CN108392186A - 一种非接触式睡眠呼吸暂停症检测方法及系统 - Google Patents
一种非接触式睡眠呼吸暂停症检测方法及系统 Download PDFInfo
- Publication number
- CN108392186A CN108392186A CN201810351798.2A CN201810351798A CN108392186A CN 108392186 A CN108392186 A CN 108392186A CN 201810351798 A CN201810351798 A CN 201810351798A CN 108392186 A CN108392186 A CN 108392186A
- Authority
- CN
- China
- Prior art keywords
- apnea
- peak value
- exercise signal
- chest exercise
- heuristic
- 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
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
- A61B5/103—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
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- 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
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)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (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
本发明提供了一种非接触式睡眠呼吸暂停症检测方法，所述方法包括如下步骤：智能设备的雷达发射调制连续波，在所述调制连续波的若干个周期进行一次快速傅里叶变换，并通过快速傅里叶变换的计算窗口计算反射波的频移，获取胸部运动信号；计算胸部运动信号的峰值的均值和方差，当所述胸部运动信号的峰值和均值小于两个方差，则忽略该胸部运动信号的峰值，得到胸部运动信号的启发式峰值；通过所述启发式峰值计算呼吸暂停‑呼吸浅慢指标。本发明能够大大提高睡眠呼吸暂停的检测精度，降低睡眠呼吸暂停检测的误差。
Description
技术领域
本发明涉及医疗器械技术领域，特别涉及一种非接触式睡眠呼吸暂停症检测方法及系统。
背景技术
精确睡眠呼吸暂停症是一种医学上常见的身体机能紊乱，表现为在睡眠过程中呼吸中断。这种症状与注意力不集中/多动症，高血压，糖尿病，心力衰竭，中风等异常或疾病有密切联系，因此需要进行及早检测、诊断与治疗。现有技术中对于睡眠呼吸暂停的检测有以下几种方式：诊断需要多导睡眠图、居家诊断设备需要专用仪器、基于手机app的接触式睡眠呼吸暂停症检测、基于手机摄像头的无接触式睡眠呼吸暂停症检测。现有的上述几种对睡眠呼吸暂停检测的系统及方法存在以下缺陷：
1)采用多导睡眠图进行睡眠呼吸暂停症的判别需要到专业机构进行，由医护人员将多种医用传感器附着到受测对象身体上。这种检测方法精度高，但是耗时耗人力，不方便。
2)家用的睡眠检测产品需要专业人士在受测对象或者床上安装多种传感器，也需要受过训练的医护人员对数据记录系统进行安装和调试。
3)基于手机APP的接触式睡眠呼吸暂停症检测需要将手机贴在受测对象的胸部或者腹部以检测呼吸情况，测量精度低。
4)基于手机摄像头的无接触式睡眠呼吸暂停症检测需要光照条件良好，且受测对象无遮盖物(毛毯等)，不便于持续进行高精度的测量。
现有的睡眠呼吸暂停检测系统及检测方法，除了上述各自的缺陷，其均不能达到较高精度的睡眠呼吸暂停检测。
因此，为了解决上述技术问题，需要一种非接触式睡眠呼吸暂停症检测方法及系统。
发明内容
本发明的目的在于提供一种通过雷达发射调制连续波，根据反射波恢复胸部运动信号的峰值，通过对峰值进行启发式检测得到启发式峰值，并通过启发式峰值计算呼吸暂停-呼吸浅慢指标。
本发明的一个方面在于提供一种非接触式睡眠呼吸暂停症检测方法，所述方法包括如下步骤：
智能设备的雷达发射调制连续波，在所述调制连续波的若干个周期进行一次快速傅里叶变换，并通过快速傅里叶变换的计算窗口计算反射波的频移，获取胸部运动信号；
计算胸部运动信号的峰值的均值和方差，当所述胸部运动信号的峰值和均值小于两个方差，则忽略该胸部运动信号的峰值，得到胸部运动信号的启发式峰值；
通过所述启发式峰值计算呼吸暂停-呼吸浅慢指标。
进一步地，所述呼吸暂停-呼吸浅慢指标通过如下方法计算：
