yan et al. | Development and assessment of a risk prediction model for moderate-to-severe obstructive sleep apnea | |
CN202207144U (zh) | 睡眠呼吸暂停监测仪 | |
Zhou et al. | Measuring sleep stages and screening for obstructive sleep apnea with a wearable multi-sensor system in comparison to polysomnography | |
CN107411704A (zh) | 一种基于匹兹堡睡眠质量判断的睡眠质量自动判断方法 | |
CN100396241C (zh) | 用胸部阻抗监测呼吸气量的方法 | |
CN207356076U (zh) | 一种智能睡眠监测仪 | |
Peng et al. | Acoustic analysis of overnight consecutive snoring sounds by sound pressure levels | |
CN103622697B (zh) | 一种睡眠呼吸病理分型方法 | |
CN105816175B (zh) | 一种鼾声分型方法 | |
CN203988055U (zh) | 便携式睡眠呼吸初筛仪 | |
Zhang et al. | Assessing severity of obstructive sleep apnea by fractal dimension sequence analysis of sleep EEG | |
CN103393423B (zh) | 一种口腔检测系统 | |
Messineo et al. | Mechanisms relating to sleeping position to the endotypes of sleep disordered breathing | |
CN204351817U (zh) | 一种新型睡眠呼吸监测设备 | |
Levent et al. | Analysis of obstructive sleep apnea patients with “sawtooth sign” on the flow-volume curve | |
Rauhala et al. | Compressed tracheal sound analysis in screening of sleep-disordered breathing | |
Hou et al. | Detection of OSAHS using only time-domain property of snoring signal |
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 |