CN112294264A - 一种基于bcg与血氧饱和率的睡眠分期方法 - Google Patents
一种基于bcg与血氧饱和率的睡眠分期方法 Download PDFInfo
- Publication number
- CN112294264A CN112294264A CN202011196278.2A CN202011196278A CN112294264A CN 112294264 A CN112294264 A CN 112294264A CN 202011196278 A CN202011196278 A CN 202011196278A CN 112294264 A CN112294264 A CN 112294264A
- Authority
- CN
- China
- Prior art keywords
- sleep
- bcg
- oxygen saturation
- blood oxygen
- method based
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- 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)
- 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)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (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BCG与血氧饱和率的睡眠分期方法,该睡眠分期方法包括以下步骤:采集整晚的BCG数据和血氧饱和度数据;从BCG信号中提取JJ间隔,获取心率信号及心率变异性;对BCG信号进行处理,得到呼吸率信号,计算心肺耦合功率谱;建立睡眠过程的状态集合S={S1,S2,S3,S4};本发明一种基于BCG与血氧饱和率的睡眠分期方法,本方法可以提高非接触式信息采集的睡眠分期的精确程度,并通过心肺耦合功率谱的方式提取清醒状态的特征、机器学习聚类分析方法优化睡眠分期训练,提高睡眠分期的精确程度,帮助用户能够在无感的环境下获取睡眠状态的准确检查结果。
Description
技术领域
本发明属于睡眠技术领域,特别涉及一种基于BCG与血氧饱和率的睡眠分期方法。
背景技术
随着社会经济的快速发展,人们对健康状况越来越关注。睡眠是人最重要的生理活动之一,睡眠质量的好坏直接或间接地影响人体的健康发展,由于快节奏的生活、压力以及不良的生活习惯等,使更多的人患有睡眠疾病,因此,对睡眠开展监测和评估就显得十分重要。
通过睡眠监测可以得到睡眠分期信号,准确的睡眠分期能够帮助人们正确认识自身的睡眠结构、了解睡眠质量。传统的睡眠分期通常采用多导睡眠仪(Polysomnography,PSG)实现,PSG通过记录、分析全夜睡眠过程中的脑电、心电、肌电、血氧饱和度、呼吸气流、胸部呼吸、腹部呼吸等多种人体生理信号变化实现睡眠分期,采用PSG实现睡眠分期的准确度较高,但PSG要求患者在睡眠监测实验室过夜,需由专业受训人员进行操作,数据需由仪器初步自动分析后由人工判读。并且PSG数据采集时需要佩戴许多导线,舒适感差,影响睡眠质量;
因此为了达到简便评估睡眠状态的目的,近年来,现有技术发展出许多基于脑电、心电、体动、脉搏波等的可穿戴睡眠监测设备。这些可穿戴设备安全可靠、小巧方便、操作简单、舒适感较好、对人体睡眠干扰少,可减少睡眠环境改变对检测结果产生的影响,例如能够感知微弱震动信号的光纤传感器或压电传感器。
通过光纤或压电传感器采集到BCG(心冲击图)信号后,需提取与睡眠分期密切相关的JJ间期的时域特征和频域特征,然后采用机器学习的方法进行睡眠分期。
但现有技术中多是基于心电信号(ECG)的睡眠分期方法,一是ECG需要接触的方式来获取信号,一是睡眠分期的精度比较难提高。因此,如何对BCG特征进行筛选和优化,如何选择合适的数据处理方法和机器学习算法,从而提高睡眠分期的准确度,是目前研究的关键。
为此,我们提出一种基于BCG与血氧饱和率的睡眠分期方法。
发明内容
本发明的主要目的在于提供一种基于BCG与血氧饱和率的睡眠分期方法,可以有效解决背景技术中的问题。
为实现上述目的,本发明采取的技术方案为:一种基于BCG与血氧饱和率的睡眠分期方法,该睡眠分期方法包括以下步骤:
步骤一、采集整晚的BCG数据和血氧饱和度数据;
步骤二、从BCG信号中提取JJ间隔,获取心率信号及心率变异性;
步骤三、对BCG信号进行处理,得到呼吸率信号,计算心肺耦合功率谱;
步骤四、建立睡眠过程的状态集合S={S1,S2,S3,S4},基于滑动窗口对心肺耦合功率谱进行清醒特征提取,从而完成S1“清醒状态”及时间范围的判断;
步骤五、对非清醒状态以外的心肺耦合功率谱以及血氧饱和率分别进行支持向量机的聚类分析,进行睡眠分期训练,最终获得睡眠过程中的分期结果。
优选的,从BCG信号中提取JJ间隔具体过程为:
S1:使用小波变换除去BCG信号中的噪音;
S2:基于滑动窗口进行J波峰值点检测,识别所有的波峰点;
S3:将获取到的J波峰值点的横坐标连续后一峰值点坐标减去前一峰值点坐标,得到JJ间期;
S4:利用基于3sigma准则进行JJ间期的错检和漏检。
优选的,S1为清醒状态,S2为快速眼动期,S3为浅睡期,S4为深睡期。
优选的,快速眼动期在睡眠过程中有一段时间,脑电波频率变快,振幅变低。
优选的,所述快速眼动期心率减慢、血压下降、新陈代谢缓慢、呼吸次数减少。
