CN111904393A - 具有腺样体肥大概率判断功能的智能儿童睡眠监测系统 - Google Patents
具有腺样体肥大概率判断功能的智能儿童睡眠监测系统 Download PDFInfo
- Publication number
- CN111904393A CN111904393A CN202010784855.3A CN202010784855A CN111904393A CN 111904393 A CN111904393 A CN 111904393A CN 202010784855 A CN202010784855 A CN 202010784855A CN 111904393 A CN111904393 A CN 111904393A
- Authority
- CN
- China
- Prior art keywords
- probability
- analysis module
- monitored object
- blood oxygen
- event
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- 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
- A61B5/4803—Speech analysis specially adapted 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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Pulmonology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (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)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,包括:点阵红外摄像头、麦克风阵列、近红外LED光源、睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块以及腺样体肥大概率综合判断模块。本发明的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,区别于现有睡眠监测产品,能针对儿童进行居家睡眠监测,以判断儿童腺样体肥大的概率,为家长和医生提供客观参考,使得具备手术指征的儿童能够及时得到治疗;本发明采用无接触的方式进行多参数监测,既能克服现有监测设备需佩戴而影响舒适性的缺陷,又能通过综合多种参数进行分析而提升监测结果的全面性和准确性。
Description
技术领域
本发明涉及睡眠监测技术领域,特别涉及一种具有腺样体肥大概率判断功能的智能儿童睡眠监测系统。
背景技术
儿童阻塞型睡眠呼吸暂停低通气综合征(OSAHS)常见症状有夜间打鼾、张口呼吸、反复呼吸暂停及频繁觉醒,常有梦魇、多汗、惊恐及遗尿。白天多表现为晨起头痛、嗜睡、烦燥、易激惹、注意力不集中,甚至性格、行为异常。患儿生长发育不同程度落后于同龄儿。严重的低氧血症、高碳酸血症还会引起心血管并发症,危及患儿生命。研究表明,在同样的气道压下OSAHS患儿中约57%首先在腺样体平面发生阻塞,余43%首发部位在软腭及软腭以下水平,说明腺样体增生肥大(简称AH)是儿童OSAHS特有的和最常见的原因。腺样体扁桃体摘除术治疗儿童OSAHS的有效率达90%。患儿手术后临床症状明显改善,可恢复正常的生长发育和行为性格。病理性腺样体肥大导致的儿童OSAHS严重影响儿童的睡眠结构,进而影响儿童的身心健康。
约有10%的儿童患有腺样体肥大,46.6%的肥胖儿童有睡眠呼吸问题。但由于家长缺乏相关意识,医院睡眠监测复杂而痛苦,手术需要全麻,且费用昂贵(万元左右),大部分儿童AH患者没有得到及时诊治,或耽误了最佳手术时间。腺样体是淋巴组织,在没有受到炎症刺激下也有一定体积,而往往去做检查时都有炎症刺激,这个时候检查出腺样体肥大占位二分一到五分之四都是正常的,肿大是必然的。轻中度AH是否应做手术在医学界尚无定论,但是专家共识认为,如果AH已经开始影响睡眠,建议手术治疗。其他非监测类手段如调查问卷,敏感度和准确率仅有78%和72%。因此在做手术决定时,一般要基于客观监测。但现在医院监测设备不足,佩戴极为不舒适且噪声大;相比来讲,居家监测具有更大的优势,但目前居家睡眠监测产品如智能床垫,一般只考虑成人,对儿童监测缺乏针对性,不适合用于儿童。因种种原因导致目前很多患者因没有得到及时的监测,而未进行手术治疗,使目前国内儿童腺样体肥大治疗率很低。
所以现在需要一种可靠的方案,能对儿童进行居家睡眠监测,以判断儿童腺样体肥大的概率。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种具有腺样体肥大概率判断功能的智能儿童睡眠监测系统。
