CN106725492B - 一种气流数据检测方法和装置 - Google Patents
一种气流数据检测方法和装置 Download PDFInfo
- Publication number
- CN106725492B CN106725492B CN201611209669.7A CN201611209669A CN106725492B CN 106725492 B CN106725492 B CN 106725492B CN 201611209669 A CN201611209669 A CN 201611209669A CN 106725492 B CN106725492 B CN 106725492B
- Authority
- CN
- China
- Prior art keywords
- parameter
- data
- ifl
- threshold
- period
- 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
- A61B5/08—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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/087—Measuring breath flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
- A61M2016/0015—Accessories therefor, e.g. sensors, vibrators, negative pressure inhalation detectors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
- A61M2016/003—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter
- A61M2016/0033—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter electrical
- A61M2016/0039—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter electrical in the inspiratory circuit
Abstract
本发明实施例提供了一种气流数据检测方法和装置,其中的方法包括:获取预设时间段内吸气数据的流量曲线;确定所述流量曲线对应的特征参数;根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型。本发明实施例可以检测出不同类型的IFL,从而可以提高IFL检测的准确性和全面性。
Description
技术领域
本发明涉及呼吸机领域,特别是涉及一种气流数据检测方法和装置。
背景技术
呼吸机通过机械通气的方法辅助用户的自主呼吸,增加用户的肺部通气量,对于改善呼吸功能、治疗睡眠疾病有着非常明显的临床效果,被越来越多的用户用于家庭治疗。
IFL(Inspiratory Flow Limitation,吸气流量受限)是指用户在吸气阶段出现气道塌陷,也即气道没有完全打开,导致气道内压力会随气体流速增大而减小,管道直径也会减小,进而使整体气道阻力增大。当气道塌陷达到一定程度,气道将完全闭合,导致气体无法通过气道,从而发生呼吸暂停的情况。IFL会严重影响用户的睡眠以及身心健康,通过检测IFL能够有效地帮助用户发现呼吸问题,预防呼吸暂停综合征等呼吸疾病的发生。
在实际应用中,通过呼吸机可以采集用户呼吸时的气流数据,然后对气流数据进行检测,以判断用户是否存在IFL的情况。例如,可以通过计算气流数据中的吸气数据对应的向量与正常吸气数据对应的向量之间的欧氏距离,判断采集的气流数据中是否存在异常的吸气数据。然而,由于IFL种类的多样性,现有的检测IFL的方法具有很大的局限性,只能分辨正常的吸气数据和异常的吸气数据,无法检测出所有类型的IFL,从而出现对IFL误判或者漏判的情况。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述无法检测出所有类型的IFL,从而出现对IFL误判或者漏判的问题的一种气流数据检测方法和装置。
依据本发明的一个方面,提供了一种气流数据检测方法,包括:
获取预设时间段内吸气数据的流量曲线;