与现有技术相比,本发明具有如下有益效果:本发明一种基于BCG与血氧饱和率的睡眠分期方法,本方法可以提高非接触式信息采集的睡眠分期的精确程度,并通过心肺耦合功率谱的方式提取清醒状态的特征、机器学习聚类分析方法优化睡眠分期训练,提高睡眠分期的精确程度,帮助用户能够在无感的环境下获取睡眠状态的准确检查结果。
附图说明
图1为本发明一种基于BCG与血氧饱和率的睡眠分期方法的流程图;
图2为本发明一种基于BCG与血氧饱和率的睡眠分期方法的心肺耦合功率谱图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1-2所示,本发明采取的技术方案为:一种基于BCG与血氧饱和率的睡眠分期方法,该睡眠分期方法包括以下步骤:
步骤一、采集整晚的BCG数据和血氧饱和度数据;
步骤二、从BCG信号中提取JJ间隔,获取心率信号及心率变异性;
步骤三、对BCG信号进行处理,得到呼吸率信号,计算心肺耦合功率谱;
步骤四、建立睡眠过程的状态集合S={S1,S2,S3,S4},基于滑动窗口对心肺耦合功率谱进行清醒特征提取,从而完成S1“清醒状态”及时间范围的判断;
步骤五、对非清醒状态以外的心肺耦合功率谱以及血氧饱和率分别进行支持向量机的聚类分析,进行睡眠分期训练,最终获得睡眠过程中的分期结果。
从BCG信号中提取JJ间隔具体过程为:
S1:使用小波变换除去BCG信号中的噪音;
S2:基于滑动窗口进行J波峰值点检测,识别所有的波峰点;
S3:将获取到的J波峰值点的横坐标连续后一峰值点坐标减去前一峰值点坐标,得到JJ间期;
S4:利用基于3sigma准则进行JJ间期的错检和漏检。
S1为清醒状态,S2为快速眼动期,S3为浅睡期,S4为深睡期。
快速眼动期在睡眠过程中有一段时间,脑电波频率变快,振幅变低。
所述快速眼动期心率减慢、血压下降、新陈代谢缓慢、呼吸次数减少。
需要说明的是,本方法主要分为以下几个步骤:
步骤一:采集整晚的BCG数据和血氧饱和度数据。
步骤二:从BCG信号中提取JJ间隔,具体过程为:
(1)使用小波变换除去BCG信号中的噪音;
(2)基于滑动窗口进行J波峰值点检测,识别所有的波峰点;
(3)将获取到的J波峰值点的横坐标连续后一峰值点坐标减去前一峰值点坐标,得到JJ间期;
(4)利用基于3sigma准则进行JJ间期的错检和漏检。
步骤三:对BCG信号进行处理,得到呼吸率信号,计算心肺耦合功率谱。
步骤四:建立睡眠过程的状态集合S={S1,S2,S3,S4},其中,S1为清醒状态,S2为快速眼动期,S3为浅睡期,S4为深睡期。基于滑动窗口对心肺耦合功率谱进行清醒特征提取,从而完成S1“清醒状态”及时间范围的判断。
步骤五:对非清醒状态以外的心肺耦合功率谱以及血氧饱和率分别进行支持向量机的聚类分析,进行睡眠分期训练,最终获得睡眠过程中的分期结果。
本方法可以提高非接触式信息采集的睡眠分期的精确程度,并通过心肺耦合功率谱的方式提取清醒状态的特征、机器学习聚类分析方法优化睡眠分期训练,提高睡眠分期的精确程度,帮助用户能够在无感的环境下获取睡眠状态的准确检查结果。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种基于BCG与血氧饱和率的睡眠分期方法,其特征在于,该睡眠分期方法包括以下步骤:
步骤一、采集整晚的BCG数据和血氧饱和度数据;
步骤二、从BCG信号中提取JJ间隔,获取心率信号及心率变异性;
步骤三、对BCG信号进行处理,得到呼吸率信号,计算心肺耦合功率谱;
步骤四、建立睡眠过程的状态集合S={S1,S2,S3,S4},基于滑动窗口对心肺耦合功率谱进行清醒特征提取,从而完成S1“清醒状态”及时间范围的判断;
步骤五、对非清醒状态以外的心肺耦合功率谱以及血氧饱和率分别进行支持向量机的聚类分析,进行睡眠分期训练,最终获得睡眠过程中的分期结果。
2.根据权利要求1的一种基于BCG与血氧饱和率的睡眠分期方法,其特征在于,从BCG信号中提取JJ间隔具体过程为:
S1:使用小波变换除去BCG信号中的噪音;
S2:基于滑动窗口进行J波峰值点检测,识别所有的波峰点;
S3:将获取到的J波峰值点的横坐标连续后一峰值点坐标减去前一峰值点坐标,得到JJ间期;
S4:利用基于3sigma准则进行JJ间期的错检和漏检。
3.根据权利要求1的一种基于BCG与血氧饱和率的睡眠分期方法,其特征在于:S1为清醒状态,S2为快速眼动期,S3为浅睡期,S4为深睡期。
4.根据权利要求3的一种基于BCG与血氧饱和率的睡眠分期方法,其特征在于:快速眼动期在睡眠过程中有一段时间,脑电波频率变快,振幅变低。
5.根据权利要求3的一种基于BCG与血氧饱和率的睡眠分期方法,其特征在于:所述快速眼动期心率减慢、血压下降、新陈代谢缓慢、呼吸次数减少。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011196278.2A CN112294264A (zh) | 2020-10-31 | 2020-10-31 | 一种基于bcg与血氧饱和率的睡眠分期方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011196278.2A CN112294264A (zh) | 2020-10-31 | 2020-10-31 | 一种基于bcg与血氧饱和率的睡眠分期方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112294264A true CN112294264A (zh) | 2021-02-02 |