为解决上述技术问题,本发明采用的技术方案是:具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,包括:点阵红外摄像头、麦克风阵列、近红外LED光源、睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块以及腺样体肥大概率综合判断模块;
所述睡姿与口鼻呼吸分析模块与所述点阵红外摄像头数据连接,所述睡姿与口鼻呼吸分析模块通过所述点阵红外摄像头获得的被监测对象的红外图像数据判断被监测对象出现口呼吸事件的概率和/或频繁睡姿改变事件的概率;
所述体温分析模块与所述点阵红外摄像头数据连接,所述体温分析模块通过所述点阵红外摄像头获得被监测对象的额头温度数据,从而判断被监测对象出现头部多汗事件的概率;
所述呼吸声学分析模块与所述麦克风阵列数据连接,所述呼吸声学分析模块通过对所述麦克风阵列获得的被监测对象的睡眠呼吸声学信号进行声谱分析,从而判断被监测对象出现呼吸暂停事件的概率;
所述血氧分析模块与所述点阵红外摄像头、近红外LED光源均数据连接;所述血氧分析模块控制所述近红外LED光源向被监测对象发射近红外光,再通过所述点阵红外摄像头采集被监测对象的裸露皮肤反射的红外光,然后计算出被监测对象的氧血红蛋白或脱氧血红蛋白含量,从而判断被监测对象出现血氧含量降低事件的概率;
所述腺样体肥大概率综合判断模块接收所述睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块均的分析结果,然后综合口呼吸事件、频繁睡姿改变事件、头部多汗事件、呼吸暂停事件及血氧含量降低事件出现的概率,最终判断被监测对象患有腺样体肥大的概率。
优选的是,所述睡姿与口鼻呼吸分析模块对所述点阵红外摄像头获得的被监测对象的红外图像数据进行面部识别,获得被监测对象的面部构造分析结果;
所述睡姿与口鼻呼吸分析模块通过对被监测对象的红外图像数据进行分析,判断被监测对象的呼吸气流方向、气流量大小以及流速,然后结合被监测对象的面部构造分析结果判断气流是从口部还是鼻腔呼出,最终判断出现口呼吸事件的概率。
优选的是,所述睡姿与口鼻呼吸分析模块对所述点阵红外摄像头获得的被监测对象的红外图像数据进行记录与识别,计算一定时间内被监测对象翻身的次数,从而判断出现频繁睡姿改变事件的概率。
优选的是,所述体温分析模块控制所述点阵红外摄像头采集被监测对象额头处的红外图像,再结合该红外图像依据黑体辐射公式,计算出被监测对象额头处的温度,从而则判断出现头部多汗事件的概率;
其中,I为辐射能量密度,h为普朗克常数,c为光速,k为玻尔兹曼常数,T为温度。
优选的是,所述呼吸声学分析模块构建为具备机器学习功能的基于卷积网络的呼吸模式分类模型;
所述麦克风阵列采集被监测对象的睡眠呼吸声学信号,所述吸模式分类模型对该睡眠呼吸声学信号进行声谱分析,从而判断被监测对象出现呼吸暂停事件的概率。
优选的是,所述呼吸模式分类模型包括卷积神经网络CNN、长短记忆网络LSTM、LSTM层、全连接层以及sotfmax函数。
优选的是,所述血氧分析模块控制所述近红外LED光源每ΔT分钟开启一次,每次开启时间t秒,照射被监测对象;同时,所述血氧分析模块控制所述点阵红外摄像头采集被监测对象的裸露皮肤反射的红外光;
所述血氧分析模块根据被监测对象的裸露皮肤反射的红外光信号,通过比尔郎伯定律计算血氧含量,具体公式如下:
其中,Ireflect为反射光强,I0为入射光强,ε为摩尔吸收系数,与波长和生物体性质相关,C为含氧血红蛋白或脱氧血红蛋白含量,l为有效光程;
所述血氧分析模块再统计一定时间内血氧含量的计算结果,从而判断被监测对象出现血氧含量降低事件的概率。
优选的是,所述点阵红外摄像头至少具备180°扫射功能,可追踪被监测对象的裸露皮肤进行图像采集。
优选的是,其中,所述近红外LED光源可发出至少包括780nm和830nm两种波长的近红外光;
所述ΔT为3-5,t为10-20。
优选的是,所述腺样体肥大概率综合判断模块接收所述睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块均的分析结果,然后统计口呼吸事件、频繁睡姿改变事件、头部多汗事件、呼吸暂停事件及血氧含量降低事件各自的概率,再利用以下公式计算出被监测对象患有腺样体肥大的概率;具体公式为:
其中,n=5,P(Ak)为独立症状的概率,具体的,P(A1)表示口呼吸事件的概率、P(A2)表示频繁睡姿改变事件的概率、P(A3)表示头部多汗事件的概率、P(A4)表示呼吸暂停事件的概率、P(A5)表示血氧含量降低事件的概率;
P(B)为腺样体肥大的概率,P(B|Ak)为腺样体肥大下独立症状的概率。
本发明的有益效果是:
本发明的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,区别于现有睡眠监测产品,能针对儿童进行居家睡眠监测,以判断儿童腺样体肥大的概率,为家长和医生提供客观参考,使得具备手术指征的儿童能够及时得到治疗;
本发明采用无接触的方式进行多参数监测,既能克服现有监测设备需佩戴而影响舒适性的缺陷,又能通过综合多种参数进行分析而提升监测结果的全面性和准确性。
附图说明
图1为本发明的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统的原理图;