确定所述流量曲线对应的特征参数;
根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型。
根据本发明的另一方面,提供了一种气流数据检测装置,包括:
数据获取模块,用于获取预设时间段内吸气数据的流量曲线;
参数确定模块,用于确定所述流量曲线对应的特征参数;
类型判定模块,用于根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型。
根据本发明实施例提供的一种气流数据检测方法和装置,首先获取预设时间段内吸气数据的流量曲线,然后通过流量曲线对应的特征参数,对所述吸气数据进行IFL检测和分类,由于不同类型的IFL流量曲线的特征参数符合不同的阈值范围,因此,本发明实施例可以根据吸气数据的流量曲线对应的特征参数确定该吸气数据对应的IFL类型,也即本发明实施例可以检测出不同类型的IFL,从而可以提高IFL检测的准确性和全面性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文可选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出可选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的一种气流数据检测方法的步骤流程图;
图2示出了本发明的一种预设时间段内吸气数据的流量曲线的示意图;
图3示出了本发明通过另一种方式划分预设时间段T0得到三等份时间段的示意图;
图4示出了本发明实施例中四种类型IFL对应的流量曲线示意图;
图5示出了本发明的一种气流数据检测方法的应用示例的步骤流程图;
图6示出了本发明一种应用示例中呼吸机记录的不同气流数据对应的波形图;
图7示出了根据本发明一个实施例的一种气流数据检测装置的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1,示出了根据本发明一个实施例的一种气流数据检测方法的步骤流程图,具体可以包括如下步骤:
步骤101、获取预设时间段内吸气数据的流量曲线;
本发明实施例可适用于呼吸机设备,通过呼吸机采集用户呼吸时的气流数据,并且通过对其中吸气数据的流量曲线对应的特征参数进行分析,以判定所述吸气数据对应的IFL吸气流量受限类型,从而更加准确地判断用户是否存在IFL的情况,减少漏判或者错判的情况发生。
具体地,本发明实施例通过呼吸机采集用户呼吸过程中的气流数据,并且获取其中预设时间段内吸气数据的流量曲线,通过对所述流量曲线对应的特征参数进行分析计算,实现对IFL的检测与分类。
可选地,所述获取预设时间段内吸气数据的流量曲线的步骤,具体可以包括:
步骤S1011、通过低通滤波对采集的气流数据进行去噪处理,得到去噪后的气流数据;
步骤S1012、从所述去噪后的气流数据中确定吸气数据,以及所述吸气数据的起始时间;
步骤S1013、确定所述起始时间范围内预设时间段的吸气数据的流量曲线。
为了避免环境噪音对检测过程带来干扰,以提高IFL检测和分类的准确性,本发明实施例在使用呼吸机采集用户的气流数据之后,首先通过低通滤波对采集的气流数据进行去噪处理,消除环境噪音对原始信号的影响,然后,从过滤后的气流数据中查找吸气数据,因为IFL通常发生在吸气阶段,因此需要准确地从气流数据中找出吸气相和呼气相,从而确定吸气数据的开始时间与结束时间。最后,选取预设时间段的吸气数据的流量曲线,对该流量曲线的特征参数进行分析计算,实现对IFL的检测与分类。
步骤102、确定所述流量曲线对应的特征参数;
可选地,所述特征参数具体可以包括左偏参数、右偏参数和交点参数;所述确定所述流量曲线对应的特征参数的步骤,具体可以包括:
步骤S1021、将所述预设时间段划分为n等份,其中n为大于等于3的正整数;
步骤S1022、从所述n等份时间段内确定三等份时间段,以确定所述流量曲线依次在所述三等份时间段内形成的第一面积、第二面积和第三面积;
步骤S1023、确定所述第二面积与所述第一面积的比值为左偏参数,确定所述第二面积与所述第三面积的比值为右偏参数,以及确定所述流量曲线与第二等份时间段内吸气数据的均值线的交点个数为交点参数。
在本发明的一种可选实施例中,可以通过如下步骤确定所述三等份时间段:直接将所述预设时间段划分为3等份,得到三等份时间段。参照图2,示出了本发明的一种预设时间段内吸气数据的流量曲线的示意图。其中,f为预设时间段T0内的吸气数据的流量曲线,b为流量曲线的基线,将时间段T0划分为3等份,S1、S2和S3分别为流量曲线在所述三等份时间段内(T0/3)与基线围成的第一面积、第二面积和第三面积,m为第二等份时间段内吸气数据的均值线。