Family
ID=74333251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011196278.2A Pending CN112294264A (zh) | 2020-10-31 | 2020-10-31 | 一种基于bcg与血氧饱和率的睡眠分期方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112294264A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113080931A (zh) * | 2021-03-10 | 2021-07-09 | 杭州澳芯科技有限公司 | 一种基于bcg的非接触式呼吸监测方法和系统 |
CN113499059A (zh) * | 2021-06-01 | 2021-10-15 | 武汉理工大学 | 基于光纤传感非接触式的bcg信号处理系统及方法 |
CN113925496A (zh) * | 2021-10-20 | 2022-01-14 | 中国人民解放军海军特色医学中心 | 一种疲劳睡眠分析方法及装置 |
CN113974576A (zh) * | 2021-12-23 | 2022-01-28 | 北京航空航天大学杭州创新研究院 | 一种基于心磁图的睡眠质量监测系统及监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595274A (zh) * | 2017-09-27 | 2018-01-19 | 广州中科新知科技有限公司 | 基于心率变异性非接触式检测情绪压力的靠垫 |
CN108836298A (zh) * | 2018-05-08 | 2018-11-20 | 浙江胜昔信息科技有限公司 | 一种基于倾角传感器的心率检测装置及其检测方法 |
CN109770892A (zh) * | 2019-02-01 | 2019-05-21 | 中国科学院电子学研究所 | 一种基于心电信号的睡眠分期方法 |
CN110427924A (zh) * | 2019-09-09 | 2019-11-08 | 桂林电子科技大学 | 一种基于lstm的心冲击信号自动多分类识别方法 |
CN110742585A (zh) * | 2019-10-10 | 2020-02-04 | 北京邮电大学 | 基于bcg信号的睡眠分期方法 |
CN110811638A (zh) * | 2019-12-11 | 2020-02-21 | 齐鲁工业大学 | 一种用于监测睡眠的svm分类器构建方法、系统及方法 |
WO2020061014A1 (en) * | 2018-09-17 | 2020-03-26 | Mycardio Llc | Systems and methods for analysis of sleep disordered breathing events |
-
2020
- 2020-10-31 CN CN202011196278.2A patent/CN112294264A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595274A (zh) * | 2017-09-27 | 2018-01-19 | 广州中科新知科技有限公司 | 基于心率变异性非接触式检测情绪压力的靠垫 |
CN108836298A (zh) * | 2018-05-08 | 2018-11-20 | 浙江胜昔信息科技有限公司 | 一种基于倾角传感器的心率检测装置及其检测方法 |
WO2020061014A1 (en) * | 2018-09-17 | 2020-03-26 | Mycardio Llc | Systems and methods for analysis of sleep disordered breathing events |
CN109770892A (zh) * | 2019-02-01 | 2019-05-21 | 中国科学院电子学研究所 | 一种基于心电信号的睡眠分期方法 |
CN110427924A (zh) * | 2019-09-09 | 2019-11-08 | 桂林电子科技大学 | 一种基于lstm的心冲击信号自动多分类识别方法 |
CN110742585A (zh) * | 2019-10-10 | 2020-02-04 | 北京邮电大学 | 基于bcg信号的睡眠分期方法 |
CN110811638A (zh) * | 2019-12-11 | 2020-02-21 | 齐鲁工业大学 | 一种用于监测睡眠的svm分类器构建方法、系统及方法 |
Non-Patent Citations (1)
Title |
---|
郭丹,等: "心肺耦合( CPC) 分析在儿童睡眠中的应用", 《世界睡眠医学杂志》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113080931A (zh) * | 2021-03-10 | 2021-07-09 | 杭州澳芯科技有限公司 | 一种基于bcg的非接触式呼吸监测方法和系统 |
CN113499059A (zh) * | 2021-06-01 | 2021-10-15 | 武汉理工大学 | 基于光纤传感非接触式的bcg信号处理系统及方法 |