图2为本发明的呼吸模式分类模型的结构示意图;
图3为含氧血红蛋白和脱氧血红蛋白对近红外光的吸收谱。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
如图1所示,本实施例的一种具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,包括:点阵红外摄像头、麦克风阵列、近红外LED光源、睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块以及腺样体肥大概率综合判断模块;
睡姿与口鼻呼吸分析模块与点阵红外摄像头数据连接,睡姿与口鼻呼吸分析模块通过点阵红外摄像头获得的被监测对象的红外图像数据判断被监测对象出现口呼吸事件的概率和/或频繁睡姿改变事件的概率;
体温分析模块与点阵红外摄像头数据连接,体温分析模块通过点阵红外摄像头获得被监测对象的额头温度数据,从而判断被监测对象出现头部多汗事件的概率;
呼吸声学分析模块与麦克风阵列数据连接,呼吸声学分析模块通过对麦克风阵列获得的被监测对象的睡眠呼吸声学信号进行声谱分析,从而判断被监测对象出现呼吸暂停事件的概率;
血氧分析模块与点阵红外摄像头、近红外LED光源均数据连接;血氧分析模块控制近红外LED光源向被监测对象发射近红外光,再通过点阵红外摄像头采集被监测对象的裸露皮肤反射的红外光,然后计算出被监测对象的氧血红蛋白或脱氧血红蛋白含量,从而判断被监测对象出现血氧含量降低事件的概率;
腺样体肥大概率综合判断模块接收睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块均的分析结果,然后综合口呼吸事件、频繁睡姿改变事件、头部多汗事件、呼吸暂停事件及血氧含量降低事件出现的概率,最终判断被监测对象患有腺样体肥大的概率。
本发明中通过结合睡姿与口鼻呼吸分析、体温分析、呼吸声学分析、血氧分析模的分析结果,来综合判断被监测对象患有腺样体肥大的概率,从多个指征进行监测,从而能提升监测结果的全面性和准确性,为儿童患有腺样体肥大的概率提供具体的数据参考,为家长和医生提供客观参考,判断是否需要进行手术,从而可使得具备手术指征的儿童能够及时得到治疗。
1、睡姿与口鼻呼吸分析
由于呼吸不畅,腺样体肥大的儿童一般选择侧卧睡姿,与此同时头部往往会不自觉后仰,张口呼吸,与此同时,频繁的睡姿改变也说明出现了梦魇或浅睡眠状态,也属于腺样体肥大的指征。头部在睡眠中一般处于裸露状态,通过点阵红外摄像头可采集头部的图像。
本实施例中,睡姿与口鼻呼吸分析模块对点阵红外摄像头获得的被监测对象的红外图像数据进行面部识别,获得被监测对象的面部构造分析结果;睡姿与口鼻呼吸分析模块通过对被监测对象的红外图像数据进行分析,判断被监测对象的呼吸气流方向、气流量大小以及流速,然后结合被监测对象的面部构造分析结果判断气流是从口部还是鼻腔呼出,最终判断出现口呼吸事件的概率。(由于每次呼吸的通气量基本一致,口呼吸和鼻腔呼吸最大的区别在于热气流形态。口呼吸由于通路直径大,形成一个团状,传播方向性不强;鼻腔呼吸气流速度相对较快,方向性强,为两个近似柱状信号,在较远的距离产生扩散。所以可通过计算呼吸气流的形态及各向异性指标来更准确的判断呼吸模式)
进一步的,睡姿与口鼻呼吸分析模块对点阵红外摄像头获得的被监测对象的红外图像数据进行记录与识别,计算一定时间内被监测对象翻身的次数,从而判断出现频繁睡姿改变事件的概率。
2、体温分析
腺样体肥大容易造成入睡呼吸不畅,为增加躯体供氧量,交感神经持续兴奋,在心率升高的同时,造成头部大范围出汗(与环境温度关系不大),额头出汗导致温度降低。从而通过测量额头温度可表征是否出现头部多汗。
本实施例中,体温分析模块控制点阵红外摄像头采集被监测对象额头处的红外图像,再结合该红外图像依据黑体辐射公式,计算出被监测对象额头处的温度,从而则判断出现头部多汗事件的概率;
其中,I为辐射能量密度,h为普朗克常数,c为光速,k为玻尔兹曼常数,T为温度。(即通过红外图像可得出I值,带入以上公式即可得出温度T)
3、呼吸声学分析
麦克风阵列为高清麦克风阵列,可记录呼吸声学信号,呼吸暂停有明显的声谱特征,所以通过呼吸声学分析可判断呼吸暂停的概率。
本实施例中,呼吸声学分析模块构建为具备机器学习功能的基于卷积网络的呼吸模式分类模型;麦克风阵列采集被监测对象的睡眠呼吸声学信号,吸模式分类模型对该睡眠呼吸声学信号进行声谱分析,从而判断被监测对象出现呼吸暂停事件的概率。
在一种优选的实施例中,呼吸声学分析模块还可结合吸模式分类模型的分析结果与睡姿与口鼻呼吸分析模块得到的面部构造分析结果进行结合分析,从而判断呼吸暂停事件的概率,以进一步提高判断准确性。
在一种可选的实施例中,呼吸模式分类模型还可判断口呼吸事件的概率,该判断结果可作为睡姿与口鼻呼吸分析模块的参考,以形成更为准确的口呼吸事件判断结果。