AHI＝(中枢性呼吸暂停次数+阻塞性呼吸暂停次数+呼吸浅慢次数)/总睡眠时长，
其中，中枢性呼吸暂停次数为两次启发式峰值超过一定阈值的次数；
呼吸浅慢次数为启发式峰值连续下降至第一百分比的次数；
阻塞性呼吸暂停次数为单次启发式峰值超过其他启发式峰值幅度达到第二百分比的次数。
进一步地，所述呼吸暂停-呼吸浅慢指标的计算方法中，总睡眠时长为总时长减去对象身体运动的时长。
进一步地，所述对象身体运动的时长通过如下方法计算：
对胸部运动信号的峰值进行二阶差分；
若二阶差分的二阶导数接近于零，则胸部运动信号的峰值具有周期性；
若若二阶差分的二阶导数远大于零，则胸部运动信号的峰值不具有周期性；
将不具有周期性的胸部运动信号的峰值进行累计，得到所述对象身体运动的时长。
进一步地，当所述呼吸暂停-呼吸浅慢指标为0～5次/小时，则无睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为5～15次/小时，则为轻度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为15～30次/小时，则为中度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标大于30次/小时，则为重度度睡眠呼吸暂停。
进一步地，所述调制连续波的周期为给定的波形交换时间，T(sweep)＝10.75毫秒。
本发明的另一个方面在于提供一种非接触式睡眠呼吸暂停症检测系统，所述系统包括智能设备，设置于所述智能设备内的雷达，以及计算芯片，其中
所述雷达用于发射调制连续波，并在所述调制连续波的若干个周期进行一次快速傅里叶变换，通过快速傅里叶变换的计算窗口计算反射波的频移，获取胸部运动信号；
所述计算芯片获取所述胸部运动信号，并执行如下指令：
计算胸部运动信号的峰值的均值和方差，当所述胸部运动信号的峰值和均值小于两个方差，则忽略该胸部运动信号的峰值，得到胸部运动信号的的启发式峰值；
通过所述启发式峰值计算呼吸暂停-呼吸浅慢指标。
进一步地，所述呼吸暂停-呼吸浅慢指标通过如下方法计算：
AHI＝(中枢性呼吸暂停次数+阻塞性呼吸暂停次数+呼吸浅慢次数)/总睡眠时长，
其中，中枢性呼吸暂停次数为两次启发式峰值超过一定阈值的次数；
呼吸浅慢次数为启发式峰值连续下降至第一百分比的次数；
阻塞性呼吸暂停次数为单次启发式峰值超过其他启发式峰值幅度达到第二百分比的次数。
进一步地，所述呼吸暂停-呼吸浅慢指标的计算方法中，总睡眠时长为总时长减去对象身体运动的时长；
所述对象身体运动的时长通过如下方法计算：对胸部运动信号的峰值进行二阶差分；
若二阶差分的二阶导数接近于零，则胸部运动信号的峰值具有周期性；
若若二阶差分的二阶导数远大于零，则胸部运动信号的峰值不具有周期性；
将不具有周期性的胸部运动信号的峰值进行累计，得到所述对象身体运动的时长。
进一步地，当所述呼吸暂停-呼吸浅慢指标为0～5次/小时，则无睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为5～15次/小时，则为轻度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为15～30次/小时，则为中度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标大于30次/小时，则为重度度睡眠呼吸暂停。
本发明提供的一种非接触式睡眠呼吸暂停症检测方法及系统，通过智能设备实现睡眠呼吸暂停症的无接触检测，睡眠呼吸暂停检测的呼吸暂停-呼吸浅慢指标误差能够降低至1.9次/小时。
本发明提供的一种非接触式睡眠呼吸暂停症检测方法及系统，在睡眠环境中进行呼吸检测，无需贴近测量对象，可同时监控多人的呼吸，在一米距离内，覆盖毯子仍然可以跟踪到受测对象的精细的呼吸运动。
本发明提供的一种非接触式睡眠呼吸暂停症检测方法及系统，在1米范围内频率估计精度达99.2％，对应的呼吸频率估计误差为0.11次呼吸/分钟，不受噪音(如人物对话，街道车辆)干扰。
应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。
附图说明
参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：
图1是本发明计算反射波的频移与传统计算反射波频移的对比示意图；
图2是本发明获取的胸部运动信号示意图；
图3是本发明胸部运动信号的启发式峰值与传统胸部运动信号的峰值的对比示意图；
图4是本发明对象身体运动的时长的检测示意图。
具体实施方式
通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。下面通过具体的实施方式对本发明的内容进行说明，通过具体的实施例对本发明提供的血氧饱和度测量的方法、系统及装置进行详细的阐释。在下文中，所提到的智能设备以手机为例，但不限于此，本领域技术人员应当理解，凡是具有雷达信号发射和采集的智能设备均可以采用本发明所提供的技术方案实现无接触睡眠呼吸暂停症检测，例如智能手环、ipad等。