确定所述第二面积与所述第一面积的比值为左偏参数LI,LI具体定义如下:
确定所述第二面积与所述第三面积的比值为右偏参数RI,RI具体定义如下:
确定所述流量曲线f与第二等份时间段内吸气数据的均值线m的交点个数为交点参数E,如图2所示,流量曲线f与第二等份时间段内吸气数据的均值线m的交点个数为2,也即该流量曲线f的交点参数E为2。
在本发明的另一种可选实施例中,还可以将所述预设时间段划分为大于3的n等份,通过如下步骤从所述n等份时间段内确定三等份时间段:
确定所述n等份时间段的起始部分、中间部分、以及结束部分;所述起始部分包括从所述预设时间段的起始点开始指向结束点的n1等份时间段;所述结束部分包括从所述预设时间段的结束点开始指向起始点的n1等份时间段;所述中间部分包括所述预设时间段内去除所述起始部分和所述结束部分剩余的n2等份时间段;其中,n1和n2为大于1的正整数,且n=2n1+n2;
去除所述起始部分和所述结束部分,将所述中间部分划分为三等份时间段。
具体地,首先,将所述预设时间段T0划分为n等份,其中,n为大于3的正整数;然后,从T0的起始点开始取指向结束点的n1等份时间段,作为起始部分,以及从结束点开始取指向起始点的n1等份时间段,作为结束部分,剩余的n2等份时间段作为中间部分,其中,n1和n2为大于1的正整数,且n=2n1+n2;最后,去除所述起始部分和所述结束部分,将中间部分划分为三等份时间段。
也即,本发明实施例将整个流量曲线的前n1T0/n和后n1T0/n的部分去掉,只对中间部分进行三等分。参照图3,示出了本发明通过另一种方式划分预设时间段T0得到三等份时间段的示意图,其中,n1=1,n2=8。具体地,首先将f对应的时间段T0等分为n份,然后从T0的起始点和结束点开始分别取n1份,中间取n2份,且n=2n1+n2;最后,将中间部分划分为三等份,得到流量曲线依次在三等份时间段内形成的第一面积S1、第二面积S2和第三面积S3。需要说明的是,通过该方式得到S1、S2和S3之后,对于左偏参数LI、右偏参数RI、以及交点参数E的计算方式与前述方式相同,只是S1、S2和S3的计算过程有所不同。通过本方式对T0进行划分,可以去除T0时间段的开始和结束的一小部分,而仅选择T0中间部分划分为三等份,由此可以避免由于吸气数据的起始时间确定的不准确,导致计算得到的特征参数不准确,从而影响IFL检测准确率的情况发生。
可以理解,上述从n等份时间段内确定三等份时间段的方式仅作为本发明的一种应用示例,在实际应用中,本发明实施例对于确定三等份时间段的具体方式不加以限制。
步骤103、根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型。
在具体应用中,对于正常的吸气数据来说,流量曲线通常类似于一个开口向下的抛物线,如图2所示的流量曲线,且该流量曲线具有如下特征:
1)该流量曲线对应的流量先增大后减小,并且该流量曲线具有一个最大点;
2)S2>S1且S2>S3,也即LI>1且RI>1。
因此,本发明实施例可以利用正常吸气数据的流量曲线的上述特征,对采集的吸气数据的流量曲线确定特征参数,通过确定所述特征参数所在的阈值范围,对吸气数据进行IFL检测和分类。
在实际应用中,IFL由于气道塌陷会导致吸气数据的流量曲线平台化,且根据气道塌陷的时间段不同,其流量曲线平台化的时间段也不同,本发明实施例将IFL分为如下四种类型:平台型、M型、左偏型和右偏型。参照图4,示出了本发明实施例中四种类型IFL对应的流量曲线示意图。其中,平台型是指整个吸气阶段流量曲线都平台化的IFL,如图4a所示;M型是指吸气阶段的中间段流量曲线平台化的IFL,如图4b所示;左偏型是吸气阶段的后段流量曲线平台化的IFL,如图4c所示;右偏型是吸气阶段的前段流量曲线平台化的IFL,如图4d所示。
在本发明的一种可选实施例中,所述根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型的步骤,具体可以包括:
步骤S1031、若所述左偏参数和所述右偏参数均小于第一阈值、且所述交点参数大于等于4,则判定所述吸气数据为M型IFL;
如图4b所示的M型IFL的流量曲线,其具有如下特征:S2<S1且S2<S3,也即LI<1且RI<1,并且,交点参数E≥4。因此,可以设置所述第一阈值θ为一个接近1的正数,若特征参数满足如下阈值范围:LI<θ且RI<θ,并且,交点参数E≥4,则可以判定所述吸气数据为M型IFL。
