CN110151182A - 一种呼吸暂停类型识别方法及设备 - Google Patents
一种呼吸暂停类型识别方法及设备 Download PDFInfo
- Publication number
- CN110151182A CN110151182A CN201910272219.XA CN201910272219A CN110151182A CN 110151182 A CN110151182 A CN 110151182A CN 201910272219 A CN201910272219 A CN 201910272219A CN 110151182 A CN110151182 A CN 110151182A
- Authority
- CN
- China
- Prior art keywords
- signal data
- data
- characteristic information
- apnea
- apnea 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.)
- 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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- 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
- A61B5/0826—Detecting or evaluating apnoea events
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明适用于医学设备技术领域,提供了一种呼吸暂停类型识别方法及设备,包括:获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型。上述方案,通过预设测试点的生物电阻抗信号数据的变化来分析胸腹运动,无需使用胸腹呼吸带,通过训练好的呼吸暂停类型判别模型直接识别呼吸类型,提高了呼吸暂停类型的检测结果的准确性。
Description
技术领域
本发明属于医学设备技术领域,尤其涉及一种呼吸暂停类型识别方法及设备。
背景技术
当前在医学领域,呼吸暂停类型的检测主要是使用胸腹呼吸带进行的,通过胸腹呼吸带获取反映被检测对象的呼吸状态的电信号,但是,胸腹呼吸带具有较宽的面积、较大的束缚力,往往还有导线连到睡眠呼吸监测主机,使用起来比较复杂,会束缚被检测对象的活动甚至呼吸幅度,这样,会导致呼吸暂停类型的检测结果准确性降低。
发明内容
有鉴于此,本发明实施例提供了一种呼吸暂停类型识别方法及设备,以解决现有技术中使用胸腹呼吸带束缚被检测对象的活动甚至呼吸幅度,同时导致呼吸暂停类型的检测结果准确性降低的问题。
本发明实施例的第一方面提供了一种呼吸暂停类型识别方法,包括:
获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;
基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;
将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。
本发明实施例的第二方面提供了一种呼吸暂停类型识别装置,包括:
第一获取单元,用于获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;
第二获取单元,用于基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;
第一处理单元,用于将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。
本发明实施例的第三方面提供了一种呼吸暂停类型识别设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的呼吸暂停类型识别方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的呼吸暂停类型识别方法的步骤。
本发明实施例中,获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。上述方案,通过预设测试点的生物电阻抗信号数据的变化来分析胸腹运动,无需使用胸腹呼吸带,通过训练好的呼吸暂停类型判别模型直接识别呼吸类型,提高了呼吸暂停类型的检测结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种呼吸暂停类型识别方法的实现流程图;
图2是本发明实施例提供的另一种呼吸暂停类型识别方法的实现流程图;
图3是本发明实施例提供的另一种呼吸暂停类型识别方法中S201具体的实现流程图;
图4是本发明实施例提供的一种呼吸暂停类型识别装置的示意图;
图5是本发明一实施例提供的呼吸暂停类型识别设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本发明实施例提供的一种呼吸暂停类型识别方法的实现流程图。本实施例中呼吸暂停类型识别方法的执行主体为设备,例如,呼吸暂停类型识别设备,呼吸暂停类型识别设备包括但不限于终端或服务器。如图1所示的呼吸暂停类型识别方法可包括:
S101:获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到。
设备预先设置多个测试点,获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据,在实际应用过程中,预设测试点比较理想的设置情况为:在胸前左右设置了2个测试点,腹部设置了1个测试点,上述三个测试点互相连接用来获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据。其中,每个测试点可以设置电极,例如A1、A2、B1和B2测试点,可以通过控制电路来控制获取任意两个预设测试点之间的生物电阻抗信号数据。为了保证数据的准确性,可以获取三组或者三组以上的预设测试点之间的生物电阻抗信号数据进行分析。预设时长记为T,每个预设时长内的两个预设测试点之间的生物电阻抗信号数据可以记为xa-b,其中,a和b为两个预设测试点,则预设时长内多组任意两个预设测试点之间的生物电阻抗信号数据可以记为xR=[xA1-A2,xA1-B1,xA1-B2,xA2-B1,xA2-B2,xB1-B2],其中,该数据的采样频率可以为f=1/T。
设备获取预设测试点的第一数据,其中,第一数据通过内置的加速度传感器监测得到,可以记为xa=[xax,xay,xaz],加速度传感器可以对运载体的线加速度进行测量。设备获取预设测试点的第二数据,可以记为xg=[xgx,xgy,xgz],其中,第二数据通过内置的陀螺仪传感器监测得到,陀螺仪是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置。其中,第一数据和第二数据的采样频率可以为f=1/T。
进一步地,在S101之后,还可以包括:当所述生物电阻抗信号数据、所述第一数据或者所述第二数据为无效数据时,停止获取信号数据特征。
设备在获取到生物电阻抗信号数据、第一数据以及第二数据后,需要以上述数据为基础,对呼吸类型进行判断,所以生物电阻抗信号数据、第一数据以及第二数据的数据质量也直接影响到判别的准确性。当数据质量高的时候才能对呼吸类型进行判别,此时的数据为有效数据。
设备中预先设置生物电阻抗信号数据、第一数据以及第二数据各自对应的有效数据判断标注,对获取到的生物电阻抗信号数据、第一数据或者第二数据根据各自的标准进行判断,当生物电阻抗信号数据、第一数据或者第二数据为无效数据时,停止获取信号数据特征。
其中,当获取生物电阻抗信号数据的电极接触良好时,生物电阻抗信号数据的高频部分会大幅度增加,因此可以用生物电阻抗信号数据的频率能量来判断信号质量是否良好。对获取到的生物电阻抗信号数据做傅里叶变化(FFT),记Eh,k为在第k个时间t内的高频能量,若某一导联Eh,k>2median(Eh,1~k-1),其中median(Eh,1~k-1)为前k-1个时间t内的高频能量的中值,则该导联第k个时间t接触不良,可以判断出数据质量不佳,为无效数据。
由于加速度计和陀螺仪数据获取的第一数据和第二数据都与设备安装的稳定程度有关,所以第一数据和第二数据反映了待测试对象的位置的变化情况,可以用来分析出待测试对象的大幅度运动。若在时间t内,第一数据的某一分量大于预设的第一阈值或第二数据的某一分量大于预设的第二阈值,则t时间内存在大幅度运动,该段时间内数据质量不佳。其中,第一阈值和第二阈值用来判断第一数据和第二数据的数据质量。
S102:基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征。
设备基于生物电阻抗信号数据、第一数据和第二数据,获取信号数据特征信息。其中,信号数据特征信息用来标记生物电阻抗信号数据、第一数据和第二数据的数据特征。生物电阻抗信号数据、第一数据和第二数据的数据特征包括T时长内各个数据的最大值、最小值、均值、方差、最大值和最小值的差值、波峰以及波谷的数量、最大能量对应的频率等特征,这些特征是可以根据实际情况进行调整的,信号数据特征信息包括以上的一种或几种数据特征,此处不做限制。
S103:将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。
设备预先训练呼吸暂停类型判别模型,预先训练好的呼吸暂停类型判别模型可以包括输入层、隐含层、输出层(损失函数层)。输入层包括一个输入层节点,用于从外部接收输入的信号数据特征信息。隐含层用于对信号数据特征信息进行判别。输出层用于输出呼吸暂停类型。在训练过程中,呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,每个样本信号数据特征信息都对应有呼吸暂停类型标签,通过对带有呼吸暂停类型标签的样本信号数据特征信息进行训练,得到呼吸暂停类型判别模型,呼吸暂停类型判别模型的输出为样本信号数据特征信息的呼吸暂停类型。
本发明实施例中,获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。上述方案,通过预设测试点的生物电阻抗信号数据的变化来分析胸腹运动,无需使用胸腹呼吸带,通过训练好的呼吸暂停类型判别模型直接识别呼吸类型,提高了呼吸暂停类型的检测结果的准确性。
请参见图2,图2是本发明实施例提供的另一种呼吸暂停类型识别方法的实现流程图。本实施例中呼吸暂停类型识别方法的执行主体为设备,例如,呼吸暂停类型识别设备,呼吸暂停类型识别设备包括但不限于终端或服务器。为了获取预先训练好的呼吸暂停类型判别模型,本实施例与上一实施例的不同之处在于在S205之前还包括S201~S202,本实施例中S203~S205与上一实施例中的S101~S103相同,具体请参见上一实施例中的S101~S103,其中,S201~S202只要在S205之前执行即可,S201~S202可以在S203~S204之前执行、也可以在S203~S204之后执行、也可以与S203~S204并列执行,S201~S202具体如下:
S201:获取样本信号数据特征信息训练集;所述样本信号数据特征信息训练集包括样本信号数据特征信息及其对应的呼吸暂停类型标签。
获取样本信号数据特征信息训练集,通过对带有呼吸暂停类型标签的样本信号数据特征信息进行训练,得到呼吸暂停类型判别模型。其中,样本信号数据特征信息训练集包括样本信号数据特征信息及其对应的呼吸暂停类型标签。
样本信号数据特征信息的获取方式可以按照上一实施例中获取信号数据特征信息的方式,具体可以参考上一实施例,获取样本生物电阻抗信号数据、样本第一数据以及样本第二数据,基于样本生物电阻抗信号数据、样本第一数据和样本第二数据,获取样本信号数据特征信息,样本信号数据特征包括T时长内各个数据的最大值、最小值、均值、方差、最大值和最小值的差值、波峰以及波谷的数量、最大能量对应的频率等特征,这些特征是可以根据实际情况进行调整的,样本信号数据特征信息包括以上的一种或几种数据特征,此处不做限制。
进一步地,为了保证样本信号数据特征信息训练集的质量,如图3所示,S201可以包括S2011~S2013,S2011~S2013具体如下:
S2011:获取原始样本信号数据。
获取原始样本信号数据,原始样本信号数据包括样本生物电阻抗信号数据、样本第一数据以及样本第二数据,样本生物电阻抗信号数据、样本第一数据以及样本第二数据的获取方式与上一实施例中S101中的获取方式相同,具体请参阅S101,此处不再赘述。
进一步地,S2011可以包括:获取原始信号数据,对所述原始信号数据进行过滤处理,获取原始样本信号数据。
获取原始信号数据,对原始信号数据进行过滤处理,可以进行中值滤波处理、平均值滤波处理等等,目的是为了过滤掉原始信号数据中的噪音数据,获取高质量的原始样本信号数据。
S2012:当所述原始样本信号数据的质量满足预设条件时,提取所述原始样本信号的样本信号数据特征信息。
设备判断原始样本信号数据的质量,即判断样本生物电阻抗信号数据、样本第一数据以及样本第二数据的质量,可以设定判断的条件,判断的方法可以同上一实施例中判断生物电阻抗信号数据、第一数据或者第二数据为无效数据的方法相同,具体请参阅上一实施例中对生物电阻抗信号数据、第一数据或者第二数据为无效数据的方法。
当原始样本信号数据的质量满足预设条件时,即说明获取的样本信号数据的质量高,提取原始样本信号的样本信号数据特征信息,提取原始样本信号的样本信号数据特征信息与S201中的方式相同,此处不再赘述。
S2013:获取所述样本信号数据特征信息的呼吸暂停类型,关联存储所述样本信号数据特征信息及其所述呼吸暂停类型。
设备获取样本信号数据特征信息的呼吸暂停类型,可以通过传统医疗器械的胸腹呼吸带来对比,获取样本信号数据特征信息的呼吸暂停类型。关联存储样本信号数据特征信息及其对应的呼吸暂停类型。样本信号数据特征信息训练集包括多个样本信号数据特征信息及其对应的呼吸暂停类型标签。
S202:基于所述样本信号数据特征信息训练集进行训练,得到用于输出信号数据特征信息的呼吸暂停类型的呼吸暂停类型判别模型;所述呼吸暂停类型判别模型用于对所述信号数据特征信息进行判别,确定所述信号数据特征信息的呼吸暂停类型。
在本实施例中,对样本信号数据特征信息训练集进行训练,在训练过程中,呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,呼吸暂停类型判别模型的输出为样本信号数据特征信息的呼吸暂停类型,经过训练后,得到用于对所述信号数据特征信息进行判别的呼吸暂停类型判别模型,呼吸暂停类型判别模型用于对所述信号数据特征信息进行判别,确定所述信号数据特征信息的呼吸暂停类型。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
请参见图4,图4是本发明实施例提供的一种呼吸暂停类型识别装置的示意图。包括的各单元用于执行图1~图3各自对应的实施例中的各步骤。具体请参阅图1~图3各自对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。参见图4,呼吸暂停类型识别装置4包括:
第一获取单元410,用于获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;
第二获取单元420,用于基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;
第一处理单元430,用于将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。
进一步地,呼吸暂停类型识别装置,还包括:
第三获取单元,用于获取样本信号数据特征信息训练集;所述样本信号数据特征信息训练集包括样本信号数据特征信息及其对应的呼吸暂停类型标签;
训练单元,用于基于所述样本信号数据特征信息训练集进行训练,得到用于输出信号数据特征信息的呼吸暂停类型的呼吸暂停类型判别模型;所述呼吸暂停类型判别模型用于对所述信号数据特征信息进行判别,确定所述信号数据特征信息的呼吸暂停类型。
进一步地,第三获取单元,具体包括:
第四获取单元,用于获取原始样本信号数据;
提取单元,用于当所述原始样本信号数据的质量满足预设条件时,提取所述原始样本信号的样本信号数据特征信息;
第二处理单元,用于获取所述样本信号数据特征信息的呼吸暂停类型,关联存储所述样本信号数据特征信息及其所述呼吸暂停类型。
进一步地,第四获取单元,具体用于:
获取原始信号数据,对所述原始信号数据进行过滤处理,获取原始样本信号数据。
进一步地,呼吸暂停类型识别装置,还包括:
第三处理单元,用于当所述生物电阻抗信号数据、所述第一数据或者所述第二数据为无效数据时,停止获取信号数据特征。
图5是本发明一实施例提供的呼吸暂停类型识别设备的示意图。如图5所示,该实施例的呼吸暂停类型识别设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如呼吸暂停类型识别程序。所述处理器50执行所述计算机程序52时实现上述各个呼吸暂停类型识别方法实施例中的步骤,例如图1所示的步骤101至103。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块410至430的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述呼吸暂停类型识别设备5中的执行过程。例如,所述计算机程序52可以被分割成第一获取单元、第二获取单元、第一处理单元,各单元具体功能如下:
第一获取单元,用于获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;
第二获取单元,用于基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;
第一处理单元,用于将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。
所述呼吸暂停类型识别设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是呼吸暂停类型识别设备5的示例,并不构成对呼吸暂停类型识别设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述呼吸暂停类型识别设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述呼吸暂停类型识别设备5的内部存储单元,例如呼吸暂停类型识别设备5的硬盘或内存。所述存储器51也可以是所述呼吸暂停类型识别设备5的外部存储设备,例如所述呼吸暂停类型识别设备5上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述呼吸暂停类型识别设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述呼吸暂停类型识别设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种呼吸暂停类型识别方法,其特征在于,包括:
获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;
基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;
将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。
2.如权利要求1所述的呼吸暂停类型识别方法,其特征在于,在所述将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型之前,还包括:
获取样本信号数据特征信息训练集;所述样本信号数据特征信息训练集包括样本信号数据特征信息及其对应的呼吸暂停类型标签;
基于所述样本信号数据特征信息训练集进行训练,得到用于输出信号数据特征信息的呼吸暂停类型的呼吸暂停类型判别模型;所述呼吸暂停类型判别模型用于对所述信号数据特征信息进行判别,确定所述信号数据特征信息的呼吸暂停类型。
3.如权利要求2所述的呼吸暂停类型识别方法,其特征在于,所述获取样本信号数据特征信息训练集,包括:
获取原始样本信号数据;
当所述原始样本信号数据的质量满足预设条件时,提取所述原始样本信号的样本信号数据特征信息;
获取所述样本信号数据特征信息的呼吸暂停类型,关联存储所述样本信号数据特征信息及其所述呼吸暂停类型。
4.如权利要求3所述的呼吸暂停类型识别方法,其特征在于,所述获取原始样本信号数据,包括:
获取原始信号数据,对所述原始信号数据进行过滤处理,获取原始样本信号数据。
5.如权利要求1-4任一项所述的呼吸暂停类型识别方法,其特征在于,在所述获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、所述预设测试点的第一数据以及第二数据之后,还包括:
当所述生物电阻抗信号数据、所述第一数据或者所述第二数据为无效数据时,停止获取信号数据特征。
6.一种呼吸暂停类型识别装置,其特征在于,包括:
第一获取单元,用于获取预设时长内任意两个预设测试点之间的生物电阻抗信号数据、每个所述预设测试点的第一数据以及第二数据;其中,所述第一数据通过内置的加速度传感器监测得到,所述第二数据通过内置的陀螺仪传感器监测到;
第二获取单元,用于基于所述生物电阻抗信号数据、所述第一数据和所述第二数据,获取信号数据特征信息;其中,所述信号数据特征信息用来标记所述生物电阻抗信号数据、所述第一数据和所述第二数据的数据特征;
第一处理单元,用于将所述信号数据特征信息输入预先训练好的呼吸暂停类型判别模型,得到所述信号数据特征信息的呼吸暂停类型;在训练过程中,所述呼吸暂停类型判别模型的输入为带有呼吸暂停类型标签的样本信号数据特征信息,所述呼吸暂停类型判别模型的输出为所述样本信号数据特征信息的呼吸暂停类型。
7.如权利要求6所述的呼吸暂停类型识别装置,其特征在于,还包括:
第三获取单元,用于获取样本信号数据特征信息训练集;所述样本信号数据特征信息训练集包括样本信号数据特征信息及其对应的呼吸暂停类型标签;
训练单元,用于基于所述样本信号数据特征信息训练集进行训练,得到用于输出信号数据特征信息的呼吸暂停类型的呼吸暂停类型判别模型;所述呼吸暂停类型判别模型用于对所述信号数据特征信息进行判别,确定所述信号数据特征信息的呼吸暂停类型。
8.如权利要求6所述的呼吸暂停类型识别装置,其特征在于,具体包括:
第四获取单元,用于获取原始样本信号数据;
提取单元,用于当所述原始样本信号数据的质量满足预设条件时,提取所述原始样本信号的样本信号数据特征信息;
第二处理单元,用于获取所述样本信号数据特征信息的呼吸暂停类型,关联存储所述样本信号数据特征信息及其所述呼吸暂停类型。
9.一种呼吸暂停类型识别设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272219.XA CN110151182B (zh) | 2019-04-04 | 2019-04-04 | 一种呼吸暂停类型识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272219.XA CN110151182B (zh) | 2019-04-04 | 2019-04-04 | 一种呼吸暂停类型识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110151182A true CN110151182A (zh) | 2019-08-23 |
CN110151182B CN110151182B (zh) | 2022-04-19 |
Family
ID=67638905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910272219.XA Active CN110151182B (zh) | 2019-04-04 | 2019-04-04 | 一种呼吸暂停类型识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110151182B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113040714A (zh) * | 2021-03-09 | 2021-06-29 | 深圳市科瑞康实业有限公司 | 一种呼吸暂停监测及经皮电刺激方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1830384A (zh) * | 2006-04-14 | 2006-09-13 | 山东省千佛山医院 | 用胸部阻抗监测呼吸气量的方法 |
US20100063365A1 (en) * | 2005-04-14 | 2010-03-11 | Hidalgo Limited | Apparatus and System for Monitoring |
CN103070683A (zh) * | 2012-12-20 | 2013-05-01 | 中山大学 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
CN104138260A (zh) * | 2014-07-02 | 2014-11-12 | 中山大学 | 一种利用svm分类器的睡眠姿势多分类识别方法 |
CN104257353A (zh) * | 2014-10-22 | 2015-01-07 | 南京邮电大学 | 一种睡眠呼吸暂停综合症检测系统 |
CN104545912A (zh) * | 2015-01-31 | 2015-04-29 | 中山大学 | 一种心肺阻抗的测量方法及装置 |
CN105792741A (zh) * | 2013-12-06 | 2016-07-20 | 心脏起搏器股份公司 | 使用分类器融合的心力衰竭事件预测 |
CN106388820A (zh) * | 2016-06-21 | 2017-02-15 | 上海用为医疗科技有限公司 | 用于检测阻塞性呼吸障碍的装置及其测试方法 |
CN108475543A (zh) * | 2015-11-19 | 2018-08-31 | 皇家飞利浦有限公司 | 用于基于个性化预测模型来促进健康监测的系统和方法 |
CN109414204A (zh) * | 2016-06-22 | 2019-03-01 | 皇家飞利浦有限公司 | 用于确定针对对象的呼吸信息的方法和装置 |
CN109480783A (zh) * | 2018-12-20 | 2019-03-19 | 深圳和而泰智能控制股份有限公司 | 一种呼吸暂停检测方法、装置及计算设备 |
-
2019
- 2019-04-04 CN CN201910272219.XA patent/CN110151182B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100063365A1 (en) * | 2005-04-14 | 2010-03-11 | Hidalgo Limited | Apparatus and System for Monitoring |
CN1830384A (zh) * | 2006-04-14 | 2006-09-13 | 山东省千佛山医院 | 用胸部阻抗监测呼吸气量的方法 |
CN103070683A (zh) * | 2012-12-20 | 2013-05-01 | 中山大学 | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 |
CN105792741A (zh) * | 2013-12-06 | 2016-07-20 | 心脏起搏器股份公司 | 使用分类器融合的心力衰竭事件预测 |
CN104138260A (zh) * | 2014-07-02 | 2014-11-12 | 中山大学 | 一种利用svm分类器的睡眠姿势多分类识别方法 |
CN104257353A (zh) * | 2014-10-22 | 2015-01-07 | 南京邮电大学 | 一种睡眠呼吸暂停综合症检测系统 |
CN104545912A (zh) * | 2015-01-31 | 2015-04-29 | 中山大学 | 一种心肺阻抗的测量方法及装置 |
CN108475543A (zh) * | 2015-11-19 | 2018-08-31 | 皇家飞利浦有限公司 | 用于基于个性化预测模型来促进健康监测的系统和方法 |
CN106388820A (zh) * | 2016-06-21 | 2017-02-15 | 上海用为医疗科技有限公司 | 用于检测阻塞性呼吸障碍的装置及其测试方法 |
CN109414204A (zh) * | 2016-06-22 | 2019-03-01 | 皇家飞利浦有限公司 | 用于确定针对对象的呼吸信息的方法和装置 |
CN109480783A (zh) * | 2018-12-20 | 2019-03-19 | 深圳和而泰智能控制股份有限公司 | 一种呼吸暂停检测方法、装置及计算设备 |
Non-Patent Citations (1)
Title |
---|
赵君豪,杨环宇,但果: "基于角速度的人体呼吸信号研究", 《中国医学物理学杂志》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113040714A (zh) * | 2021-03-09 | 2021-06-29 | 深圳市科瑞康实业有限公司 | 一种呼吸暂停监测及经皮电刺激方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110151182B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108553108B (zh) | 一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统 | |
CN105451652B (zh) | 用于确定对象的呼吸信号的处理装置和处理方法 | |
CN105708470B (zh) | 基于多普勒探测器与传感器联合的跌倒检测系统和方法 | |
CN105578960A (zh) | 用于处理生理信号的处理装置、处理方法和系统 | |
CN108474841A (zh) | 由特征信号对人类的检测和识别 | |
CN110472481B (zh) | 一种睡姿检测方法、装置及设备 | |
CN109480783B (zh) | 一种呼吸暂停检测方法、装置及计算设备 | |
CN112263242A (zh) | 基于fmcw雷达的呼吸检测及模式分类方法 | |
WO2015171804A1 (en) | Detecting artifacts in a signal | |
CN101133954B (zh) | 一种呼吸率检测方法及装置 | |
CN109677341A (zh) | 一种车辆信息融合决策方法及装置 | |
CN110732068B (zh) | 一种基于云平台的呼吸状态预测方法 | |
KR102631311B1 (ko) | 심장신호 처리장치 및 방법, 이를 포함하는 모니터링 시스템 | |
CN209032422U (zh) | 一种心音信号检测设备 | |
CN112137601A (zh) | 信号处理方法、装置、车辆及存储介质 | |
CN108366758A (zh) | 基于内衣的身体数据监测方法和装置 | |
CN110151182A (zh) | 一种呼吸暂停类型识别方法及设备 | |
CN108460350A (zh) | 一种自学习ecg qrs波检测装置及其自学习方法 | |
Bucklin et al. | An inexpensive accelerometer-based sleep-apnea screening technique | |
CN100508885C (zh) | 一种呼吸力学监测系统中容错的方法和装置 | |
Ivanov et al. | Towards context-aware cyber-physical systems | |
CN104424488B (zh) | 一种提取bcg信号特征的方法及系统 | |
CN107837083A (zh) | 基于最小二乘支持向量机的j波自动检测方法 | |
Gao et al. | Cardiosentinal: A 24-hour heart care and monitoring system | |
CN105050493B (zh) | 用于确定ecg数据中的qrs复合波的出现的装置和方法 |
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 |