本发明一种非接触式睡眠呼吸暂停症系统包括智能设备，设置于智能设备内的雷达，以及计算芯片，智能设备的雷达作为主动声纳，发射调制连续波(Frequency-modulatedcontinuous wave，FMCW，频率调制声波)，通过检测调制连续波的反射，获取呼吸造成的腹部与胸部运动的信号，进行高精度的检测，从而得到受测对象的呼吸次数。
本发明通过峰值识别(peak detection)得到胸部运动信号的启发式峰值，利用启发式峰值对中枢性呼吸窒息、阻塞性呼吸暂停、以及呼吸浅慢进行判别，进而计算呼吸暂停-呼吸浅慢指标。这里说的启发式峰值是指对胸部运动信号的峰值进行计算处理后得到的峰值，这将在下文中给出详细的阐释。
本发明在计算计算呼吸暂停-呼吸浅慢指标时，通过对象身体运动的时长(非睡眠时间)睡眠时间长度估算，进而得到受测对象真正的睡眠时间，提高呼吸暂停-呼吸浅慢指标的精确度。
根据本发明的实施例，一种非接触式睡眠呼吸暂停症系统包括智能设备，设置于智能设备内的雷达，以及计算芯片。雷达发射调制连续波，声波在收到受测对象胸部和/或腹部的运动后反射，对反射波进行频移计算获取胸部运动信号。
具体地，如图1所示本发明计算反射波的频移与传统计算反射波频移的对比示意图，如图1(a)所示传统反射波频移计算，图中实线为发射的调制连续波，虚线为反射波，传统的频移计算过程中，本领域技术人员清楚，微细的呼吸运动(例如2cm)在声速下造成的频移仅为11.7Hz。在给定的波形交换时间T(sweep)＝10.75毫秒以及频率采集的条件下，每个快速傅里叶变换(FFT)的计算窗口的间隔对应一个调制连续波的波形周期，即每个快速傅里叶变换(FFT)的计算窗口的间隔为93.75HZ，远远大于11.7HZ。由此FFT分解无法精确对胸部运动进行检测。
根据本发明的实施例，如图1(b)所示本发明反射波频移计算，图中实线为发射的调制连续波，虚线为反射波。雷达发射调制连续波，并在调制连续波的若干个周期进行一次快速傅里叶变换，快速傅里叶变换的计算窗口的间隔多个(本实施例为十个)调制连续波的波形周期(107.5毫秒)，此时，每个快速傅里叶变换(FFT)的计算窗口的间隔为9.375HZ，接近11.7HZ的频移，从而计算反射波的频移。上述过程中频移的计算通过如下方法计算：
其中，
由f0至f1为发射的调制连续波的频率区间，本实施例中为18kHZ至20kHZ的频率调制连续波，T(sweep)＝10.75为给定的波形交换时间，△t发生频移的时间间隔。
通过计算的反射波的频移，获取胸部运动信号。如图2所示本发明获取的胸部运动信号示意图。实施例中，给定的波形交换时间T(sweep)＝10.75毫秒为了能够在1米范围内检测到受测对象呼吸造成的胸腹部运动的回波。
根据本发明的实施例，计算芯片获取所述胸部运动信号，并执行如下指令：
计算胸部运动信号的峰值的均值和方差，当胸部运动信号的峰值和均值小于两个方差，则忽略该胸部运动信号的峰值，得到胸部运动信号的启发式峰值；通过启发式峰值计算呼吸暂停-呼吸浅慢指标。对于成年人而言，连续两个胸部呼吸峰值相距3.3秒，根据本发明的实施例按照3秒进行估计进行计算峰值的均值和方差。
如图3所示本发明胸部运动信号的启发式峰值与传统胸部运动信号的峰值的对比示意图，传统的胸部运动信号的峰值检测出大量的假峰值(α)，而本发明检测的胸部运动信号的启发式峰值为精确的峰值(β)。
计算芯片对检测得到的胸部运动信号的启发式峰值通过如下方法计算呼吸暂停-呼吸浅慢指标：
AHI＝(中枢性呼吸暂停次数+阻塞性呼吸暂停次数+呼吸浅慢次数)/总睡眠时长，
其中，中枢性呼吸暂停次数为两次启发式峰值超过一定阈值的次数，例如，启发式峰值x与启发式峰值y之间超过10秒，则为中枢性呼吸暂停。
呼吸浅慢次数为启发式峰值连续下降至第一百分比的次数，例如启发式峰值x随着时间推移，连续下降至35％以下，则为呼吸浅慢。
阻塞性呼吸暂停次数为单次启发式峰值超过其他启发式峰值幅度达到第二百分比的次数，例如启发式峰值x超出其他启发式峰值的50％，则为阻塞性呼吸暂停。
通过上述中枢性呼吸暂停、呼吸浅慢和阻塞性呼吸暂停发生的次数计算呼吸暂停-呼吸浅慢指标AHI。
在呼吸暂停-呼吸浅慢指标计算过程中，根据本发明的实施例，计算睡眠时长，以提高呼吸暂停-呼吸浅慢指标的精确度。总睡眠时长为总时长减去对象身体运动(非睡眠状态下的运动)的时长。
对象身体运动的时长通过如下方法计算：对胸部运动信号的峰值进行二阶差分；
若二阶差分的二阶导数接近于零，则胸部运动信号的峰值具有周期性；
若二阶差分的二阶导数远大于零，则胸部运动信号的峰值不具有周期性；
将不具有周期性的胸部运动信号的峰值进行累计，得到对象身体运动的时长。如图4所示本发明对象身体运动的时长的检测示意图，检测到的区域l为对象身体运动的时长。