在一种可选的实施例中,呼吸模式分类模型包括卷积神经网络CNN、长短记忆网络LSTM、LSTM层、全连接层以及sotfmax函数。预先采集睡眠呼吸暂停的声学信号,并提取声谱特征,作为呼吸模式分类模型的机器学习训练数据,以此为参考,对输入的睡眠呼吸声学信号进行分类,判断呼吸暂停事件的概率。本实施例中,输入的睡眠呼吸声学信号先经卷积神经网络CNN提取声谱特征(本实施例中的CNN包括2组卷积层、池化层单元,输入信号先经第一组中卷积层提取主要特征、池化层不断地减小数据的空间大小,控制参数的数量和计算量,在一定程度上控制了过拟合,然后进入下一组的卷积层、池化层),然后进入长短记忆网络LSTM对声谱进行定性分析,接着经过LSTM层、2个全连接层、sotfmax函数后输出分类结果,判断出呼吸暂停事件的概率。
4、血氧分析
腺样体肥大容易造成间歇性缺氧,当血氧含量低于90%时,对身体产生巨大的伤害,睡眠期间血氧的降低及持续时间是手术指征之一。由于血氧变化较为缓慢,不需要逐秒测量,因此只要能达到约2%的准确度,每3-5分钟进行一次测量即可。近红外光是介于可见光和中红外光之间的电磁波,肉眼很难判断其强度(非可见光),因此间断性的使用LED近红外光不会影响睡眠。
本实施例中,血氧分析模块控制近红外LED光源每3-5分钟开启一次,每次开启时间10-20秒,照射被监测对象;同时,血氧分析模块控制点阵红外摄像头采集被监测对象的裸露皮肤反射的红外光;
其中,近红外LED光源可发出780nm和830nm两种波长的近红外光,点阵红外摄像头至少具备180°扫射功能,可追踪被监测对象的裸露皮肤进行图像采集;
血氧分析模块根据被监测对象的裸露皮肤反射的红外光信号,通过比尔郎伯定律计算血氧含量,具体公式如下:
其中,Ireflect为反射光强,I0为入射光强,ε为摩尔吸收系数,与波长和生物体性质相关,C为含氧血红蛋白或脱氧血红蛋白含量,l为有效光程;
血氧分析模块再统计一定时间内血氧含量的计算结果,从而判断被监测对象出现血氧含量降低事件的概率。
参照图3,为含氧血红蛋白和脱氧血红蛋白对近红外光的吸收谱。横轴为近红外波长,纵轴为各成分在相应波长的吸收率。由于各成分在不同波长的吸收率不同,可通过3个波长的光对血氧(HbO2/(HbO2+Hb)*100%)进行较为准确的拟合。由于绝大多数情况下,水的相对含量不变,因此,可采用2波长对血氧进行拟合。
5、综合判断
通过多参数测量,判断多个与腺样体肥大密切相关的指征事件的概率,结合分析,最终得出腺样体肥大概率的判断结果,以提高中重度腺样体肥大儿童的检出率。
本实施例中,采用贝叶斯模型对多个指征事件进行概率分析,具体的,腺样体肥大概率综合判断模块接收睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块均的分析结果,然后统计口呼吸事件、频繁睡姿改变事件、头部多汗事件、呼吸暂停事件及血氧含量降低事件各自的概率,再利用以下公式计算出被监测对象患有腺样体肥大的概率;具体公式为:
其中,n=5,P(Ak)为独立症状的概率,具体的,P(A1)表示口呼吸事件的概率、P(A2)表示频繁睡姿改变事件的概率、P(A3)表示头部多汗事件的概率、P(A4)表示呼吸暂停事件的概率、P(A5)表示血氧含量降低事件的概率;
P(B)为腺样体肥大的概率,P(B|Ak)为腺样体肥大下独立症状的概率。
通过结合多个参数进行概率分析,能提升判断结果的全面性和准确性,能为儿童患有腺样体肥大的概率提供具体的数据参考,为家长和医生提供客观参考,判断是否需要进行手术,从而可使得具备手术指征的儿童能够及时得到治疗。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (10)
1.一种具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,包括:点阵红外摄像头、麦克风阵列、近红外LED光源、睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块以及腺样体肥大概率综合判断模块;
所述睡姿与口鼻呼吸分析模块与所述点阵红外摄像头数据连接,所述睡姿与口鼻呼吸分析模块通过所述点阵红外摄像头获得的被监测对象的红外图像数据判断被监测对象出现口呼吸事件的概率和/或频繁睡姿改变事件的概率;
所述体温分析模块与所述点阵红外摄像头数据连接,所述体温分析模块通过所述点阵红外摄像头获得被监测对象的额头温度数据,从而判断被监测对象出现头部多汗事件的概率;
所述呼吸声学分析模块与所述麦克风阵列数据连接,所述呼吸声学分析模块通过对所述麦克风阵列获得的被监测对象的睡眠呼吸声学信号进行声谱分析,从而判断被监测对象出现呼吸暂停事件的概率;
所述血氧分析模块与所述点阵红外摄像头、近红外LED光源均数据连接;所述血氧分析模块控制所述近红外LED光源向被监测对象发射近红外光,再通过所述点阵红外摄像头采集被监测对象的裸露皮肤反射的红外光,然后计算出被监测对象的氧血红蛋白或脱氧血红蛋白含量,从而判断被监测对象出现血氧含量降低事件的概率;
所述腺样体肥大概率综合判断模块接收所述睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块均的分析结果,然后综合口呼吸事件、频繁睡姿改变事件、头部多汗事件、呼吸暂停事件及血氧含量降低事件出现的概率,最终判断被监测对象患有腺样体肥大的概率。