步骤S1032、若所述左偏参数与第一阈值差值的绝对值小于第二阈值、所述右偏参数与第一阈值差值的绝对值小于第二阈值、且所述交点参数为2,则判定所述吸气数据为平台型IFL;
如图4a所示的平台型IFL的流量曲线,其具有如下特征:S2≈S1且S2≈S3,也即LI和RI都接近于1,且交点参数为2。因此,可以设置所述第二阈值δ为一个足够小的正数,若特征参数满足如下阈值范围:|LI-θ|<δ且|RI-θ|<δ,且E=2,则可以判定所述吸气数据为平台型IFL。
步骤S1033、若所述左偏参数大于第一阈值、且所述右偏参数小于第一阈值,则判定所述吸气数据为右偏型IFL;
如图4d所示的右偏型IFL的流量曲线,其具有如下特征:S2>S1且S2<S3,也即LI>1且RI<1。因此,若特征参数满足如下阈值范围:LI>θ且RI<θ,则可以判定所述吸气数据为右偏型IFL。
步骤S1034、若所述左偏参数小于第一阈值、且所述右偏参数大于第一阈值,则判定所述吸气数据为左偏型IFL。
如图4c所示的左偏型IFL的流量曲线,其具有如下特征:S2<S1且S2>S3,也即LI<1且RI>1。因此,若特征参数满足如下阈值范围:LI<θ且RI>θ,则可以判定所述吸气数据为左偏型IFL。
进一步地,在具体应用中,本发明实施例不仅可以检测出左偏型IFL和右偏型IFL,并且还可以根据左偏参数LI和右偏参数RI的大小确定IFL左偏或者右偏的程度。例如,在左偏参数小于第一阈值、且右偏参数大于第一阈值时,可以判定吸气数据为左偏型IFL,且在同样的条件下,如果右偏参数与左偏参数的差值越大,则说明左偏程度越高。
在本发明的另一种可选实施例中,所述方法还可以包括如下步骤:
若所述左偏参数和所述右偏参数均大于第一阈值、且所述交点参数为2,则判定所述吸气数据为正常数据。
如图2所示的正常吸气数据的流量曲线,其具有如下特征:S2>S1且S2>S3,也即LI>1且RI>1,且交点参数为2。因此,若特征参数满足如下阈值范围:LI>θ且RI>θ,且E=2,则可以判定所述吸气数据为正常数据。
参照表1,示出了本发明的一种IFL类型与吸气数据流量曲线的特征参数对应关系的具体示意。其中,θ为一个接近1的正数。
表1
IFL类型 | LI | RI | E |
正常数据 | 大于θ | 大于θ | 2 |
平台型 | 接近θ | 接近θ | 2 |
M型 | 小于θ | 小于θ | 至少为4 |
左偏型 | 小于θ | 大于θ | 无规则 |
右偏型 | 大于θ | 小于θ | 无规则 |
在本发明的一种应用示例中,假设利用呼吸机对某用户进行一整夜监测后,采集到该用户整夜呼吸的气流数据,并且通过本发明实施例的IFL检测方法对采集的气流数据进行分析以及检测,得到的检测结果表明该用户存在IFL的情况,则该用户可以佩戴具有治疗功能的呼吸机进行治疗,从而可以通过本发明实施例及时发现用户的IFL病情,并且使得用户得到及时的治疗。
综上,本发明实施例首先获取预设时间段内吸气数据的流量曲线,然后通过流量曲线对应的特征参数,对所述吸气数据进行IFL检测和分类,由于不同类型的IFL流量曲线的特征参数符合不同的阈值范围,因此,本发明实施例可以根据吸气数据的流量曲线对应的特征参数确定该吸气数据对应的IFL类型,也即本发明实施例可以检测出不同类型的IFL,从而可以提高IFL检测的准确性和全面性。
应用示例
为了更清楚地描述本发明的气流数据检测方法的具体过程,下面结合应用示例说明本发明的实现过程,参照图5,示出了本发明的一种气流数据检测方法的应用示例的步骤流程图,具体包括:
步骤501、对气流数据进行低通滤波;
本发明实施例可以对呼吸机记录的气流数据进行IFL检测与分类。首先通过低通滤波对采集的气流数据进行去噪处理,得到去噪后的气流数据,以消除环境噪音对原始信号的影响,提高IFL检测和分类的准确性。
步骤502、对滤波后的气流数据查找吸气相和呼气相;
呼吸机在采集到用户的气流数据之后,可以对气流数据进行判断,判断当前气流数据处于呼气相还是吸气相,本发明实施例仅对其中的吸气数据进行IFL检测。
步骤503、根据吸气相和呼气相,确定预设时间段内吸气数据的流量曲线;
具体地,根据吸气相和呼气相,从所述去噪后的气流数据中确定吸气数据,以及所述吸气数据的起始时间,选取预设时间段的吸气数据的流量曲线。
步骤504、计算左偏参数LI、右偏参数RI和交点参数E;
计算得到所述流量曲线对应的左偏参数LI、右偏参数RI和交点参数E。