本发明根据计算得到的呼吸暂停-呼吸浅慢指标对受测对象进行睡眠呼吸暂停检测，具体为：
当呼吸暂停-呼吸浅慢指标为0～5次/小时，则无睡眠呼吸暂停；
当呼吸暂停-呼吸浅慢指标为5～15次/小时，则为轻度睡眠呼吸暂停；
当呼吸暂停-呼吸浅慢指标为15～30次/小时，则为中度睡眠呼吸暂停；
当呼吸暂停-呼吸浅慢指标大于30次/小时，则为重度度睡眠呼吸暂停。
根据本发明的实施例，一种非接触式睡眠呼吸暂停症检测方法包括如下步骤：
步骤S101、智能设备的雷达发射调制连续波，在调制连续波的若干个周期进行一次快速傅里叶变换，并通过快速傅里叶变换的计算窗口计算反射波的频移，获取胸部运动信号。
步骤S102、计算胸部运动信号的峰值的均值和方差，当所述胸部运动信号的峰值和均值小于两个方差，则忽略该胸部运动信号的峰值，得到胸部运动信号的启发式峰值。
步骤S103、通过所述启发式峰值计算呼吸暂停-呼吸浅慢指标。呼吸暂停-呼吸浅慢指标通过如下方法计算：
AHI＝(中枢性呼吸暂停次数+阻塞性呼吸暂停次数+呼吸浅慢次数)/总睡眠时长，
其中，中枢性呼吸暂停次数为两次启发式峰值超过一定阈值的次数；
呼吸浅慢次数为启发式峰值连续下降至第一百分比的次数；
阻塞性呼吸暂停次数为单次启发式峰值超过其他启发式峰值幅度达到第二百分比的次数。
呼吸暂停-呼吸浅慢指标的计算方法中，总睡眠时长为总时长减去对象身体运动的时长。
对象身体运动的时长通过如下方法计算：对胸部运动信号的峰值进行二阶差分；
若二阶差分的二阶导数接近于零，则胸部运动信号的峰值具有周期性；
若若二阶差分的二阶导数远大于零，则胸部运动信号的峰值不具有周期性；
将不具有周期性的胸部运动信号的峰值进行累计，得到所述对象身体运动的时长。
步骤S104、通过呼吸暂停-呼吸浅慢指标对受测对象进行睡眠呼吸暂停检测，包括：
当呼吸暂停-呼吸浅慢指标为0～5次/小时，则无睡眠呼吸暂停；
当呼吸暂停-呼吸浅慢指标为5～15次/小时，则为轻度睡眠呼吸暂停；
当呼吸暂停-呼吸浅慢指标为15～30次/小时，则为中度睡眠呼吸暂停；
当呼吸暂停-呼吸浅慢指标大于30次/小时，则为重度度睡眠呼吸暂停。
本发明采用频率调制连续波调制技术，使得智能能够发射听不见的声波，同时能够降低干扰，实现高精度的呼吸检测。
本发明通过FMCW技术调制出18-20kHz的不可听见声波，并通过调整快速傅立叶变换(Fast Furrier Transformer，FFT)的计算窗口实现呼吸运动造成的反射波频移的高精度检测。
本发明针对传统峰值检测算法会检测到多个假峰值，容易造成干扰，采用启发式峰值实现胸部运动的精确检测。
本发明通过滤波以及周期性身体运动信号检测，判断受测对象的非睡眠时间，进而对睡眠睡眠时间进行估算，提高呼吸暂停-呼吸浅慢指标的精确度。
本发明提供的一种非接触式睡眠呼吸暂停症检测方法及系统，通过智能设备实现睡眠呼吸暂停症的无接触检测，睡眠呼吸暂停检测的呼吸暂停-呼吸浅慢指标误差能够降低至1.9次/小时。
本发明提供的一种非接触式睡眠呼吸暂停症检测方法及系统，在睡眠环境中进行呼吸检测，无需贴近测量对象，可同时监控多人的呼吸，在一米距离内，覆盖毯子仍然可以跟踪到受测对象的精细的呼吸运动。
本发明提供的一种非接触式睡眠呼吸暂停症检测方法及系统，在1米范围内频率估计精度达99.2％，对应的呼吸频率估计误差为0.11次呼吸/分钟，不受噪音(如人物对话，街道车辆)干扰。
结合这里披露的本发明的说明和实践，本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的，本发明的真正范围和主旨均由权利要求所限定。
Claims (10)
1.一种非接触式睡眠呼吸暂停症检测方法，其特征在于，所述方法包括如下步骤：
智能设备的雷达发射调制连续波，在所述调制连续波的若干个周期进行一次快速傅里叶变换，并通过快速傅里叶变换的计算窗口计算反射波的频移，获取胸部运动信号；
计算胸部运动信号的峰值的均值和方差，当所述胸部运动信号的峰值和均值小于两个方差，则忽略该胸部运动信号的峰值，得到胸部运动信号的启发式峰值；
通过所述启发式峰值计算呼吸暂停-呼吸浅慢指标。
2.根据权利要求1所述的方法，其特征在于，所述呼吸暂停-呼吸浅慢指标通过如下方法计算：
AHI＝(中枢性呼吸暂停次数+阻塞性呼吸暂停次数+呼吸浅慢次数)/总睡眠时长，
其中，中枢性呼吸暂停次数为两次启发式峰值超过一定阈值的次数；
呼吸浅慢次数为启发式峰值连续下降至第一百分比的次数；
阻塞性呼吸暂停次数为单次启发式峰值超过其他启发式峰值幅度达到第二百分比的次数。
3.根据权利要求2所述的方法，其特征在于，所述呼吸暂停-呼吸浅慢指标的计算方法中，总睡眠时长为总时长减去对象身体运动的时长。
4.根据权利要求3所述的方法，其特征在于，所述对象身体运动的时长通过如下方法计算：
对胸部运动信号的峰值进行二阶差分；