2.根据权利要求1所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,所述睡姿与口鼻呼吸分析模块对所述点阵红外摄像头获得的被监测对象的红外图像数据进行面部识别,获得被监测对象的面部构造分析结果;
所述睡姿与口鼻呼吸分析模块通过对被监测对象的红外图像数据进行分析,判断被监测对象的呼吸气流方向、气流量大小以及流速,然后结合被监测对象的面部构造分析结果判断气流是从口部还是鼻腔呼出,最终判断出现口呼吸事件的概率。
3.根据权利要求2所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,所述睡姿与口鼻呼吸分析模块对所述点阵红外摄像头获得的被监测对象的红外图像数据进行记录与识别,计算一定时间内被监测对象翻身的次数,从而判断出现频繁睡姿改变事件的概率。
5.根据权利要求4所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,所述呼吸声学分析模块构建为具备机器学习功能的基于卷积网络的呼吸模式分类模型;
所述麦克风阵列采集被监测对象的睡眠呼吸声学信号,所述吸模式分类模型对该睡眠呼吸声学信号进行声谱分析,从而判断被监测对象出现呼吸暂停事件的概率。
6.根据权利要求5所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,所述呼吸模式分类模型包括卷积神经网络CNN、长短记忆网络LSTM、LSTM层、全连接层以及sotfmax函数。
7.根据权利要求6所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,所述血氧分析模块控制所述近红外LED光源每ΔT分钟开启一次,每次开启时间t秒,照射被监测对象;同时,所述血氧分析模块控制所述点阵红外摄像头采集被监测对象的裸露皮肤反射的红外光;
所述血氧分析模块根据被监测对象的裸露皮肤反射的红外光信号,通过比尔郎伯定律计算血氧含量,具体公式如下:
其中,Ireflect为反射光强,I0为入射光强,ε为摩尔吸收系数,与波长和生物体性质相关,C为含氧血红蛋白或脱氧血红蛋白含量,l为有效光程;
所述血氧分析模块再统计一定时间内血氧含量的计算结果,从而判断被监测对象出现血氧含量降低事件的概率。
8.根据权利要求7所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,所述点阵红外摄像头至少具备180°扫射功能,可追踪被监测对象的裸露皮肤进行图像采集。
9.根据权利要求7所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,其中,所述近红外LED光源可发出至少包括780nm和830nm两种波长的近红外光;
所述ΔT为3-5,t为10-20。
10.根据权利要求7所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统,其特征在于,所述腺样体肥大概率综合判断模块接收所述睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块均的分析结果,然后统计口呼吸事件、频繁睡姿改变事件、头部多汗事件、呼吸暂停事件及血氧含量降低事件各自的概率,再利用以下公式计算出被监测对象患有腺样体肥大的概率;具体公式为:
其中,n=5,P(Ak)为独立症状的概率,具体的,P(A1)表示口呼吸事件的概率、P(A2)表示频繁睡姿改变事件的概率、P(A3)表示头部多汗事件的概率、P(A4)表示呼吸暂停事件的概率、P(A5)表示血氧含量降低事件的概率;
P(B)为腺样体肥大的概率,P(B|Ak)为腺样体肥大下独立症状的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784855.3A CN111904393B (zh) | 2020-08-06 | 2020-08-06 | 具有腺样体肥大概率判断功能的智能儿童睡眠监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784855.3A CN111904393B (zh) | 2020-08-06 | 2020-08-06 | 具有腺样体肥大概率判断功能的智能儿童睡眠监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111904393A true CN111904393A (zh) | 2020-11-10 |
CN111904393B CN111904393B (zh) | 2021-08-06 |
Family
ID=73286522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010784855.3A Active CN111904393B (zh) | 2020-08-06 | 2020-08-06 | 具有腺样体肥大概率判断功能的智能儿童睡眠监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111904393B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114246578A (zh) * | 2022-03-01 | 2022-03-29 | 季华实验室 | 腺样体肥大初筛装置、系统以及终端设备 |