CN113925496A (zh) * | 2021-10-20 | 2022-01-14 | 中国人民解放军海军特色医学中心 | 一种疲劳睡眠分析方法及装置 |
CN113925496B (zh) * | 2021-10-20 | 2023-12-19 | 中国人民解放军海军特色医学中心 | 一种疲劳睡眠分析方法及装置 |
CN113974576A (zh) * | 2021-12-23 | 2022-01-28 | 北京航空航天大学杭州创新研究院 | 一种基于心磁图的睡眠质量监测系统及监测方法 |
CN113974576B (zh) * | 2021-12-23 | 2022-04-22 | 北京航空航天大学杭州创新研究院 | 一种基于心磁图的睡眠质量监测系统及监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112294264A (zh) | 一种基于bcg与血氧饱和率的睡眠分期方法 | |
US11844593B2 (en) | System and method for non-invasive determination of blood pressure dip based on trained prediction models | |
CN100413461C (zh) | 一种获取呼吸暂停事件和睡眠结构图信息的方法 | |
CN107890339B (zh) | 一种睡眠分期检测方法及可穿戴式睡眠分期检测装置 | |
TW201019901A (en) | Sleep analysis system and analysis method thereof | |
CN114010171B (zh) | 一种基于心跳数据的分类器设置方法 | |
GB2454960A (en) | Data recording for patient status analysis | |
CN113349752B (zh) | 一种基于传感融合的可穿戴设备实时心率监测方法 | |
CN111067503A (zh) | 一种基于心率变异性的睡眠分期方法 | |
CN110236515A (zh) | 一种基于近红外视频的非接触式心率检测方法 | |
CN111317446B (zh) | 基于人体肌肉表面电信号的睡眠结构自动分析方法 | |
CN204909917U (zh) | 基于布料传感器的睡眠监护与医疗诊断的智能床单 | |
Yan et al. | A non-invasive blood pressure prediction method based on pulse wave feature fusion | |
Azad et al. | Seismocardiographic signal variability during regular breathing and breath hold in healthy adults | |
Benchekroun et al. | Comparison of Stress Detection through ECG and PPG signals using a Random Forest-based Algorithm | |
CN113069091A (zh) | 一种ppg信号的脉象分类装置及方法 | |
Lu et al. | Pulse feature extraction based on improved gaussian model | |
CN115024716A (zh) | 基于心率标签生成的心冲击图信号重建方法 | |
CN106333674B (zh) | 睡眠状态分析中睡眠周期检测方法和系统 | |
CN114052681B (zh) | 一种基于心电判读系统的血压监测方法及系统 | |
CN106175698B (zh) | 睡眠状态分析中睡眠周期检测装置 | |
Wang et al. | Feature extraction of radial arterial pulse | |
CN116269413A (zh) | 利用智能腕带运动传感器的连续心电波形重构系统及方法 | |
Zhang et al. | Photoplethysmogram signal quality assessment using support vector machine and multi-feature fusion | |
CN215349053U (zh) | 一种先天性心脏病智能筛查机器人 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 1609, No.8, financial 2nd Street, Wuxi Economic Development Zone, Jiangsu Province, 214000 Applicant after: Zhongwuyun information technology (Wuxi) Co.,Ltd. Address before: 1502-1, No.8, financial 2nd Street, Wuxi Economic Development Zone, Jiangsu Province, 214000 Applicant before: Wuxi zhongwuyun Information Technology Co.,Ltd. |