CN111603138A - 一种基于毫米波雷达的睡眠呼吸暂停监测系统 - Google Patents
一种基于毫米波雷达的睡眠呼吸暂停监测系统 Download PDFInfo
- Publication number
- CN111603138A CN111603138A CN202010427946.1A CN202010427946A CN111603138A CN 111603138 A CN111603138 A CN 111603138A CN 202010427946 A CN202010427946 A CN 202010427946A CN 111603138 A CN111603138 A CN 111603138A
- Authority
- CN
- China
- Prior art keywords
- signal
- millimeter wave
- wave radar
- frequency
- deep learning
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 201000002859 sleep apnea Diseases 0.000 title claims abstract description 15
- 238000013135 deep learning Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims abstract description 5
- 230000003321 amplification Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 17
- 208000008784 apnea Diseases 0.000 claims description 12
- 230000000241 respiratory effect Effects 0.000 claims description 12
- 230000036541 health Effects 0.000 claims description 11
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 6
- 241000282414 Homo sapiens Species 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000010247 heart contraction Effects 0.000 claims description 2
- 208000001797 obstructive sleep apnea Diseases 0.000 description 7
- 206010041235 Snoring Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 108010064719 Oxyhemoglobins Proteins 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 208000023504 respiratory system disease Diseases 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 208000032140 Sleepiness Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 206010067775 Upper airway obstruction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 201000004193 respiratory failure Diseases 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
- A61B5/48—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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Cardiology (AREA)
- Electromagnetism (AREA)
- Dentistry (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于毫米波雷达的睡眠呼吸暂停监测系统，包括毫米波雷达模组，信号处理模块，MCU处理器，深度学习识别系统，后端显示系统；其特征在于：所述毫米波雷达模组与MUC处理器连接，依据多普勒雷达探测原理，工作过程中发射线性调频连续波信号，接收反射的回波信号并将信号传输到信号处理模块；所述信号处理模块与MCU连接，通过对回波信号进行解调、放大等信号处理，得到用户在睡眠过程中的生命体征监测数据，并信号传输至深度学习识别系统；所述深度学习识别系统对接收信号进行滤波，根据信号的频率，通过低通数字滤波器和高通数字滤波器级联产生的通带响应为2~50Hz的带通滤波器,滤除噪声和干扰。
Description
技术领域