CN115281629A (zh) * | 2022-09-28 | 2022-11-04 | 慕思健康睡眠股份有限公司 | 一种方便操作的家用睡眠参数监测设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013066642A1 (en) * | 2011-10-19 | 2013-05-10 | Scanadu Incorporated | Automated personal medical diagnostic system, method, and arrangement |
CN103690168A (zh) * | 2013-12-31 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 阻塞型睡眠呼吸暂停综合征检测方法及系统 |
CN104545818A (zh) * | 2015-01-29 | 2015-04-29 | 吉林大学 | 一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法 |
CN106580294A (zh) * | 2016-12-30 | 2017-04-26 | 上海交通大学 | 基于多模态成像技术的生理信号远程监控系统及应用 |
CN107205659A (zh) * | 2015-01-28 | 2017-09-26 | 三星电子株式会社 | 用于改善与监视睡眠的方法和装置 |
US20190274621A1 (en) * | 2016-10-28 | 2019-09-12 | Ajou University Industry-Academic Cooperation Foundation | Breath analysis system using gas image detection method |
CN111904424A (zh) * | 2020-08-06 | 2020-11-10 | 苏州国科医工科技发展(集团)有限公司 | 基于相阵麦克风的睡眠监测及调控系统 |
-
2020
- 2020-08-06 CN CN202010784855.3A patent/CN111904393B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013066642A1 (en) * | 2011-10-19 | 2013-05-10 | Scanadu Incorporated | Automated personal medical diagnostic system, method, and arrangement |
CN103690168A (zh) * | 2013-12-31 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 阻塞型睡眠呼吸暂停综合征检测方法及系统 |
CN107205659A (zh) * | 2015-01-28 | 2017-09-26 | 三星电子株式会社 | 用于改善与监视睡眠的方法和装置 |
CN104545818A (zh) * | 2015-01-29 | 2015-04-29 | 吉林大学 | 一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法 |
US20190274621A1 (en) * | 2016-10-28 | 2019-09-12 | Ajou University Industry-Academic Cooperation Foundation | Breath analysis system using gas image detection method |
CN106580294A (zh) * | 2016-12-30 | 2017-04-26 | 上海交通大学 | 基于多模态成像技术的生理信号远程监控系统及应用 |
CN111904424A (zh) * | 2020-08-06 | 2020-11-10 | 苏州国科医工科技发展(集团)有限公司 | 基于相阵麦克风的睡眠监测及调控系统 |
Non-Patent Citations (1)
Title |
---|
孙瑶 等: "儿童腺样体肥大引发睡眠呼吸暂停综合征临床症状分析", 《世界睡眠医学杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114246578A (zh) * | 2022-03-01 | 2022-03-29 | 季华实验室 | 腺样体肥大初筛装置、系统以及终端设备 |
CN115281629A (zh) * | 2022-09-28 | 2022-11-04 | 慕思健康睡眠股份有限公司 | 一种方便操作的家用睡眠参数监测设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111904393B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4809779B2 (ja) | 呼吸に現れる臨床的発症の予測及びモニタリング技術 | |
Pang et al. | Screening for obstructive sleep apnea: an evidence-based analysis | |
US7593767B1 (en) | Ambulatory sleepiness and apnea propensity evaluation system | |
Burgos et al. | Real-time detection of apneas on a PDA | |
US11998347B2 (en) | Sleep apnea detection system and method | |
CN111904393B (zh) | 具有腺样体肥大概率判断功能的智能儿童睡眠监测系统 | |
CN115209801A (zh) | 睡眠呼吸暂停检测系统和方法 | |
CN112806966B (zh) | 一种非干扰式睡眠中呼吸暂停预警系统 | |
Kholghi et al. | A validation study of a ballistocardiograph sleep tracker against polysomnography | |
Zhang et al. | Rass: A portable real-time automatic sleep scoring system | |
CN113633260A (zh) | 多导睡眠监测方法、监测仪、计算机设备及可读存储介质 | |
Bertoni et al. | Towards patient-centered diagnosis of pediatric obstructive sleep apnea—a review of biomedical engineering strategies | |
Chyad et al. | A survey on detection and prediction methods for sleep apnea | |
Ríos et al. | An automatic apnea screening algorithm for children | |
Iqubal et al. | Home-based monitoring and alert system for Sleep Apnea patients | |
Huang et al. | A Wearable Functional Near-Infrared Spectroscopy (fNIRS) System for Obstructive Sleep Apnea Assessment | |
Reddy | An Efficient Method to Detect Sleep Apnea | |
TWI837948B (zh) | 可偵測完整呼吸暫停與不足事件的方法 | |
He et al. | An approach to sleep apnea syndrome detection based on change characteristics of blood oxygen saturation and pulse rate | |
TWI784513B (zh) | 基於心電圖延後反應的呼吸暫停事件偵測方法 | |
Khudair et al. | Evaluation of obstructive sleep apnea based on a statistical analysis of the respiratory events in iraqi individuals | |
Tang et al. | An OSAHS Detection Method Based on Genetic Algorithm for Parameter Optimization | |
Azimi | Pressure Sensitive Mat: An Alternative Sensor to Detect Sleep-Related Breathing Disorders | |
Chyad et al. | A sleep apnea system based on heart rate and SpO2 measurements: Performance validation | |
Nishida et al. | Estimation of Oxygen Desaturation by Analyzing Breath Curve |
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 |