CN107411714B - 一种家用睡眠呼吸暂停监测系统及其方法 - Google Patents
一种家用睡眠呼吸暂停监测系统及其方法 Download PDFInfo
- Publication number
- CN107411714B CN107411714B CN201710714283.XA CN201710714283A CN107411714B CN 107411714 B CN107411714 B CN 107411714B CN 201710714283 A CN201710714283 A CN 201710714283A CN 107411714 B CN107411714 B CN 107411714B
- Authority
- CN
- China
- Prior art keywords
- sleep
- acquiring
- sleep apnea
- state
- phase
- 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
- 201000002859 sleep apnea Diseases 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000010587 phase diagram Methods 0.000 claims abstract description 63
- 230000007958 sleep Effects 0.000 claims abstract description 54
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 52
- 230000005236 sound signal Effects 0.000 claims abstract description 47
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 17
- 230000000241 respiratory effect Effects 0.000 claims description 34
- 230000003434 inspiratory effect Effects 0.000 claims description 25
- 208000008784 apnea Diseases 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 20
- 230000003595 spectral effect Effects 0.000 claims description 20
- 208000003417 Central Sleep Apnea Diseases 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 17
- 230000000414 obstructive effect Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000011282 treatment Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 8
- 206010041235 Snoring Diseases 0.000 abstract description 6
- 210000004072 lung Anatomy 0.000 abstract description 4
- 208000001797 obstructive sleep apnea Diseases 0.000 description 16
- 238000005215 recombination Methods 0.000 description 6
- 230000006798 recombination Effects 0.000 description 6
- 230000003187 abdominal effect Effects 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 208000014486 central sleep apnea syndrome Diseases 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008506 pathogenesis Effects 0.000 description 2
- 210000001034 respiratory center Anatomy 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- 206010021079 Hypopnoea Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 208000020020 complex sleep apnea Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 206010020765 hypersomnia Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 201000006646 mixed sleep apnea Diseases 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
Images
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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- 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
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施公开了一种家用睡眠呼吸暂停监测系统及其方法，其中，该系统包括：采集测试者睡眠期间的呼吸音信号；打包信号数据进行无线发送；绘制呼、吸气相图，标识每次呼、吸气相的终始点，判定是否出现睡眠呼吸暂停现象；将出现睡眠呼吸暂停现象的呼、吸气相图转化为相应的平均功率谱图，判定睡眠暂停特性；对睡眠呼吸状态进行判定，反馈睡眠呼吸暂停监测信息。实施本发明实施例，由于采用了通过分析肺部呼吸音对睡眠呼吸状态进行判定的方法，克服了鼾声检测的不准确以及利用面罩直接采集呼吸音方法中面罩所带来的不清洁与不舒适；降低使用者在睡眠状态下进行监测时所造成的影响，使使用者快速、准确地掌握自身日常的睡眠状态，为其提供给一些初步参考的意见。
Description
技术领域
本发明涉及移动医疗、智能诊断技术领域，尤其涉一种家用睡眠呼吸暂停监测系统及其方法。
背景技术
睡眠呼吸暂停综合症鉴别为阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停和混合性睡眠呼吸暂停三种。其中，最常见的是阻塞性睡眠呼吸暂停现象。由于阻塞性睡眠呼吸暂停综合症与中枢性睡眠呼吸暂停综合症的发病机制不同，治疗方法也有很大差异，因此正确区分二者具有很重要的临床价值。目前现有的监测分析的方法有四种，包括：
(1)利用面罩采集呼吸音。这种方式是使用限制头带将面罩固定到测试对象的面部，利用安装在面罩中的换能器和麦克风来捕捉声音或气流的信号，通过捕捉呼气音信息标识呼吸暂停或者呼吸不足事件，判断其严重性的级别；再根据吸气音获得上气通道的开闭状态，进一步评估标识的时间附近的声音振幅谱图，以得到睡眠呼吸的特征性，从而判断事件是属于阻塞性睡眠呼吸暂停还是中枢性睡眠呼吸暂停。但在睡眠期间睡觉期间带面罩会影响睡觉时换气的空气质量和睡眠感受，可能会引起难以入睡或者由于空气质量不好而引起的半夜惊醒的症状，影响测试效果。长期使用面罩面罩内还很容易滋生细菌，又由于面罩内包含许多硬件而不易清洗。
(2)通过采集鼾声的方式采集呼吸音。这种方法是利用智能检测装置来采集患者的鼾声音频数据并进行初步检测，作出疑似睡眠呼吸暂停综合症的判断。但该方法只能反映阻塞性睡眠呼吸暂停的状况，反应结果太片面，不能够完全监测出睡眠呼吸暂停情况并加以区分。由于阻塞性睡眠呼吸与中枢性睡眠呼吸状态发病机制不一样，使用的治疗方案也完全不同，所以不准确的测量结果还可能导致治疗方案的错误使用造成不可挽回的后果。
(3)多导睡眠描记法。这种方法是采用有内置线圈的胸带及腹带在监测呼吸运动时通电、使其产生磁场，通过来自胸腹带的信号或二者综合信号进行判断。但其使用的设备结构相对复杂，价格较高，而且重度的阻塞性睡眠呼吸症患者常因睡眠过程中频繁出现微觉醒更换体位，引起胸腹带的松脱、移位，造成睡眠呼吸暂停状况的误判，而肥胖症患者也会因为胸腹部活动受限、运动减弱而引起误判。
(4)食管压力检定法。在测量时将附有微压力传感器导管从鼻孔置放入食管，通过压力传感器、放大器记录食管压变化。正因为测量时必须通过导管从鼻孔插入，这样不仅引起患者的不适，更会影响患者的睡眠质量，所以不宜推广使用。而且这种检测系统有时候会出现漏气的现象，所以在测定过程中可能需要反复定标，也不适用于家庭环境当中。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种家用睡眠呼吸暂停监测方法及系统，使患者能够在保证睡眠质量的前提下，快速、准确地了解到自己的睡眠状态，根据监测判断结果自行选择治疗方式。也能将监测记录数据作为辅助资料提供给医生参考。
为了解决上述问题，本发明还提供一种家用睡眠呼吸暂停监测系统，所述系统包括：
肺音监测模块，用于获取睡眠状态下的肺音信号，进行识别分离，获得心音信号和呼吸音信号；
无线发送模块，用于获取呼吸音信号通过无线传输方式打包数据发送到接收设备当中；
数据处理模块，用于获取呼吸音数据，进行转化处理，获得呼气相图、吸气相图；
数据分析模块，用于根据呼气相图、吸气相图数据进行分析测试者的呼吸中枢驱动和呼吸努力现象，判断测试者在睡眠状态中是否出现了阻塞性呼吸暂停现象或者是中枢性呼吸暂停现象；
数据反馈模块，用于分析测试者在睡眠过程中出现的阻塞性呼吸暂停现象与中枢性呼吸暂停现象的次数划分严重等级，根据严重等级提出保持状态、自我调整或者需要就医的建议。
优选地，所述肺音监测模块的具体步骤，包括：
获取采集到的肺音信号进行滤除处理，判断呼吸音信号是否满足滤波条件；
当肺音信号不满足滤波条件则直接滤除；
当肺音信号满足滤波条件则进行小波分解重构，识别分离呼吸音信号和心音信号。
优选地，所述无线发送模块中无线传输方式包括蓝牙传输、WiFi传输。
优选地，所述数据处理模块中具体步骤，包括：
获取呼吸音振幅包络图，进行转化处理，获得呼吸音平均功率谱密度图；
获取平均功率谱密度图中所有波峰的值，进行计算，获得其平均值；
获取取平均功率谱密度图中所有波谷的值，进行判断筛选，获得呼吸相的划分点；
获取相邻两个划分点间图像的振幅包络图作为一个判断相，判断是否大于所有波峰的平均值，若大于平均值，获得为吸气相波峰；若小于，则获得呼气相波峰；
获取对判断相所对应的呼吸音振幅包络图，进行分离重组处理，获得吸气相及呼气相的重组入呼气相图，并分别标识起各自相应的起始点。
优选地，所述数据分析模块中具体步骤，包括：
获取呼气相图和吸气相图中终始点时间差的绝对值大于等于10s的现象，进行判断，获得该终始点对应的呼气相图或吸气相图部分；
获取终始点对应的气相图的平均幅度，进行监测判断，若存在小于正常睡眠呼吸状态下的平均幅度及其阈值现象，则说明该气相图测量期间，测试者发生过睡眠呼吸暂停现象；
获取终始点对应的气相图所对应的平均功率谱密度图中的波谷数，进行监测判断，若图中出现了数量大于等于2的小波谷，则说明该气相图对应的是发生了阻碍性睡眠呼吸暂停现象的气相图，否则说明该气相图对应的是发生了中枢性睡眠呼吸暂停现象的气相图。
优选地，所述数据反馈模块中具体步骤，包括：
获取睡眠呼吸状态数据，监测整个睡眠过程中是否出现过呼吸暂停现象，若未出现，则反馈睡眠呼吸状态为A类睡眠呼吸状态，若出现，则进行下一步；
获取睡眠呼吸暂停现象数据，判断出现睡眠呼吸暂停现象的次数是否小于等于30次，若大于30次，则反馈睡眠呼吸状态为D类睡眠呼吸状态，若小于等于30次，则进行下一步；
监测在出现过的睡眠呼吸暂停现象中是否包含阻碍性睡眠呼吸暂停现象，若未包含，则反馈睡眠呼吸状态为B类睡眠呼吸状态，若包含，则反馈睡眠呼吸状态为C类睡眠呼吸状态。
相应地，本发明还提出了一种家用睡眠呼吸暂停监测方法，所述方法包括：
获取睡眠状态下的肺音信号，进行识别分离，获得心音信号和呼吸音信号；
将呼吸音数据通过无线传输方式发送到接收设备当中；
根据接收到的呼吸音数据，进行转化分割处理，获得呼气相图、吸气相图，并标明每个呼吸想的周期；
根据呼气相图、吸气相图数据进行分析测试者的呼吸中枢驱动和呼吸努力现象，判断测试者在睡眠状态中是否出现了阻塞性呼吸暂停现象或者是中枢性呼吸暂停现象。
计算分析呼吸音数据中属于阻碍性睡眠呼吸暂停和中枢性睡眠呼吸暂停的次数，提取每次暂停时呼吸暂停的时间，将睡眠呼吸暂停分为A,B,C,D四类，根据严重等级提出保持状态、自我调整或者需要就医的建议。
优选地，所述获取睡眠状态下的肺音信号，进行识别分离的步骤，包括：
获取采集到的肺音信号进行滤除处理，判断呼吸音信号是否满足滤波条件；
当肺音信号不满足滤波条件则直接滤除；
当肺音信号满足滤波条件则进行小波分解重构，识别分离呼吸音信号和心音信号。
优选地，所述根据接收到的呼吸音数据，进行转化分割处理的步骤，包括：
获取呼吸音振幅包络图，进行转化处理，获得呼吸音平均功率谱密度图；
获取平均功率谱密度图中所有波峰的值，进行计算，获得其平均值；
获取取平均功率谱密度图中所有波谷的值，进行判断筛选，获得呼吸相的划分点；
获取相邻两个划分点间的图像的振幅包络图作为一个判断相，判断是否大于所有波峰的平均值，若大于平均值，获得为吸气相波峰；若小于，则获得呼气相波峰；
获取对判断相所对应的呼吸音振幅包络图，进行分离重组处理，获得吸气相及呼气相的重组入呼气相图，并分别标识起各自相应的起始点。
优选地，所述根据呼气相图、吸气相图数据进行分析测试者的呼吸中枢驱动和呼吸努力现象，判断测试者在睡眠状态中是否出现了阻塞性呼吸暂停现象或者是中枢性呼吸暂停现象的方法，包括：
获取呼气相图和吸气相图中终始点时间差的绝对值大于等于10s的现象，进行判断，获得该终始点对应的呼气相图或吸气相图部分；
获取终始点对应的气相图的平均幅度，进行监测判断，若存在小于正常睡眠呼吸状态下的平均幅度及其阈值现象，则说明该气相图测量期间，测试者发生过睡眠呼吸暂停现象；
获取终始点对应的气相图所对应的平均功率谱密度图中的波谷数，进行监测判断，若图中出现了数量大于等于2的小波谷，则说明该气相图对应的是发生了阻碍性睡眠呼吸暂停现象的气相图，否则说明该气相图对应的是发生了中枢性睡眠呼吸暂停现象的气相图。
优选地，所述计算分析呼吸音数据中属于阻碍性睡眠呼吸暂停和中枢性睡眠呼吸暂停的次数，提取每次暂停时呼吸暂停的时间，将睡眠呼吸暂停分为A、B、C、D四类的具体方法，包括：
监测整个睡眠过程中是否出现过呼吸暂停现象，若未出现，则反馈睡眠呼吸状态为A类睡眠呼吸状态，若出现，则进行下一步；
监测出现睡眠呼吸暂停现象的次数是否小于等于30次，若大于30次，则反馈睡眠呼吸状态为D类睡眠呼吸状态，若小于等于30次，则进行下一步；
监测在出现过的睡眠呼吸暂停现象中是否包含阻碍性睡眠呼吸暂停现象，若未包含，则反馈睡眠呼吸状态为B类睡眠呼吸状态，若包含，则反馈睡眠呼吸状态为C类睡眠呼吸状态。
在本发明实施例中，由于采用了通过分析肺部呼吸音对睡眠呼吸状态进行判定的方法，克服了鼾声检测的不准确以及利用面罩直接采集呼吸音方法中面罩所带来的不清洁与不舒适；降低使用者在睡眠状态下进行监测时所造成的影响，使使用者快速、准确地掌握自身日常的睡眠状态，为其提供给一些初步参考的意见。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例的家用睡眠呼吸暂停监测系统的结构组成示意图；
图2是本发明实施例中数据处理模块运行原理示意图；
图3是本发明实施例中数据分析模块运行原理示意图；
图4是本发明实施例中数据反馈模块运行原理示意图；
图5是本发明实施例中家用睡眠呼吸暂停监测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明实施例的家用睡眠呼吸暂停监测系统的结构示意图，如图1所示，该系统包括：肺音监测模块、无线发送模块、数据处理模块、数据分析模块、数据反馈模块。
肺音监测模块1，用于采集肺音信号，将呼吸音从采集信号中识别并分离出来；
在具体是实施例中，测试者需穿戴有内兜的贴身纺织背心，将智能识别呼吸音传感器固定在肺部、靠近气管的位置上，确保测试者在睡眠时不易从防止背心内滑出。
无线发送模块2，用于将呼吸音数据打包通过无线收发模块进行发送到接收设备当中；
数据处理模块3，用于将接收到的呼吸音数据进行转化处理，判别出呼气相图和吸气相图；
数据分析模块4，用于分析测试者的呼吸中枢驱动和呼吸努力现象，判断测试者在睡眠状态中是否出现了阻塞性呼吸暂停现象或者是中枢性呼吸暂停现象；
具体地，呼吸努力现象的表现为，测试者在测试阶段中进入睡眠状态后，其心肺器官呼吸通气功率超过正常呼吸通气功率标准值，其异常呼吸用力与正常呼吸用力相比增加的一种现象。
数据反馈模块5，用于分析测试者在睡眠过程中出现的阻塞性呼吸暂停现象与中枢性呼吸暂停现象的次数划分严重等级，根据严重等级提出保持状态、自我调整或者需要就医的建议。
具体地，肺音监测模块1的步骤包括：
步骤S11，传感器以30s为1帧采集肺音信号，
步骤S12，利用带通滤波器过滤大于等于75Hz，小于等于2000Hz的肺音信号，提取出心音与呼吸音。
步骤S13，根据心音和呼吸音的时频域特性，利用小波分解重构的方法对提取出来的心音与呼吸音进行消噪处理，识别分离出其中的呼吸音信号；
步骤S14，对于结束时未满30s的信号，直接作为1帧，对其进行滤波与小波分解重构提取呼吸音信号。
进一步地，肺音监测模块1在识别分离呼吸音信号的同时，将每一帧处理完成的呼吸音信号打包数据发送给无线发送模块。
在具体实施例中，监测模块在发送数据时默认优先选择蓝牙传输，当蓝牙传输失败时，则自动选择无线方式传输。
进一步地，无线发送模块在两种无线传输方式都失败的情况下，监测模块自动将数据打包缓存，直至某一种方式可以使用。
进一步，若无线发送模块缓存空间不足，则肺音监测模块停止采集信号，防止因丢包导致帧与帧之间衔接不上或者产生突变信号而造成误判。
图2是本发明实施例中数据处理模块运行原理示意图，如图2所示，数据处理模块的具体步骤包括：
步骤S31：将接收到的呼吸音振幅包络图转化为呼吸音平均功率谱密度图；
步骤S32：取平均功率谱密度图中所有波峰的值，并计算其平均数值；
步骤S33：取平均功率谱密度图中所有波谷的值，判断其与其双边波峰顶点的时相是否都大于一个呼吸周期的五分之一，如果都大于，则将这个波谷值所对应的时间点作为呼吸相的划分点；
步骤S34：取步骤S33中得到的相邻两个划分点间图像的振幅包络图作为一个判断相，判断两个划分点间的平均功率谱密度图的波峰是否大于步骤S32中所计算的平均数值；若大于，则该波峰为吸气相波峰，否则为呼气相波峰；
步骤S35：对判断相所对应的呼吸音振幅包络图进行分离重组，将具有吸气相波峰的判断相作为吸气相，重组入吸气相图中，并标识其起始点；将具有呼气相波峰的判断相作为呼气相，重组入呼气相图中，并标识其起始点。
进一步地，图3是本发明实施例中数据分析模块运行原理示意图，如图3所示，数据分析模块的具体步骤包括：
步骤S41：获取经过数据处理模块分离重组出来的呼气相图和吸气相图，判断两图中是否出现终始点时间差的绝对值大于等于10s的现象，若绝对值大于等于10s则提取该终始点对应的呼气相图或吸气相图部分，继续进行下一步；
步骤S42：获取步骤S41所提取的呼气相图与吸气相图，判断两个气相图的平均幅度是否小于正常睡眠呼吸状态下的平均幅度及其阈值，若存在小于现象，则说明该气相图测量期间，测试者发生过睡眠呼吸暂停现象；
步骤S43：获取发生过睡眠呼吸暂停现象的气相图所对应的平均功率谱密度图，并判断平均功率谱密度图中的波谷数；若图中出现了数量大于等于2的小波谷，则说明该气相图对应的是发生了阻碍性睡眠呼吸暂停现象的气相图，否则说明该气相图对应的是发生了中枢性睡眠呼吸暂停现象的气相图。
图4是本发明实施例中数据反馈模块运行原理示意图，如图4所示，数据反馈模块的具体步骤包括：
步骤S51：获取睡眠呼吸状态数据，监测整个睡眠过程中是否出现过呼吸暂停现象，若未出现，则反馈睡眠呼吸状态为A类睡眠呼吸状态，若出现，则进行下一步；
步骤S52：获取出现睡眠呼吸暂停现象数据，判断其发生次数是否小于等于30次，若大于30次，则反馈睡眠呼吸状态为D类睡眠呼吸状态，若小于等于30次，则进行下一步；
步骤S53：获取出现的睡眠呼吸暂停现象中是否包含阻碍性睡眠呼吸暂停现象，若未包含，则反馈睡眠呼吸状态为B类睡眠呼吸状态，若包含，则反馈睡眠呼吸状态为C类睡眠呼吸状态。
相应地，本发明实施例还提供了一种家用睡眠呼吸暂停监测方法，如图5所示，该方法包括：
获取睡眠状态下的肺音信号，进行识别分离，获得心音信号和呼吸音信号；
将呼吸音数据通过无线传输方式发送到接收设备当中；
根据接收到的呼吸音数据，进行转化分割处理，获得呼气相图、吸气相图，并标明每个呼吸想的周期；
根据呼气相图、吸气相图数据进行分析测试者的呼吸中枢驱动和呼吸努力现象，判断测试者在睡眠状态中是否出现了阻塞性呼吸暂停现象或者是中枢性呼吸暂停现象。
计算分析呼吸音数据中属于阻碍性睡眠呼吸暂停和中枢性睡眠呼吸暂停的次数，提取每次暂停时呼吸暂停的时间，将睡眠呼吸暂停分为A,B,C,D四类，根据严重等级提出保持状态、自我调整或者需要就医的建议。
具体地，本发明的方法实施例的流程处理可参见本发明系统实施例中各功能模块的功能描述，这里不再赘述。
在本发明实施例中，既克服了以往移动设备检测鼾声的不准确性，又克服了面罩、食管探压、多导描记等方式带来的经费过高、步骤麻烦和舒适度不够的特性。能够帮助测试者了解到自己平时睡觉时的呼吸状态，节省了去医院做专业检测的开销，在初显病症时能够提醒患者做到自我调整，在病症加重时能够及时提醒患者去医院做更近一步的检查。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的家用睡眠呼吸暂停监测系统及方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (1)
1.一种家用睡眠呼吸暂停监测系统，其特征在于，所述系统包括：
肺音监测模块，用于获取睡眠状态下的肺音信号，进行识别分离，获得心音信号和呼吸音信号；
无线发送模块，用于获取呼吸音信号通过无线传输方式打包数据发送到接收设备当中；
数据处理模块，用于获取呼吸音信号，进行转化处理，获得呼气相图、吸气相图；
数据分析模块，用于根据呼气相图、吸气相图判断测试者在睡眠状态中是否出现了阻塞性呼吸暂停现象或者是中枢性呼吸暂停现象；
数据反馈模块，用于分析测试者在睡眠过程中出现的阻塞性呼吸暂停现象与中枢性呼吸暂停现象的次数，用以划分严重等级，根据严重等级提出保持状态、自我调整或者需要就医的建议；
其中：所述肺音监测模块的功能，包括：
获取采集到的肺音信号进行滤除处理，判断呼吸音信号是否满足滤波条件；
当肺音信号不满足滤波条件则直接滤除；
当肺音信号满足滤波条件则进行小波分解重构，识别分离呼吸音信号和心音信号；
其中：所述数据处理模块的功能，包括：
获取呼吸音振幅包络图，进行转化处理，获得呼吸音平均功率谱密度图；
获取平均功率谱密度图中所有波峰的值，进行计算，获得其平均值；
获取平均功率谱密度图中所有波谷的值，进行判断筛选，获得呼吸相的划分点；
获取相邻两个划分点间的图像的振幅包络图作为一个判断相，判断两个划分点间的平均功率谱密度图的波峰是否大于所有波峰的平均值，若大于平均值，获得为吸气相波峰；若小于，则获得呼气相波峰；
对判断相所对应的呼吸音振幅包络图，进行分离重组处理，将具有吸气相波峰的判断相作为吸气相，重组入吸气相图中，将具有呼气相波峰的判断相作为呼气相，重组入呼气相图中，并分别标识其各自相应的起始点；
其中：所述数据分析模块的功能，包括：
获取经过分离重组的呼气相图和吸气相图，判断两图中是否出现起始点时间差的绝对值大于等于10s的现象，若绝对值大于等于10s则提取该起始点对应的呼气相图或吸气相图部分；
获取起始点对应的呼气相图与吸气相图的平均幅度，进行监测判断，若存在小于正常睡眠呼吸状态下的平均幅度且小于幅度阈值的现象，则说明该呼气相图与吸气相图测量期间，测试者发生过睡眠呼吸暂停现象；
获取起始点对应的呼气相图与吸气相图所对应的平均功率谱密度图中的波谷数，进行监测判断，若平均功率谱密度图中出现了数量大于等于2的波谷，则说明该呼气相图与吸气相图对应的是发生了阻塞性呼吸暂停现象的呼气相图与吸气相图，否则说明该气相图对应的是发生了中枢性睡眠呼吸暂停现象的呼气相图与吸气相图；
其中：所述数据反馈模块的功能，包括：
获取睡眠呼吸状态数据，监测整个睡眠过程中是否出现过呼吸暂停现象，若未出现，则反馈睡眠呼吸状态为A类睡眠呼吸状态，若出现，则获取睡眠呼吸暂停现象数据，判断出现睡眠呼吸暂停现象的次数是否小于等于30次，若大于30次，则反馈睡眠呼吸状态为D类睡眠呼吸状态，若小于等于30次，则监测在出现过的睡眠呼吸暂停现象中是否包含阻塞性呼吸暂停现象，若未包含，则反馈睡眠呼吸状态为B类睡眠呼吸状态，若包含，则反馈睡眠呼吸状态为C类睡眠呼吸状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710714283.XA CN107411714B (zh) | 2017-08-18 | 2017-08-18 | 一种家用睡眠呼吸暂停监测系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710714283.XA CN107411714B (zh) | 2017-08-18 | 2017-08-18 | 一种家用睡眠呼吸暂停监测系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107411714A CN107411714A (zh) | 2017-12-01 |
| CN107411714B true CN107411714B (zh) | 2020-11-03 |
Family
ID=60434758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710714283.XA Active CN107411714B (zh) | 2017-08-18 | 2017-08-18 | 一种家用睡眠呼吸暂停监测系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107411714B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3545848A1 (en) * | 2018-03-28 | 2019-10-02 | Koninklijke Philips N.V. | Detecting subjects with disordered breathing |
| CN108634954B (zh) * | 2018-04-28 | 2024-01-23 | 上海健康医学院 | 一种家用简易呼吸暂停监测装置 |
| CN109497949B (zh) * | 2018-12-12 | 2022-04-22 | 深圳融昕医疗科技有限公司 | 呼吸暂停类型的检测方法、装置、呼吸机和存储介质 |
| CN111528830B (zh) * | 2020-05-20 | 2023-03-17 | 广东工业大学 | 一种心电监护装置 |
| CN114259209A (zh) * | 2021-12-22 | 2022-04-01 | 宁波理得医疗科技有限公司 | 一种用于检测并干预睡眠呼吸暂停的系统及方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201011816D0 (en) * | 2010-07-14 | 2010-09-01 | Imp Innovations | Feature characterization for breathing monitor |
| CA2836196C (en) * | 2011-05-17 | 2021-06-29 | University Health Network | Breathing disorder identification, characterization and diagnosis methods, devices and systems |
| JP5824608B2 (ja) * | 2011-06-01 | 2015-11-25 | パナソニックＩｐマネジメント株式会社 | 肺音分析装置 |
| KR20140128767A (ko) * | 2013-04-29 | 2014-11-06 | 삼성전자주식회사 | 멀티 청진 센서를 이용한 생체음 분리 방법 및 이를 적용한 청진 장치 |
| CN105769123A (zh) * | 2016-03-28 | 2016-07-20 | 珠海安润普科技有限公司 | 用以对睡眠呼吸暂停综合症进行监测和刺激的智能系统 |
| CN106022258A (zh) * | 2016-05-18 | 2016-10-12 | 成都济森科技有限公司 | 数字听诊器与滤除心音提取肺音的方法 |
-
2017
- 2017-08-18 CN CN201710714283.XA patent/CN107411714B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107411714A (zh) | 2017-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107411714B (zh) | 一种家用睡眠呼吸暂停监测系统及其方法 | |
| US7559903B2 (en) | Breathing sound analysis for detection of sleep apnea/popnea events | |
| JP5878926B2 (ja) | 閉塞性睡眠時無呼吸を診断するための装置及び方法 | |
| CA2836196C (en) | Breathing disorder identification, characterization and diagnosis methods, devices and systems | |
| EP2709525B1 (en) | Apnea and hypopnea detection using breath pattern recognition | |
| US20120071741A1 (en) | Sleep apnea monitoring and diagnosis based on pulse oximetery and tracheal sound signals | |
| CA2897883A1 (en) | Mask and method for breathing disorder identification, characterization and/or diagnosis | |
| CN107529991A (zh) | 用于检测对象的心脏和/或呼吸疾病的设备、系统和方法 | |
| US10004452B2 (en) | System and methods for estimating respiratory airflow | |
| AU2012255650A1 (en) | Apnea and hypopnea detection using breath pattern recognition | |
| AU2012255590A1 (en) | OSA/CSA diagnosis using recorded breath sound amplitude profile and pitch contour | |
| Castillo-Escario et al. | Entropy analysis of acoustic signals recorded with a smartphone for detecting apneas and hypopneas: A comparison with a commercial system for home sleep apnea diagnosis | |
| JP2008068019A (ja) | 呼気時間を出力可能な装置および方法 | |
| CA2585824A1 (en) | Breathing sound analysis for detection of sleep apnea/hypopnea events | |
| Penzel et al. | Physics and applications for tracheal sound recordings in sleep disorders | |
| JP2012205693A (ja) | 呼吸音解析装置、呼吸音解析方法、および呼吸音解析プログラム | |
| CA2584258A1 (en) | Breathing sound analysis for estimation of airflow rate | |
| Guul et al. | Portable prescreening system for sleep apnea | |
| EP4311476A1 (en) | Monitoring sleeping disorders and system thereof | |
| CA2836164C (en) | Apnea and hypopnea detection using breath pattern recognition | |
| TWI462727B (zh) | 分類生理資料以判斷是否存在睡眠障礙之系統及其方法 | |
| CA2717270A1 (en) | Sleep apnea monitoring and diagnosis based on pulse oximetery and tracheal sound signals |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| OL01 | Intention to license declared |