若二阶差分的二阶导数接近于零，则胸部运动信号的峰值具有周期性；
若二阶差分的二阶导数远大于零，则胸部运动信号的峰值不具有周期性；
将不具有周期性的胸部运动信号的峰值进行累计，得到所述对象身体运动的时长。
5.根据权利要求1或2所述的方法，其特征在于，当所述呼吸暂停-呼吸浅慢指标为0～5次/小时，则无睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为5～15次/小时，则为轻度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为15～30次/小时，则为中度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标大于30次/小时，则为重度度睡眠呼吸暂停。
6.根据权利要求1所述的方法，其特征在于，所述调制连续波的周期为给定的波形交换时间，T(sweep)＝10.75毫秒。
7.一种非接触式睡眠呼吸暂停症检测系统，其特征在于，所述系统包括智能设备，设置于所述智能设备内的雷达，以及计算芯片，其中
所述雷达用于发射调制连续波，并在所述调制连续波的若干个周期进行一次快速傅里叶变换，通过快速傅里叶变换的计算窗口计算反射波的频移，获取胸部运动信号；
所述计算芯片获取所述胸部运动信号，并执行如下指令：
计算胸部运动信号的峰值的均值和方差，当所述胸部运动信号的峰值和均值小于两个方差，则忽略该胸部运动信号的峰值，得到胸部运动信号的的启发式峰值；
通过所述启发式峰值计算呼吸暂停-呼吸浅慢指标。
8.根据权利要求7所述的系统，其特征在于，所述呼吸暂停-呼吸浅慢指标通过如下方法计算：
AHI＝(中枢性呼吸暂停次数+阻塞性呼吸暂停次数+呼吸浅慢次数)/总睡眠时长，
其中，中枢性呼吸暂停次数为两次启发式峰值超过一定阈值的次数；
呼吸浅慢次数为启发式峰值连续下降至第一百分比的次数；
阻塞性呼吸暂停次数为单次启发式峰值超过其他启发式峰值幅度达到第二百分比的次数。
9.根据权利要求8所述的系统，其特征在于，所述呼吸暂停-呼吸浅慢指标的计算方法中，总睡眠时长为总时长减去对象身体运动的时长；
所述对象身体运动的时长通过如下方法计算：对胸部运动信号的峰值进行二阶差分；
若二阶差分的二阶导数接近于零，则胸部运动信号的峰值具有周期性；
若二阶差分的二阶导数远大于零，则胸部运动信号的峰值不具有周期性；
将不具有周期性的胸部运动信号的峰值进行累计，得到所述对象身体运动的时长。
10.根据权利要求7或8所述的系统，其特征在于，当所述呼吸暂停-呼吸浅慢指标为0～5次/小时，则无睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为5～15次/小时，则为轻度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标为15～30次/小时，则为中度睡眠呼吸暂停；
当所述呼吸暂停-呼吸浅慢指标大于30次/小时，则为重度度睡眠呼吸暂停。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810351798.2A CN108392186B (zh) | 2018-04-19 | 2018-04-19 | 一种非接触式睡眠呼吸暂停症检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810351798.2A CN108392186B (zh) | 2018-04-19 | 2018-04-19 | 一种非接触式睡眠呼吸暂停症检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108392186A true CN108392186A (zh) | 2018-08-14 |
| CN108392186B CN108392186B (zh) | 2021-04-13 |
Family
ID=63100287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810351798.2A Active CN108392186B (zh) | 2018-04-19 | 2018-04-19 | 一种非接触式睡眠呼吸暂停症检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108392186B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109091112A (zh) * | 2018-08-29 | 2018-12-28 | 深圳融昕医疗科技有限公司 | 呼吸暂停事件类型的判断方法、装置和存储介质 |
| CN110301890A (zh) * | 2019-05-31 | 2019-10-08 | 华为技术有限公司 | 呼吸暂停监测的方法及装置 |