本发明涉及生理信号处理领域，具体涉及一种基于毫米波雷达的睡眠呼吸暂 停监测系统及方法。
背景技术
阻塞性睡眠呼吸暂停低通气综合症(Obstruvtive Sleep Apnea/HypopneaSyndrome,OSAHS)是一种睡眠呼吸疾病，与上气道阻塞、气道结构性狭窄以及上 气道肌张力降低密切相关，伴有明显的呼吸暂停症状，临床上称之为“鼾症”。当 前全球范围内OSAHS的发病率较高，男性发病率大于女性(成年男性患病率为 3％～7％，成年女性为2％～5％)。OSAHS呈不断上升的趋势,常伴有打鼾、 睡眠结构素乱、频繁发生血氧饱和度下降、白天嗜睡等病征，可是髙血压、冠心 病的独立危险因素，严重影响患者的生活质量，患者夜间的频繁血氧饱和度下降 可引发一系列病理生理改变，可致患者多种器官的病变,极端情况下，OSAHS可 引发由夜间呼吸不足和心脑血管疾病引起的猝死。OSAHS己成为严重威胁人类健 康的疾病,日益受到国际医学界的关注,成为呼吸系统疾病的一个新的研究热点。 目前对OSAHS的研究主要从两方面入手，一个是通过呼吸、血氧、心电等生理 参数进行筛查；另一个就是从鼾声信号着手进行筛查。常见的生理参数监测系统 均为临床上使用的专用设备，如医学上的黄金标准就是多导睡眠仪 (Polysomnography,PSG)监测包括口、鼻呼吸气流、胸腹呼吸运动、心电图 (ECG)、脑电图(Electroencephalogram,EEG)、眼电图(Electro-Oculogram, EOG)、下颌肌电图(Electromyography,EMG)、鼾声、体位、血氧饱和度等10 多个生理参数。由于监测的生理参数十分全面，具有绝对的权威性，但PSG价格 昂贵，并且检查需要检查者在病床上实时监测一整晚，过多的导联电路本身已影 响了睡眠，外加不适应睡眠环境等心理压力，从而会在一定程度上影响诊断结果 的准确性。因此如何利用计算机技术有效的帮助患者及医护人员及早发现睡眠呼 吸暂停问题，进而节省就医治疗的时间，实现在居家环境中的健康辅助，是一个 值得深入研究的问题。
发明内容
为了解决现有技术中存在的上述技术问题，本发明通过毫米波雷达实现对 用户的呼吸信号和心跳信号的采集，并通过深度学习网络识别睡眠是否异常，满 足了人们日益增长的健康生活需求，对于改善睡眠障碍具有重要意义。其具体技 术方案如下：
一种基于毫米波雷达的睡眠呼吸暂停监测系统，包括毫米波雷达模组，信号 处理模块，MCU处理器，深度学习识别系统，后端显示系统；所述毫米波雷达模 组与MUC处理器连接，依据多普勒雷达探测原理，工作过程中发射线性调频连续 波信号，接收反射的回波信号并将信号传输到信号处理模块；所述信号处理模块 与MCU连接，通过对回波信号进行解调、放大等信号处理，得到用户在睡眠过程 中的生命体征监测数据，并信号传输至深度学习识别系统；所述深度学习识别系 统对接收信号进行滤波，根据信号的频率，通过低通数字滤波器和高通数字滤波 器级联产生的通带响应为2～50Hz的带通滤波器,滤除噪声和干扰。
进一步的，所述生命体征监测数据包括睡眠过程中人体呼吸时胸腔运动的呼 吸信号和心脏跳动的心跳信号。
进一步的，所述深度学习识别系统对滤波后的信号进行快速傅里叶变换，提 取频率均值、频率峭度、频率偏度和频率标准差四个频域幅值谱作为特征值，其 分别定义为：
上式中，P1为频率均值，P2为频率峭度，P3为频率偏度，P4为频率标 准差，X(k)为快速傅里叶变换频谱，K为信号长度。
进一步的，所述深度学习识别系统通过深度神经网络对提取的特征值进行模 型训练，神经网络模型选择长短期记忆网络LSTM(long-short term memory) 进行网络模型参数设置和训练，包括：LSTM单元个数，训练学习率，训练步数， batch-size值。
进一步的，LSTM网络模型的数据为两类，一类是呼吸暂停症相关的呼吸信 号和心率信号，另一类是非呼吸暂停症相关的呼吸信号和心率信号，将这两类数 据输入到神经网络进行识别捕捉相关特征之间的联系和区别；在LSMT网络训练 完成后，将采集到的呼吸信号和心率信号输入到LSMT网络中，网络输出用户是 否患有呼吸暂停的结果，并将结果输出到后端显示系统。
进一步的，用户通过智能终端通过访问后端显示系统上建立的用户人员的健 康数据档案，了解整晚的睡眠状况，从而了解当前的健康数据是否异常；实现对 当前用户是否患有呼吸暂停进行有效识别。
有益效果
睡眠是维持人类生命的必要活动，良好睡眠是维系身心健康的重要保证。在 物联网、互联网等现代科技蓬勃发展的背景下，非接触式睡眠监测通过监测方式 的改进以及数据分析方法的改进，用于对有睡眠障碍患者的进行监测和辅助诊断， 同时为睡眠障碍的离院患者和高风险人群提供了一种轻量化的跟踪检查方案。本 发明通过物联网、深度学习等技术的结合，实现非接触式传感器终端和深度学习 平台的无缝连接，通过将睡眠中采集的生理指标呼吸信号和心率信号转入深度学 习数据平台，实现整晚的睡眠呼吸暂停情况的的监测，方便推广应用。
具体实施方式
下面对本发明作进一步说明。
本发明的基于毫米波雷达的睡眠呼吸暂停监测系统及方法，包括毫米波雷达 模组，信号处理模块，MCU处理器，深度学习识别系统，后端显示系统，毫米波 雷达模组与MCU处理器连接，依据多普勒雷达探测原理，工作过程中发射线性调 频连续波信号，接收反射的回波信号并将信号传输到信号处理模块；信号处理模 块与MCU连接，通过对回波信号进行解调、放大等信号处理，得到用户在睡眠过 程中的生命体征监测数据：睡眠过程中人体呼吸时胸腔运动的呼吸信号和心脏跳 动的心跳信号，并将这两种信号传输至深度学习识别系统；深度学习识别系统与 MCU连接，通过神经网络对这两种信号进行离线的网络模型训练，然后进行在线 系统的识别，并将结果输出到后端显示系统；后端显示系统建立用户人员的健康 数据档案，将接收的数据存入健康档案中，用户通过智能终端访问显示系统，了 解当前的健康数据是否异常。
本发明实施例适用流程如下：
日常生活中，为了居家环境方便使用该雷达监测系统，通常将雷达系统固定 在靠用户一边的床头柜或者墙壁上，让雷达天线尽可能的对准用户的胸腹部。雷 达系统采集到呼吸信号和心率信号后并将这两种信号传输至深度学习识别系统； 深度学习识别系统对接收的呼吸信号和心跳信号进行滤波，根据呼吸信号和心跳 信号的频率，设计一个低通数字滤波器和一个高通数字滤波器级联产生的通带响 应为2～50Hz的带通滤波器,滤除噪声和干扰。
深度学习识别系统对滤波后的信号进行快速傅里叶变换，提取频率均值、频 率峭度、频率偏度和频率标准差四个频域幅值谱作为特征值，其分别定义为：
上式中，P1为频率均值，P2为频率峭度，P3为频率偏度，P4为频率标准差， X(k)为快速傅里叶变换频谱，K为信号长度。完成信号的特征提取后，深度学 习识别系统通过深度神经网络对提取的特征值进行模型训练。训练模型的数据分 为两类，一类是呼吸暂停症相关的呼吸信号和心率信号，另一类是非呼吸暂停症 相关的呼吸信号和心率信号，将这两类数据输入到神经网络进行识别捕捉相关特 征之间的联系和区别。
神经网络模型可选择长短期记忆网络LSTM(long-short term memory) 进行网络模型参数设置和训练，训练参数包括：LSTM单元个数，训练学习率， 训练步数，batch-size值；LSMT网络训练完成后，将采集到的呼吸信号和心率 信号输入到LSMT网络中，网络输出用户是否患有呼吸暂停的结果，并将结果输 出到后端显示系统；用户通过智能终端通过访问后端显示系统上建立的用户人员 的健康数据档案，了解整晚的睡眠状况，从而了解当前的健康数据是否异常，实 现对当前用户是否患有呼暂停进行有效识别。
Claims (6)
1.一种基于毫米波雷达的睡眠呼吸暂停监测系统，包括毫米波雷达模组，信号处理模块，MCU处理器，深度学习识别系统，后端显示系统；其特征在于：所述毫米波雷达模组与MUC处理器连接，依据多普勒雷达探测原理，工作过程中发射线性调频连续波信号，接收反射的回波信号并将信号传输到信号处理模块；所述信号处理模块与MCU连接，通过对回波信号进行解调、放大等信号处理，得到用户在睡眠过程中的生命体征监测数据，并信号传输至深度学习识别系统；所述深度学习识别系统对接收信号进行滤波，根据信号的频率，通过低通数字滤波器和高通数字滤波器级联产生的通带响应为2～50Hz的带通滤波器,滤除噪声和干扰。
2.如权利要求1所述的基于毫米波雷达的睡眠呼吸暂停监测系统，其特征在于：所述生命体征监测数据包括睡眠过程中人体呼吸时胸腔运动的呼吸信号和心脏跳动的心跳信号。
3.如权利要求1所述的基于毫米波雷达的睡眠呼吸暂停监测系统，其特征在于：所述深度学习识别系统对滤波后的信号进行快速傅里叶变换，提取频率均值、频率峭度、频率偏度和频率标准差四个频域幅值谱作为特征值，其分别定义为：
上式中，P1为频率均值，P2为频率峭度，P3为频率偏度，P4为频率标准差，X(k)为快速傅里叶变换频谱，K为信号长度。
4.如权利要求3所述的基于毫米波雷达的睡眠呼吸暂停监测系统，其特征在于：所述深度学习识别系统通过深度神经网络对提取的特征值进行模型训练，神经网络模型选择长短期记忆网络LSTM(long-short term memory)进行网络模型参数设置和训练，包括：LSTM单元个数，训练学习率，训练步数，batch-size值。
5.如权利要求4所述的基于毫米波雷达的睡眠呼吸暂停监测系统，其特征在于：LSTM网络模型的数据为两类，一类是呼吸暂停症相关的呼吸信号和心率信号，另一类是非呼吸暂停症相关的呼吸信号和心率信号，将这两类数据输入到神经网络进行识别捕捉相关特征之间的联系和区别；在LSMT网络训练完成后，将采集到的呼吸信号和心率信号输入到LSMT网络中，网络输出用户是否患有呼吸暂停的结果，并将结果输出到后端显示系统。
6.如权利要求5所述的基于毫米波雷达的睡眠呼吸暂停监测系统，其特征在于：用户通过智能终端通过访问后端显示系统上建立的用户人员的健康数据档案，了解整晚的睡眠状况，从而了解当前的健康数据是否异常；实现对当前用户是否患有呼吸暂停进行有效识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010427946.1A CN111603138A (zh) | 2020-05-19 | 2020-05-19 | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010427946.1A CN111603138A (zh) | 2020-05-19 | 2020-05-19 | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111603138A true CN111603138A (zh) | 2020-09-01 |
Family
ID=72194379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010427946.1A Pending CN111603138A (zh) | 2020-05-19 | 2020-05-19 | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111603138A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112971769A (zh) * | 2021-02-04 | 2021-06-18 | 杭州慧光健康科技有限公司 | 一种基于生物雷达的居家人员摔倒检测系统和方法 |
| CN113050060A (zh) * | 2021-03-25 | 2021-06-29 | 南京敏智达科技有限公司 | 基于稀疏重构与神经网络的生命探测方法及探测装置 |
| CN113126050A (zh) * | 2021-03-05 | 2021-07-16 | 沃尔夫曼消防装备有限公司 | 一种基于神经网络的生命探测方法 |
| CN113116342A (zh) * | 2021-04-26 | 2021-07-16 | 上海交通大学 | 一种基于毫米波雷达的生命信号监测方法 |
| CN113288078A (zh) * | 2021-03-29 | 2021-08-24 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及系统 |
| CN113892931A (zh) * | 2021-10-14 | 2022-01-07 | 重庆大学 | 一种基于深度学习的fmcw雷达提取分析腹内压力方法 |
| 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 |
| CN114246563A (zh) * | 2021-12-17 | 2022-03-29 | 重庆大学 | 基于毫米波雷达的心肺功能智能监测设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107595243A (zh) * | 2017-07-28 | 2018-01-19 | 深圳和而泰智能控制股份有限公司 | 一种病症评估方法及终端设备 |
| CN108784669A (zh) * | 2018-06-08 | 2018-11-13 | 张洪平 | 一种非接触式心跳及呼吸紊乱监测系统及方法 |
-
2020
- 2020-05-19 CN CN202010427946.1A patent/CN111603138A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107595243A (zh) * | 2017-07-28 | 2018-01-19 | 深圳和而泰智能控制股份有限公司 | 一种病症评估方法及终端设备 |
| CN108784669A (zh) * | 2018-06-08 | 2018-11-13 | 张洪平 | 一种非接触式心跳及呼吸紊乱监测系统及方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112971769A (zh) * | 2021-02-04 | 2021-06-18 | 杭州慧光健康科技有限公司 | 一种基于生物雷达的居家人员摔倒检测系统和方法 |
| CN113126050A (zh) * | 2021-03-05 | 2021-07-16 | 沃尔夫曼消防装备有限公司 | 一种基于神经网络的生命探测方法 |
| CN113050060B (zh) * | 2021-03-25 | 2024-04-26 | 南京敏智达科技有限公司 | 基于稀疏重构与神经网络的生命探测方法及探测装置 |
| CN113050060A (zh) * | 2021-03-25 | 2021-06-29 | 南京敏智达科技有限公司 | 基于稀疏重构与神经网络的生命探测方法及探测装置 |
| CN113288078A (zh) * | 2021-03-29 | 2021-08-24 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及系统 |
| CN113288078B (zh) * | 2021-03-29 | 2024-05-17 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及系统 |
| CN113116342A (zh) * | 2021-04-26 | 2021-07-16 | 上海交通大学 | 一种基于毫米波雷达的生命信号监测方法 |
| 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 |
| CN113892931B (zh) * | 2021-10-14 | 2023-08-22 | 重庆大学 | 一种基于深度学习的fmcw雷达提取分析腹内压力方法 |
| CN113892931A (zh) * | 2021-10-14 | 2022-01-07 | 重庆大学 | 一种基于深度学习的fmcw雷达提取分析腹内压力方法 |
| CN114246563B (zh) * | 2021-12-17 | 2023-11-17 | 重庆大学 | 基于毫米波雷达的心肺功能智能监测设备 |
| CN114246563A (zh) * | 2021-12-17 | 2022-03-29 | 重庆大学 | 基于毫米波雷达的心肺功能智能监测设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111603138A (zh) | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 | |
| Bloch | Polysomnography: a systematic review | |
| JP5155856B2 (ja) | 臨床症状の予測および監視技術 | |
| US8992434B2 (en) | Prediction and monitoring of clinical episodes | |
| Zhu et al. | Real-time monitoring of respiration rhythm and pulse rate during sleep | |
| Choi et al. | Slow-wave sleep estimation on a load-cell-installed bed: a non-constrained method | |
| Mack et al. | A passive and portable system for monitoring heart rate and detecting sleep apnea and arousals: Preliminary validation | |
| CN111466906A (zh) | 穿戴式睡眠监测仪及监测方法 | |
| EP2501277A1 (en) | Apparatus and methods for monitoring heart rate and respiration | |
| Chokroverty et al. | Polysomnographic recording technique | |
| JPH07124126A (ja) | 医療用生体情報検出装置、診断装置および治療装置 | |
| WO2020133536A1 (zh) | 一种睡眠状态判断的方法及装置 | |
| CN104274173A (zh) | 一种基于生物阻抗的穿戴式睡眠呼吸状态监测系统 | |
| CN110477887A (zh) | 一种非入侵式长程呼吸暂停综合征的监测装置 | |
| CN112545547A (zh) | 呼吸音分析方法及呼吸音分析系统 | |
| Kocak et al. | Automated detection and classification of sleep apnea types using electrocardiogram (ECG) and electroencephalogram (EEG) features | |
| CN107569212B (zh) | 一种基于心率检测呼吸睡眠暂停综合征的设备和系统 | |
| Pirbhulal et al. | Analysis of efficient biometric index using heart rate variability for remote monitoring of obstructive sleep apnea | |
| Lubecke et al. | Wireless technologies in sleep monitoring | |
| WO2002036009A1 (fr) | Systeme et procede d'analyse des mouvement du corps | |
| Khatami et al. | Obstructive sleep apnea detection using ECG signal: A survey | |
| Moradhasel et al. | Chin electromyogram, an effectual and useful biosignal for the diagnosis of obstructive sleep apnea | |
| Mainardi et al. | Monitoring the autonomic nervous system in the ICU through cardiovascular variability signals | |
| Deviaene et al. | Sleep Monitoring in Adults Using Wearables and Unobtrusive Technology | |
| Ferroukhi et al. | Robust and reliable PPG and ECG integrated biosensor |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200901 |
|
| RJ01 | Rejection of invention patent application after publication |