步骤505、若LI<θ且RI<θ且E≥4,则判定所述吸气数据为M型IFL;
步骤506、若|LI-θ|<δ且|RI-θ|<δ、且E=2,则判定所述吸气数据为平台型IFL;
步骤507、若LI>θ且RI<θ,则判定所述吸气数据为右偏型IFL;
步骤508、若LI<θ且RI>θ,则判定所述吸气数据为左偏型IFL;
步骤509、若LI>θ且RI>θ、且E=2,则判定所述吸气数据为正常数据;否则执行步骤510;
步骤510、判定所述吸气数据为其它异常数据。
如果所述吸气数据不属于上述四种类型的IFL中的任意一种,也不满足正常数据的条件,则可以判定所述吸气数据为其它异常数据。
参照图6,示出了本发明一种应用示例中呼吸机记录的不同气流数据对应的波形图,以及参照表2,示出了图6中波形图对应的流量曲线的特征参数值。在具体应用中,将本发明实施例应用到呼吸机上,并且设置合适的第一阈值和第二阈值,即可直接对呼吸机采集得到的吸气数据进行IFL检测与分类。例如,在本应用示例中,设置第一阈值θ=1.5,第二阈值δ=0.2即可检测出图6所示几种波形的IFL类型。其中,图6a为正常吸气数据的波形图,图6b平台型IFL吸气数据的波形图,图6c为M型吸气数据的波形图,图6d为左偏型IFL吸气数据的波形图,图6e为右偏型吸气数据的波形图。
表2
IFL类型 | LI | RI | E |
正常数据 | 2.0088 | 1.7323 | 2 |
平台型 | 1.6585 | 1.5555 | 2 |
M型 | 0.5200 | 0.2932 | 6 |
左偏型 | 1.3177 | 2.0119 | 2 |
右偏型 | 2.3174 | 1.2105 | 2 |
在实际应用中,第一阈值θ和第二阈值δ的取值可以通过大量的训练集来确定。由于选取不同的θ和δ会影响检测的准确率,因此,可以通过足够大的训练集对θ和δ的值进行训练,最终得到最优的θ和δ的值,可以理解,本发明实施例对于θ和δ的取值方式不加以限制。
参照图7,示出了根据本发明一个实施例的一种气流数据检测装置的结构框图,具体可以包括如下模块:
数据获取模块701,用于获取预设时间段内吸气数据的流量曲线;
参数确定模块702,用于确定所述流量曲线对应的特征参数;
类型判定模块703,用于根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型。
在本发明的一种可选实施例中,所述特征参数具体可以包括左偏参数、右偏参数和交点参数;所述参数确定模块702,具体可以包括:
时间段划分子模块,用于将所述预设时间段划分为n等份,其中n为大于等于3的正整数;
面积确定子模块,用于从所述n等份时间段内确定三等份时间段,以确定所述流量曲线依次在所述三等份时间段内形成的第一面积、第二面积和第三面积;
参数确定子模块,用于确定所述第二面积与所述第一面积的比值为左偏参数,确定所述第二面积与所述第三面积的比值为右偏参数,以及确定所述流量曲线与第二等份时间段内吸气数据的均值线的交点个数为交点参数。
在本发明的另一种可选实施例中,所述面积确定子模块,具体可以包括:
确定单元,用于确定所述n等份时间段的起始部分、中间部分、以及结束部分;所述起始部分包括从所述预设时间段的起始点开始指向结束点的n1等份时间段;所述结束部分包括从所述预设时间段的结束点开始指向起始点的n1等份时间段;所述中间部分包括所述预设时间段内去除所述起始部分和所述结束部分剩余的n2等份时间段;其中,n1和n2为大于1的正整数,且n=2n1+n2;
划分单元,用于去除所述起始部分和所述结束部分,将所述中间部分划分为三等份时间段。
在本发明的又一种可选实施例中,所述类型判定模块703,具体可以包括:
第一判断子模块,用于若所述左偏参数和所述右偏参数均小于第一阈值、且所述交点参数大于等于4,则判定所述吸气数据为M型IFL;
第二判断子模块,用于若所述左偏参数与第一阈值差值的绝对值小于第二阈值、所述右偏参数与第一阈值差值的绝对值小于第二阈值、且所述交点参数为2,则判定所述吸气数据为平台型IFL;
第三判断子模块,用于若所述左偏参数大于第一阈值、且所述右偏参数小于第一阈值,则判定所述吸气数据为右偏型IFL;
第四判断子模块,用于若所述左偏参数小于第一阈值、且所述右偏参数大于第一阈值,则判定所述吸气数据为左偏型IFL。
在本发明的再一种可选实施例中,所述装置还可以包括:
正常数据判定模块,用于若所述左偏参数和所述右偏参数均大于第一阈值、且所述交点参数为2,则判定所述吸气数据为正常数据。