| CN111227792A (zh) * | 2020-01-10 | 2020-06-05 | 京东方科技集团股份有限公司 | 呼吸暂停的检测方法、系统、电子设备及存储介质 |
| CN111580086A (zh) * | 2019-02-19 | 2020-08-25 | 富士通株式会社 | 生命体检测方法、检测装置和电子设备 |
| CN111568417A (zh) * | 2020-06-01 | 2020-08-25 | 浙江大学 | 一种非接触式呼吸实时监测方法 |
| CN113613552A (zh) * | 2019-04-03 | 2021-11-05 | 帝人株式会社 | 睡眠状态检测装置、睡眠状态检测方法及睡眠状态检测程序 |
| CN113940626A (zh) * | 2021-09-01 | 2022-01-18 | 森思泰克河北科技有限公司 | 呼吸暂停检测方法、检测设备及存储介质 |
| CN114176564A (zh) * | 2021-12-14 | 2022-03-15 | 北京中科蓝电科技有限公司 | 基于雷达信号提取呼吸状态的方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101087559A (zh) * | 2004-12-23 | 2007-12-12 | 雷斯梅德有限公司 | 从呼吸信号中检测和区别呼吸模式的方法 |
| US20100109875A1 (en) * | 2008-10-08 | 2010-05-06 | Ayon Arturo A | Noninvasive Motion and Respiration Monitoring System |
| US20120022348A1 (en) * | 2010-05-14 | 2012-01-26 | Kai Medical, Inc. | Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors |
| CN102641125A (zh) * | 2011-02-18 | 2012-08-22 | 西铁城控股株式会社 | 睡眠呼吸暂停判定装置 |
| CN103006225A (zh) * | 2013-01-11 | 2013-04-03 | 湖南纳雷科技有限公司 | 一种监测睡眠呼吸状态的睡眠仪 |
| CN103153183A (zh) * | 2010-10-01 | 2013-06-12 | 皇家飞利浦电子股份有限公司 | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 |
| WO2014151133A1 (en) * | 2013-03-15 | 2014-09-25 | Kirill Mostov | Apparatus and methods for remote monitoring of physiological parameters |
| US20180049669A1 (en) * | 2016-08-17 | 2018-02-22 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for continuous and fine-grained breathing volume monitoring |
-
2018
- 2018-04-19 CN CN201810351798.2A patent/CN108392186B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101087559A (zh) * | 2004-12-23 | 2007-12-12 | 雷斯梅德有限公司 | 从呼吸信号中检测和区别呼吸模式的方法 |
| CN102172328A (zh) * | 2004-12-23 | 2011-09-07 | 雷斯梅德有限公司 | 从呼吸信号中检测和区别呼吸模式的方法 |
| US20100109875A1 (en) * | 2008-10-08 | 2010-05-06 | Ayon Arturo A | Noninvasive Motion and Respiration Monitoring System |
| US20120022348A1 (en) * | 2010-05-14 | 2012-01-26 | Kai Medical, Inc. | Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors |
| CN103153183A (zh) * | 2010-10-01 | 2013-06-12 | 皇家飞利浦电子股份有限公司 | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 |
| CN102641125A (zh) * | 2011-02-18 | 2012-08-22 | 西铁城控股株式会社 | 睡眠呼吸暂停判定装置 |
| CN103006225A (zh) * | 2013-01-11 | 2013-04-03 | 湖南纳雷科技有限公司 | 一种监测睡眠呼吸状态的睡眠仪 |
| WO2014151133A1 (en) * | 2013-03-15 | 2014-09-25 | Kirill Mostov | Apparatus and methods for remote monitoring of physiological parameters |
| US20180049669A1 (en) * | 2016-08-17 | 2018-02-22 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for continuous and fine-grained breathing volume monitoring |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109091112B (zh) * | 2018-08-29 | 2020-09-29 | 深圳融昕医疗科技有限公司 | 呼吸暂停事件类型的判断装置 |
| CN109091112A (zh) * | 2018-08-29 | 2018-12-28 | 深圳融昕医疗科技有限公司 | 呼吸暂停事件类型的判断方法、装置和存储介质 |
| CN111580086B (zh) * | 2019-02-19 | 2023-08-25 | 富士通株式会社 | 生命体检测方法、检测装置和电子设备 |
| CN111580086A (zh) * | 2019-02-19 | 2020-08-25 | 富士通株式会社 | 生命体检测方法、检测装置和电子设备 |
| CN113613552A (zh) * | 2019-04-03 | 2021-11-05 | 帝人株式会社 | 睡眠状态检测装置、睡眠状态检测方法及睡眠状态检测程序 |
| WO2020238954A1 (zh) * | 2019-05-31 | 2020-12-03 | 华为技术有限公司 | 呼吸暂停监测的方法及装置 |
| CN110301890A (zh) * | 2019-05-31 | 2019-10-08 | 华为技术有限公司 | 呼吸暂停监测的方法及装置 |
| CN111227792A (zh) * | 2020-01-10 | 2020-06-05 | 京东方科技集团股份有限公司 | 呼吸暂停的检测方法、系统、电子设备及存储介质 |
| CN111227792B (zh) * | 2020-01-10 | 2022-11-01 | 京东方科技集团股份有限公司 | 呼吸暂停的检测方法、系统、电子设备及存储介质 |
| CN111568417A (zh) * | 2020-06-01 | 2020-08-25 | 浙江大学 | 一种非接触式呼吸实时监测方法 |
| CN113940626A (zh) * | 2021-09-01 | 2022-01-18 | 森思泰克河北科技有限公司 | 呼吸暂停检测方法、检测设备及存储介质 |
| CN113940626B (zh) * | 2021-09-01 | 2023-12-05 | 森思泰克河北科技有限公司 | 呼吸暂停检测方法、检测设备及存储介质 |
| CN114176564A (zh) * | 2021-12-14 | 2022-03-15 | 北京中科蓝电科技有限公司 | 基于雷达信号提取呼吸状态的方法 |
| CN114176564B (zh) * | 2021-12-14 | 2023-11-24 | 北京中科蓝电科技有限公司 | 基于雷达信号提取呼吸状态的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108392186B (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108392186A (zh) | 一种非接触式睡眠呼吸暂停症检测方法及系统 | |
| Wang et al. | Rf-ecg: Heart rate variability assessment based on cots rfid tag array | |
| US20160022204A1 (en) | An apparatus for remote contactless monitoring of sleep apnea | |
| CN105476602B (zh) | 非接触式人体生命体征测量方法及装置 | |
| Nandakumar et al. | Contactless sleep apnea detection on smartphones | |
| CN110720918B (zh) | 用于监控心肺健康的方法和设备 | |
| US11259715B2 (en) | Monitoring and diagnostics systems and methods | |
| WO2022026623A1 (en) | Systems and methods for monitoring respiration of an individual | |
| WO2011143631A2 (en) | Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors | |
| US11389082B2 (en) | Method of monitoring volumetric change of a lung | |
| CN107928674B (zh) | 一种基于声波测距的非接触式呼吸检测方法 | |
| CN209863802U (zh) | 一种基于雷达的非接触式生命体征测量系统 | |
| Liu et al. | Human biometric signals monitoring based on wifi channel state information using deep learning | |
| Du et al. | ApneaRadar: A 24GHz radar-based contactless sleep apnea detection system | |
| CN112363139A (zh) | 基于幅度特征的人体呼吸时长检测方法、装置和存储介质 | |
| Sharma et al. | A wearable RF sensor for monitoring respiratory patterns | |
| CN114587347B (zh) | 肺功能检测方法、系统、装置、计算机设备和存储介质 | |
| CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
| Sun et al. | Rapid and stable measurement of respiratory rate from Doppler radar signals using time domain autocorrelation model | |
| CN111685760B (zh) | 一种基于雷达测量的人体呼吸频率计算方法 | |
| Vasireddy et al. | K-band Doppler radar for contact-less overnight sleep marker assessment: a pilot validation study | |
| CN112438707A (zh) | 生命体征的检测装置、方法及系统 | |
| Park et al. | Force-sensing-based unobtrusive system for awakening and respiration rate analysis during sleep | |
| Lee et al. | Further applications of Doppler radar for non-contact respiratory assessment | |
| CN112971743B (zh) | 非接触式新生儿呼吸监测系统、设备和存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200922 Address after: No.c1705, unit C, Wanxiang, Zhongding, No.141 Minzu Avenue, Qingxiu District, Nanning City, Guangxi Zhuang Autonomous Region Applicant after: Guangxi Wanyun Technology Co.,Ltd. Address before: No.c1701, unit C, Wanxiang, Zhongding, No.141 Minzu Avenue, Qingxiu District, Nanning City, Guangxi Zhuang Autonomous Region Applicant before: GUANGXI SINGULA TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |