CN111904393B - 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
- CN111904393B CN111904393B CN202010784855.3A CN202010784855A CN111904393B CN 111904393 B CN111904393 B CN 111904393B CN 202010784855 A CN202010784855 A CN 202010784855A CN 111904393 B CN111904393 B CN 111904393B
- Authority
- CN
- China
- Prior art keywords
- probability
- analysis module
- monitored object
- blood oxygen
- respiration
- 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
- 201000003462 adenoid hypertrophy Diseases 0.000 title claims abstract description 41
- 230000007958 sleep Effects 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 111
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 73
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 55
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 55
- 239000001301 oxygen Substances 0.000 claims abstract description 55
- 239000008280 blood Substances 0.000 claims abstract description 54
- 210000004369 blood Anatomy 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 230000036760 body temperature Effects 0.000 claims abstract description 17
- 206010020880 Hypertrophy Diseases 0.000 claims abstract description 9
- 230000000762 glandular Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 24
- 210000003128 head Anatomy 0.000 claims description 19
- 208000008454 Hyperhidrosis Diseases 0.000 claims description 17
- 208000008784 apnea Diseases 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 14
- 210000002534 adenoid Anatomy 0.000 claims description 13
- 238000013145 classification model Methods 0.000 claims description 13
- 230000037315 hyperhidrosis Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 230000000241 respiratory effect Effects 0.000 claims description 12
- 210000001061 forehead Anatomy 0.000 claims description 11
- 108010054147 Hemoglobins Proteins 0.000 claims description 10
- 102000001554 Hemoglobins Human genes 0.000 claims description 10
- 230000001815 facial effect Effects 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 208000024891 symptom Diseases 0.000 claims description 8
- 208000001705 Mouth breathing Diseases 0.000 claims description 7
- 241000321096 Adenoides Species 0.000 claims description 6
- 230000005457 Black-body radiation Effects 0.000 claims description 6
- 238000010183 spectrum analysis Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 claims description 3
- 108010064719 Oxyhemoglobins Proteins 0.000 claims description 3
- 235000013405 beer Nutrition 0.000 claims description 3
- 230000004071 biological effect Effects 0.000 claims description 3
- 108010002255 deoxyhemoglobin Proteins 0.000 claims description 3
- 210000003928 nasal cavity Anatomy 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 208000013460 sweaty Diseases 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 208000001797 obstructive sleep apnea Diseases 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 201000002859 sleep apnea Diseases 0.000 description 3
- 230000035900 sweating Effects 0.000 description 3
- 206010021143 Hypoxia Diseases 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 2
- 206010029412 Nightmare Diseases 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000008967 Enuresis Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010020591 Hypercapnia Diseases 0.000 description 1
- 206010022998 Irritability Diseases 0.000 description 1
- 208000001431 Psychomotor Agitation Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 208000032140 Sleepiness Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 208000030303 breathing problems Diseases 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 230000002710 gonadal effect Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 208000018875 hypoxemia Diseases 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 210000003563 lymphoid tissue Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000037321 sleepiness Effects 0.000 description 1
- 210000001584 soft palate Anatomy 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 238000007483 tonsillectomy Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- A61B5/01—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—Measuring 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or 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)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Pulmonology (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；
黑体辐射公式为：
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；
黑体辐射公式为：
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 (9)
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。
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。
4.根据权利要求3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；
黑体辐射公式为：
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。
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，所述呼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，
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。
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 CN111904393A (zh) | 2020-11-10 |
| CN111904393B true 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) |
Families Citing this family (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 |
| CN115281629B (zh) * | 2022-09-28 | 2023-04-25 | 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 (5)
| 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101868782B1 (ko) * | 2016-10-28 | 2018-07-23 | 아주대학교산학협력단 | 가스 영상 탐지 방법을 이용한 호흡 분석 시스템 |
| CN111904424B (zh) * | 2020-08-06 | 2021-08-24 | 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 (5)
| 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 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 儿童腺样体肥大引发睡眠呼吸暂停综合征临床症状分析;孙瑶 等;《世界睡眠医学杂志》;20141231;第1卷(第6期);第361-364页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111904393A (zh) | 2020-11-10 |
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 | |
| US11998347B2 (en) | Sleep apnea detection system and method | |
| Van de Water et al. | Objective measurements of sleep for non‐laboratory settings as alternatives to polysomnography–a systematic review | |
| US7593767B1 (en) | Ambulatory sleepiness and apnea propensity evaluation system | |
| Burgos et al. | Real-time detection of apneas on a PDA | |
| CN115209801A (zh) | 睡眠呼吸暂停检测系统和方法 | |
| 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 | |
| CN112806966B (zh) | 一种非干扰式睡眠中呼吸暂停预警系统 | |
| Zhang et al. | Rass: A portable real-time automatic sleep scoring system | |
| Bertoni et al. | Towards patient-centered diagnosis of pediatric obstructive sleep apnea—a review of biomedical engineering strategies | |
| 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 | |
| Huang et al. | A Wearable Functional Near-Infrared Spectroscopy (fNIRS) System for Obstructive Sleep Apnea Assessment | |
| Chyad et al. | A survey on detection and prediction methods for sleep apnea | |
| CN115998252A (zh) | 一种睡眠呼吸暂停的监测方法 | |
| Bello et al. | Computer aided detection of obstructive sleep apnea from EEG signals | |
| Ríos et al. | An automatic apnea screening algorithm for children | |
| Iqubal et al. | Home-based monitoring and alert system for Sleep Apnea patients | |
| Guo et al. | OSAHS Detection Capabilities of RingConn Smart Ring: A Feasibility Study | |
| Maritsa et al. | Audio-based wearable multi-context recognition system for apnea detection | |
| Reddy | An Efficient Method to Detect Sleep Apnea | |
| Maritsa et al. | Apnea and Sleeping-state Recognition by Combination Use of Openair/Contact Microphones | |
| Tang et al. | An OSAHS Detection Method Based on Genetic Algorithm for Parameter Optimization | |
| Khudair et al. | Evaluation of obstructive sleep apnea based on a statistical analysis of the respiratory events in iraqi individuals | |
| Lateef et al. | Review of wireless Polysomnography System | |
| TWI784513B (zh) | 基於心電圖延後反應的呼吸暫停事件偵測方法 |
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 |