在本发明的再一种可选实施例中,所述数据获取模块701,具体可以包括:
去噪子模块,用于通过低通滤波对采集的气流数据进行去噪处理,得到去噪后的气流数据;
数据确定子模块,用于从所述去噪后的气流数据中确定吸气数据,以及所述吸气数据的起始时间;
曲线确定子模块,用于确定所述起始时间范围内预设时间段的吸气数据的流量曲线。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的气流数据检测方法和装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网平台上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包括”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种气流数据检测方法,其特征在于,所述方法包括:
获取预设时间段内吸气数据的流量曲线;
确定所述流量曲线对应的特征参数;其中,所述特征参数包括左偏参数、右偏参数和交点参数;所述确定所述流量曲线对应的特征参数的步骤,包括:
将所述预设时间段划分为n等份,其中n为大于等于3的正整数;
从所述n等份时间段内确定三等份时间段,以确定所述流量曲线依次在所述三等份时间段内形成的第一面积、第二面积和第三面积;
确定所述第二面积与所述第一面积的比值为左偏参数,确定所述第二面积与所述第三面积的比值为右偏参数,以及确定所述流量曲线与第二等份时间段内吸气数据的均值线的交点个数为交点参数;
根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型。
2.根据权利要求1所述的方法,其特征在于,所述从所述n等份时间段内确定三等份时间段的步骤,包括:
确定所述n等份时间段的起始部分、中间部分、以及结束部分;所述起始部分包括从所述预设时间段的起始点开始指向结束点的n1等份时间段;所述结束部分包括从所述预设时间段的结束点开始指向起始点的n1等份时间段;所述中间部分包括所述预设时间段内去除所述起始部分和所述结束部分剩余的n2等份时间段;其中,n1和n2为大于1的正整数,且n=2n1+n2;
去除所述起始部分和所述结束部分,将所述中间部分划分为三等份时间段。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型的步骤,包括:
若所述左偏参数和所述右偏参数均小于第一阈值、且所述交点参数大于等于4,则判定所述吸气数据为M型IFL;或者
若所述左偏参数与第一阈值差值的绝对值小于第二阈值、所述右偏参数与第一阈值差值的绝对值小于第二阈值、且所述交点参数为2,则判定所述吸气数据为平台型IFL;或者
若所述左偏参数大于第一阈值、且所述右偏参数小于第一阈值,则判定所述吸气数据为右偏型IFL;或者
若所述左偏参数小于第一阈值、且所述右偏参数大于第一阈值,则判定所述吸气数据为左偏型IFL。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
若所述左偏参数和所述右偏参数均大于第一阈值、且所述交点参数为2,则判定所述吸气数据为正常数据。
5.根据权利要求1所述的方法,其特征在于,所述获取预设时间段内吸气数据的流量曲线的步骤,包括:
通过低通滤波对采集的气流数据进行去噪处理,得到去噪后的气流数据;
从所述去噪后的气流数据中确定吸气数据,以及所述吸气数据的起始时间;
确定所述起始时间范围内预设时间段的吸气数据的流量曲线。
6.一种气流数据检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取预设时间段内吸气数据的流量曲线;
参数确定模块,用于确定所述流量曲线对应的特征参数;其中,所述特征参数包括左偏参数、右偏参数和交点参数;所述参数确定模块,包括:
时间段划分子模块,用于将所述预设时间段划分为n等份,其中n为大于等于3的正整数;
面积确定子模块,用于从所述n等份时间段内确定三等份时间段,以确定所述流量曲线依次在所述三等份时间段内形成的第一面积、第二面积和第三面积;
参数确定子模块,用于确定所述第二面积与所述第一面积的比值为左偏参数,确定所述第二面积与所述第三面积的比值为右偏参数,以及确定所述流量曲线与第二等份时间段内吸气数据的均值线的交点个数为交点参数;类型判定模块,用于根据所述特征参数所满足的IFL吸气流量受限类型对应的阈值范围,判定所述吸气数据对应的IFL类型。
7.根据权利要求6所述的装置,其特征在于,所述面积确定子模块,包括:
确定单元,用于确定所述n等份时间段的起始部分、中间部分、以及结束部分;所述起始部分包括从所述预设时间段的起始点开始指向结束点的n1等份时间段;所述结束部分包括从所述预设时间段的结束点开始指向起始点的n1等份时间段;所述中间部分包括所述预设时间段内去除所述起始部分和所述结束部分剩余的n2等份时间段;其中,n1和n2为大于1的正整数,且n=2n1+n2;
划分单元,用于去除所述起始部分和所述结束部分,将所述中间部分划分为三等份时间段。
8.根据权利要求6或7所述的装置,其特征在于,所述类型判定模块,包括:
第一判断子模块,用于若所述左偏参数和所述右偏参数均小于第一阈值、且所述交点参数大于等于4,则判定所述吸气数据为M型IFL;
第二判断子模块,用于若所述左偏参数与第一阈值差值的绝对值小于第二阈值、所述右偏参数与第一阈值差值的绝对值小于第二阈值、且所述交点参数为2,则判定所述吸气数据为平台型IFL;
第三判断子模块,用于若所述左偏参数大于第一阈值、且所述右偏参数小于第一阈值,则判定所述吸气数据为右偏型IFL;
第四判断子模块,用于若所述左偏参数小于第一阈值、且所述右偏参数大于第一阈值,则判定所述吸气数据为左偏型IFL。
9.根据权利要求6或7所述的装置,其特征在于,所述装置还包括:
正常数据判定模块,用于若所述左偏参数和所述右偏参数均大于第一阈值、且所述交点参数为2,则判定所述吸气数据为正常数据。
10.根据权利要求6所述的装置,其特征在于,所述数据获取模块,包括:
去噪子模块,用于通过低通滤波对采集的气流数据进行去噪处理,得到去噪后的气流数据;
数据确定子模块,用于从所述去噪后的气流数据中确定吸气数据,以及所述吸气数据的起始时间;
曲线确定子模块,用于确定所述起始时间范围内预设时间段的吸气数据的流量曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611209669.7A CN106725492B (zh) | 2016-12-23 | 2016-12-23 | 一种气流数据检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611209669.7A CN106725492B (zh) | 2016-12-23 | 2016-12-23 | 一种气流数据检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106725492A CN106725492A (zh) | 2017-05-31 |
CN106725492B true CN106725492B (zh) | 2019-09-17 |
Family
ID=58920518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611209669.7A Active CN106725492B (zh) | 2016-12-23 | 2016-12-23 | 一种气流数据检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106725492B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5456264A (en) * | 1994-03-31 | 1995-10-10 | Universite Laval | Accuracy of breath-by-breath analysis of flow volume loop in identifying flow-limited breathing cycles in patients |
US7276031B2 (en) * | 2004-05-12 | 2007-10-02 | New York University | System and method for classifying patient's breathing using artificial neural network |
AU2013247403B2 (en) * | 2012-04-13 | 2015-07-16 | ResMed Pty Ltd | Apparatus and methods for ventilatory treatment |
KR102091167B1 (ko) * | 2012-09-19 | 2020-03-20 | 레스메드 센서 테크놀로지스 리미티드 | 수면 스테이지를 결정하는 시스템 및 방법 |
CN103961105B (zh) * | 2014-05-22 | 2016-08-24 | 深圳市帝迈生物技术有限公司 | 对打鼾进行识别和强度输出的方法与系统及一种呼吸机 |
-
2016
- 2016-12-23 CN CN201611209669.7A patent/CN106725492B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106725492A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102172328B (zh) | 从呼吸信号中检测和区别呼吸模式的方法 | |
CN111563451B (zh) | 基于多尺度小波特征的机械通气无效吸气努力识别方法 | |
CN204260747U (zh) | 一种呼吸监测与呼气分析系统 | |
CN105662417B (zh) | 一种基于压力信号特征识别鼾声的控制方法及装置 | |
CN103906543A (zh) | 用于组合式呼吸治疗和呼吸监测的系统及方法 | |
CN108289636A (zh) | 用于确定对象的呼吸速率的方法和装置 | |
CN101896122B (zh) | 用于在听诊器信号中检测呼吸周期的方法和设备 | |
CN109480783A (zh) | 一种呼吸暂停检测方法、装置及计算设备 | |
Loo et al. | A machine learning approach to assess magnitude of asynchrony breathing | |
CN108135536A (zh) | 经由参数优化的对呼吸动力学和患者努力的同时估计 | |
Azam et al. | Smartphone based human breath analysis from respiratory sounds | |
CN108024758A (zh) | 潮气末co2的简化显示 | |
EP3334339B1 (en) | Capnography with decision support system architecture | |
CN106840734B (zh) | 一种呼吸机跟随性能的评估方法、装置以及无创呼吸机 | |
Kumar et al. | Performance of quantitative CT parameters in assessment of disease severity in COPD: a prospective study | |
CN106725492B (zh) | 一种气流数据检测方法和装置 | |
CN109876262B (zh) | 一种基于小波的呼吸机管道积液自动检测方法 | |
CN100508885C (zh) | 一种呼吸力学监测系统中容错的方法和装置 | |
CN111281349B (zh) | 睡眠呼吸障碍监测方法及系统 | |
Kazemi et al. | Frequency analysis of capnogram signals to differentiate asthmatic and non-asthmatic conditions using radial basis function neural networks | |
EP3612087A1 (en) | Methods and system for detecting inhalations and extracting measures of neural respiratory drive from an emg signal | |
US20160287822A1 (en) | Systems and Methods for Detection of Respiratory Events Using Pattern Recognition | |
CN106540363A (zh) | 识别呼吸转换的方法及呼吸机 | |
CN115804585B (zh) | 一种基于机械通气波形检测气道高阻力的方法及系统 | |
KR102637472B1 (ko) | 수면다원검사에 따른 호흡 이벤트 구간을 감지하기 위한 데이터 처리 장치 및 그 동작 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |