CN114010185B - 一种呼吸障碍的监测方法、装置、设备及介质 - Google Patents
一种呼吸障碍的监测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114010185B CN114010185B CN202111365045.5A CN202111365045A CN114010185B CN 114010185 B CN114010185 B CN 114010185B CN 202111365045 A CN202111365045 A CN 202111365045A CN 114010185 B CN114010185 B CN 114010185B
- Authority
- CN
- China
- Prior art keywords
- signal
- respiratory
- breathing
- period
- intensity
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 28
- 208000023504 respiratory system disease Diseases 0.000 title claims abstract description 27
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 110
- 230000000241 respiratory effect Effects 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 12
- 208000035475 disorder Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 208000010125 myocardial infarction Diseases 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010021079 Hypopnoea Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- A61B5/103—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
- A61B5/1102—Ballistocardiography
-
- 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
- A61B5/72—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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Power Engineering (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种呼吸障碍的监测方法、装置、设备及介质，该方法包括：获取被监测者在设定时段内的原始人体微动信号；对原始人体微动信号进行低通滤波处理，得到呼吸信号；获取设定时段内的有效呼吸时段；在有效呼吸时段内，根据呼吸信号的强度与预设参考信号的强度对比结果，确定呼吸状态。本发明通过获取被监测者在设定时段内的原始人体微动信号，并对原始人体微动信号进行低通滤波处理，得到呼吸信号，保证了呼吸信号的准确性，并通过获取在设定时段内的有效呼吸时段，避免其他因素引起监测干扰，通过在有效呼吸时段内，根据呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态，提高了呼吸障碍监测的可靠性和准确性。
Description
技术领域
本发明涉及医学信号处理与分析的技术领域，尤其涉及一种呼吸障碍的监测方法、装置、设备及介质。
背景技术
近年来，基于人体微动信号的生命体征监测技术研究已成为健康领域的研究热点之一，与心电、多导睡眠记录仪等生理监测设备相比，人体微动信号监测设备如微动敏感床垫、高精度加速传感器等具有非接触和低心理负荷等优点，所以，有望应用于对心率、呼吸和睡眠质量等生命特征和心理特征进行长期监测。
其中，呼吸障碍检测是基于人体微动信号的重要应用之一。目前，基于人体微动信号的呼吸障碍自动化检测算法还不成熟，存在呼吸障碍检测结果不够准确的问题。
发明内容
本发明的目的在于提供一种呼吸障碍的监测方法、装置、设备及介质，提高了监测呼吸障碍的准确性。
为实现上述目的，第一方面，本发明提供了一种呼吸障碍的监测方法，该方法包括：获取被监测者在设定时段内的原始人体微动信号；对所述原始人体微动信号进行低通滤波处理，得到呼吸信号；获取所述设定时段内的有效呼吸时段；在所述有效呼吸时段内，根据所述呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态。
本发明的有益效果在于：通过获取被监测者在设定时段内的原始人体微动信号，并对原始人体微动信号进行低通滤波处理，得到呼吸信号，保证了呼吸信号的准确性，并通过获取在设定时段内的有效呼吸时段，避免其他因素引起监测干扰，通过在有效呼吸时段内，根据呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态，从而提高了呼吸障碍监测的可靠性和准确性。
可选的，所述原始人体微动信号包括：心冲击信号、呼吸信号和噪声，所述对所述原始人体微动信号进行低通滤波处理，得到呼吸信号，包括：
采用低通滤波器对所述原始人体微动信号进行低通滤波处理，去除所述心冲击信号和所述噪声，得到所述呼吸信号。其有益效果在于：原始人体微动信号包括心冲击信号、呼吸信号和噪声，为了提高呼吸信号的准确性，采用低通滤波器对原始人体微动信号进行低通滤波处理，去除心冲击信号和所述噪声，得到呼吸信号，进一步保证了呼吸障碍的监测的准确性。
可选的，所述获取所述设定时段内的有效呼吸时段，包括：获取所述呼吸信号中的峰值和与所述峰值对应的时刻Ii；根据相邻的所述峰值和所述Ii，得到相邻所述峰值的信号相似度；当连续三个以上的所述峰值的信号相似度均大于0.5，则连续三个以上的所述峰值对应的时段为所述有效呼吸时段。其有益效果在于：通过计算，当连续三个以上的峰值的信号相似度均大于0.5，则得到有效呼吸时段，避免在设定时段内可能存在的其他因素导致呼吸时段不准确和稳定，剔除不稳定的呼吸时段，进一步提高了呼吸障碍监测的准确性。
可选的，所述在所述有效呼吸时段内，根据所述呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态，包括：当所述呼吸信号的强度低于所述预设参考信号的强度，且持续时长大于10秒，则确定所述呼吸状态为呼吸障碍，否则，确定所述呼吸状态为呼吸正常。其有益效果在于：通过该判断呼吸信号的强度是否低于预设参考信号的强度，且持续时长是否大于10秒，确定出呼吸状态障碍还是正常的情况，提高了监测准确性。
可选的，所述峰值的信号相似度，满足如下公式：Si＝Isi*Ssi；
Isi＝min(Pi,Pi+1)/max(Pi,Pi+1)；Ssi＝corr(Bi,Bi+1)；
其中，Si为所述峰值的信号相似度；ISi为灰度相似性，Ii和Ii+1为相邻两个时刻，Pi为Ii对应的峰值，Pi+1为Ii+1对应的峰值；SSi为形态相似性，通过计算两个相邻呼吸信号的互相关系数得到，Bi，Bi+1是以(Ii，Pi)(Ii+1，Pi+1)为中心点的两个相邻的呼吸信号。其有益效果在于：通过该方法计算得到峰值的信号相似度。
可选的，所述预设参考信号的强度通过正向扫描和反向扫描所述呼吸信号的强度，并乘以阈值得到。其有益效果在于：通过正向扫描和反向扫描所述呼吸信号的强度，并乘以阈值得到预设参考信号的强度。
在第二方面，本发明提供一种呼吸障碍的监测装置，包括：
获取模块，用于获取被监测者在设定时段内的原始人体微动信号；
处理模块，与所述获取模块连接，用于对所述原始人体微动信号进行低通滤波处理，得到呼吸信号；
所述获取模块，还用于获取所述设定时段内的有效呼吸时段；
判断模块，与所述处理模块连接，用于在所述有效呼吸时段内，根据所述呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态。
本发明的有益效果在于：通过获取被监测者在设定时段内的原始人体微动信号，并对原始人体微动信号进行低通滤波处理，得到呼吸信号，保证了呼吸信号的准确性，并通过获取在设定时段内的有效呼吸时段，避免其他因素引起监测干扰，通过在有效呼吸时段内，根据呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态，从而提高了呼吸障碍监测的可靠性和准确性。
可选的，所述获取模块获取到的原始人体微动信号包括心冲击信号、呼吸信号和噪声，所述处理模块，控制低通滤波器对所述心冲击信号和所述噪声进行低通滤波处理，得到所述呼吸信号。其有益效果在于：原始人体微动信号包括心冲击信号、呼吸信号和噪声，为了提高呼吸信号的准确性，采用低通滤波器对原始人体微动信号进行低通滤波处理，去除心冲击信号和所述噪声，得到呼吸信号，进一步保证了呼吸障碍的监测的准确性。
可选的，所述获取模块获取所述设定时段内的有效呼吸时段，包括：获取所述呼吸信号中的峰值和与所述峰值对应的时刻Ii；根据相邻的所述峰值和所述Ii，得到相邻所述峰值的信号相似度；当连续三个以上的所述峰值的信号相似度均大于0.5，则连续三个以上的所述峰值对应的时段为所述有效呼吸时段。其有益效果在于：通过计算当连续三个以上的峰值的信号相似度均大于0.5，则得到有效呼吸时段，避免在设定时段内可能存在的其他因素导致呼吸时段不准确和稳定，剔除不稳定的呼吸时段，进一步提高了呼吸障碍监测的准确性。
可选的，所述判断模块，用于当所述呼吸信号的强度低于所述预设参考信号的强度，且持续时长大于10秒，则确定所述呼吸状态为呼吸障碍，否则，确定所述呼吸状态为呼吸正常。其有益效果在于：通过该判断呼吸信号的强度是否低于预设参考信号的强度，且持续时长是否大于10秒，确定出呼吸状态障碍还是正常的情况，提高了监测准确性。
可选的，所述峰值的信号相似度，满足如下公式：Si＝Isi*Ssi；
Isi＝min(Pi,Pi+1)/max(Pi,Pi+1)；Ssi＝corr(Bi,Bi+1)；
其中，Si为所述峰值的信号相似度；ISi为灰度相似性，Ii和Ii+1为相邻两个时刻，Pi为Ii对应的峰值，Pi+1为Ii+1对应的峰值；SSi为形态相似性，通过计算两个相邻呼吸信号的互相关系数得到，Bi，Bi+1是以(Ii，Pi)(Ii+1，Pi+1)为中心点的两个相邻的呼吸信号。其有益效果在于：通过该方法得到峰值的信号相似度。
可选的，所述处理模块通过正向扫描和反向扫描所述呼吸信号的强度，并乘以阈值得到所述预设参考信号的强度。其有益效果在于：通过正向扫描和反向扫描所述呼吸信号的强度，并乘以阈值得到预设参考信号的强度。
在第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至6中任一项所述的方法。
第四方面，本发明提供计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的方法。
关于上述第二方面至第四方面的有益效果可以参见上述第一方面中的描述。
附图说明
图1为本发明公开的呼吸障碍的监测方法的流程图；
图2为本发明公开的使用多个微动敏感设备进行多通道信号采集的示意图；
图3为本发明公开的对采集到的原始信号滤波前后的对比示意图；
图4为本发明公开的有效呼吸时段检测示意图；
图5为本发明公开的根据呼吸信号确定呼吸信号强度的示意图；
图6为本发明公开的获得参考信号强度的示意图；
图7为本发明公开的获得呼吸事件标签的示意图；
图8为本发明公开的根据有效呼吸信号获得呼吸事件标签的示意图；
图9为本发明公开的呼吸障碍的监测装置的示意图；
图10为本发明公开的电子设备示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
针对现有技术存在的问题，本发明的实施例提供了一种呼吸障碍的监测方法，该方法包括：
S101:获取被监测者在设定时段内的原始人体微动信号。
该步骤中，一般采用微动敏感设备获取被监测者在设定时段内的原始人体微动信号。其中，该设定时段可以是人体处于睡眠状态或者身体处于相对静止状态下的时段，原始人体微动信号包括心冲击信号、呼吸信号和噪声等，所以在原始人体微动信号中存在干扰信号。
结合图2所示，在设定时段内会使用多个微动敏感设备，可以采集到更全面的信息，所以本发明在同一设定时段内同时获取来自多个压力微动传感装置的微动信号，并对来自多个通道的微动信号进行融合，可以提高对呼吸障碍检测的准确度。
S102:对所述原始人体微动信号进行低通滤波处理，得到呼吸信号。
该步骤中，为了降低监测的原始人体微动信号中的干扰因素，通过采用低通滤波器对原始人体微动信号进行低通滤波处理，去除心冲击信号和噪声等干扰信号，得到呼吸信号。
结合图3所示，通过将原始信号进行处理分析后，得到相对稳定的呼吸信号。
S103:获取所述设定时段内的有效呼吸时段。
具体的，结合图4所示，通过先获取呼吸信号中的峰值和与峰值对应的时刻Ii，根据相邻的峰值和时刻，得到相邻峰值的信号相似度，当连续三个以上的峰值的信号相似度均大于0.5，则连续三个以上的峰值对应的时段为有效呼吸时段，即图中有效呼吸波对应的时段，有效呼吸波个数标签即表示具有多少个有效呼吸时段。其中，峰值的信号相似度，满足如下公式：
Si＝Isi*Ssi；
Isi＝min(Pi,Pi+1)/max(Pi,Pi+1)；
Ssi＝corr(Bi,Bi+1)；
其中，Si为所述峰值的信号相似度；ISi为灰度相似性，Ii和Ii+1为相邻两个时刻，Pi为Ii对应的峰值，Pi+1为Ii+1对应的峰值；SSi为形态相似性，通过计算两个相邻呼吸信号的互相关系数得到，Bi，Bi+1是以(Ii，Pi)(Ii+1，Pi+1)为中心点的两个相邻的呼吸信号，通过该公式获得每个峰值的信号相似度，当连续三个以上的峰值的信号相似度均大于0.5，则该连续三个以上的峰值对应的时段为有效呼吸时段，表示被监测人是在状态稳点的情况下监测的。
S104:在所述有效呼吸时段内，根据所述呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态。
该步骤中，当呼吸信号的强度低于预设参考信号的强度，且持续时长大于10秒，则确定呼吸状态为呼吸障碍，否则，确定呼吸状态为呼吸正常。其中，预设参考信号的强度通过正向扫描和反向扫描呼吸信号的强度，并乘以阈值得到。
结合图5所示，参考呼吸信号的时段确定呼吸信号的强度，其中，滤波后的信号，即为经过低通滤波处理后的呼吸信号，信号强度为呼吸信号的强度。结合图6所示，在通过正向扫描和反向扫描呼吸信号的强度，乘以阈值确定参考信号强度。
参考图7所示，将呼吸信号的强度与参考信号强度进行比较，标记呼吸信号强度低于参考信号强度并且持续时长大于10秒的区域，标记为呼吸事件标签。结合图8所示，最后结合有效呼吸信号时段，去除无效片段，确定呼吸事件发生时段，实现呼吸暂停或低通气时段的自动检测。
本实施例通过获取被监测者在设定时段内的原始人体微动信号，并对原始人体微动信号进行低通滤波处理，得到呼吸信号，保证了呼吸信号的准确性，并通过获取在设定时段内的有效呼吸时段，避免其他因素引起监测干扰，通过在有效呼吸时段内，根据呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态，从而提高了呼吸障碍监测的可靠性和准确性。
在本发明公开的又一个实施例中，提供一种呼吸障碍的监测装置，该装置包括：获取模块901，用于获取被监测者在设定时段内的原始人体微动信号，处理模块902，与获取模块901连接，用于对原始人体微动信号进行低通滤波处理，得到呼吸信号，获取模块901，还用于获取设定时段内的有效呼吸时段，判断模块903，与处理模块902连接，用于在有效呼吸时段内，根据呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态。
本实施例，通过在有效呼吸时段内，根据获取到的呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态，从而提高了呼吸障碍监测的可靠性和准确性。
可选的，获取模块901获取的原始人体微动信号包括心冲击信号、呼吸信号和噪声，为提高获取到的呼吸信号的准确性，对原始人体微动信号进行低通滤波处理，得到呼吸信号。具体的，处理模块902控制低通滤波器对原始人体微动信号进行低通滤波处理，去除心冲击信号和噪声，得到呼吸信号，进一步保证了呼吸障碍的监测的准确性。
可选的，获取模块901获取设定时段内的有效呼吸时段包括：获取呼吸信号中的峰值和与峰值对应的时刻Pi，根据相邻的峰值和Pi，得到相邻峰值的信号相似度，当连续三个以上的峰值的信号相似度均大于0.5，则连续三个以上的峰值对应的时段为有效呼吸时段。
具体的，峰值的信号相似度，满足如下公式：
Si＝Isi*Ssi
Isi＝min(Pi,Pi+1)/max(Pi,Pi+1)；
Ssi＝corr(Bi,Bi+1)；
其中，Si为所述峰值的信号相似度；ISi为灰度相似性，Ii和Ii+1为相邻两个时刻，Pi为Ii对应的峰值，Pi+1为Ii+1对应的峰值；SSi为形态相似性，通过计算两个相邻呼吸信号的互相关系数得到，Bi，Bi+1是以(Ii，Pi)(Ii+1，Pi+1)为中心点的两个相邻的呼吸信号，通过该公式计算方法得到峰值的信号相似度。通过计算当连续三个以上的峰值的信号相似度均大于0.5，则得到有效呼吸时段，避免在设定时段内可能存在的其他因素导致呼吸时段不准确和稳定，剔除不稳定的呼吸时段，进一步提高了呼吸障碍监测的准确性。
可选的，判断模块903用于当呼吸信号的强度低于预设参考信号的强度，且持续时长大于10秒，则确定呼吸状态为呼吸障碍，否则，确定呼吸状态为呼吸正常。通过该判断呼吸信号的强度是否低于预设参考信号的强度，且持续时长是否大于10秒，确定出呼吸状态障碍还是正常的情况，提高了监测准确性。
在本申请的另一些实施例中，提供了一种电子设备，该电子设备可以指代上述方法中的压力微动传感装置，如图10所示，该电子设备1000可以包括：一个或多个处理器1001；存储器1002；显示器1003；一个或多个应用程序(未示出)；以及一个或多个计算机程序1004，上述各器件可以通过一个或多个通信总线1005连接。其中该一个或多个计算机程序1004被存储在上述存储器1002中并被配置为被该一个或多个处理器1001执行，该一个或多个计算机程序1004包括指令，上述指令可以用于执行如上述方法相应实施例中的各个步骤。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能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模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请实施例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。
该集成的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，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本申请各个实施例该方法的全部或部分步骤。而前述的存储介质包括：快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请实施例的具体实施方式，但本申请实施例的保护范围并不局限于此，任何在本申请实施例揭露的技术范围内的变化或替换，都应涵盖在本申请实施例的保护范围之内。因此，本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种呼吸障碍的监测方法，其特征在于，包括：
获取被监测者在设定时段内的原始人体微动信号；
对所述原始人体微动信号进行低通滤波处理，得到呼吸信号；
获取所述设定时段内的有效呼吸时段；
在所述有效呼吸时段内，根据所述呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态；
所述获取所述设定时段内的有效呼吸时段，包括：
获取所述呼吸信号中的峰值和与所述峰值对应的时刻Ii；
根据相邻的所述峰值和所述Ii，得到相邻所述峰值的信号相似度；
当连续三个以上的所述峰值的信号相似度均大于0.5，则连续三个以上的所述峰值对应的时段为所述有效呼吸时段；
所述峰值的信号相似度，满足如下公式：
Si＝Isi*Ssi；
Isi＝min(Pi,Pi+1)/max(Pi,Pi+1)；
Ssi＝corr(Bi,Bi+1)；
其中，Si为所述峰值的信号相似度；ISi为灰度相似性，Ii和Ii+1为相邻两个时刻，Pi为Ii对应的峰值，Pi+1为Ii+1对应的峰值；SSi为形态相似性，通过计算两个相邻呼吸信号的互相关系数得到，Bi，Bi+1是以(Ii，Pi)(Ii+1，Pi+1)为中心点的两个相邻的呼吸信号。
2.根据权利要求1所述的方法，其特征在于，所述原始人体微动信号包括：心冲击信号、呼吸信号和噪声；
所述对所述原始人体微动信号进行低通滤波处理，得到呼吸信号，包括：
采用低通滤波器对所述原始人体微动信号进行低通滤波处理，去除所述心冲击信号和所述噪声，得到所述呼吸信号。
3.根据权利要求2所述的方法，其特征在于，所述在所述有效呼吸时段内，根据所述呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态，包括：
当所述呼吸信号的强度低于所述预设参考信号的强度，且持续时长大于10秒，则确定所述呼吸状态为呼吸障碍，否则，确定所述呼吸状态为呼吸正常。
4.根据权利要求1所述的方法，其特征在于，所述预设参考信号的强度通过正向扫描和反向扫描所述呼吸信号的强度，并乘以阈值得到。
5.一种呼吸障碍的监测装置，其特征在于，包括：
获取模块，用于获取被监测者在设定时段内的原始人体微动信号；
处理模块，与所述获取模块连接，用于对所述原始人体微动信号进行低通滤波处理，得到呼吸信号；
所述获取模块，还用于获取所述设定时段内的有效呼吸时段；
判断模块，与所述处理模块连接，用于在所述有效呼吸时段内，根据所述呼吸信号的强度与预设参考信号的强度对比结果，确定被监测者的呼吸状态；
所述获取模块获取所述设定时段内的有效呼吸时段，包括：
获取所述呼吸信号中的峰值和与所述峰值对应的时刻Ii；
根据相邻的所述峰值和所述Ii，得到相邻所述峰值的信号相似度；
当连续三个以上的所述峰值的信号相似度均大于0.5，则连续三个以上的所述峰值对应的时段为所述有效呼吸时段；
所述峰值的信号相似度，满足如下公式：
Si＝Isi*Ssi；
Isi＝min(Pi,Pi+1)/max(Pi,Pi+1)；
Ssi＝corr(Bi,Bi+1)；
其中，Si为所述峰值的信号相似度；ISi为灰度相似性，Ii和Ii+1为相邻两个时刻，Pi为Ii对应的峰值，Pi+1为Ii+1对应的峰值；SSi为形态相似性，通过计算两个相邻呼吸信号的互相关系数得到，Bi，Bi+1是以(Ii，Pi)(Ii+1，Pi+1)为中心点的两个相邻的呼吸信号。
6.根据权利要求5所述的装置，其特征在于，所述获取模块获取到的原始人体微动信号包括心冲击信号、呼吸信号和噪声；
所述处理模块，控制低通滤波器对所述心冲击信号和所述噪声进行低通滤波处理，得到所述呼吸信号。
7.根据权利要求6所述的装置，其特征在于，所述判断模块，用于当所述呼吸信号的强度低于所述预设参考信号的强度，且持续时长大于10秒，则确定所述呼吸状态为呼吸障碍，否则，确定所述呼吸状态为呼吸正常。
8.根据权利要求5所述的装置，其特征在于，所述处理模块通过正向扫描和反向扫描所述呼吸信号的强度，并乘以阈值得到所述预设参考信号的强度。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至4中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，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4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111365045.5A CN114010185B (zh) | 2021-11-17 | 2021-11-17 | 一种呼吸障碍的监测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111365045.5A CN114010185B (zh) | 2021-11-17 | 2021-11-17 | 一种呼吸障碍的监测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114010185A CN114010185A (zh) | 2022-02-08 |
| CN114010185B true CN114010185B (zh) | 2024-05-28 |
Family
ID=80064938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111365045.5A Active CN114010185B (zh) | 2021-11-17 | 2021-11-17 | 一种呼吸障碍的监测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114010185B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115486833B (zh) * | 2022-08-22 | 2023-06-06 | 华南师范大学 | 呼吸状态检测方法、装置、计算机设备以及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004113340A (ja) * | 2002-09-25 | 2004-04-15 | Denso Corp | 生体モニタ方法、生体モニタ装置および呼吸モニタ装置 |
| JP2007105107A (ja) * | 2005-10-11 | 2007-04-26 | Daikin Ind Ltd | 無呼吸推測装置 |
| JP2010051387A (ja) * | 2008-08-26 | 2010-03-11 | Nagoya City Univ | 睡眠呼吸障害の無呼吸発作又は低呼吸発作に伴うｃｖｈｒの検出装置 |
| JP2016030177A (ja) * | 2014-07-30 | 2016-03-07 | パラマウントベッド株式会社 | 呼吸障害判定装置、呼吸障害判定方法及びプログラム |
| CN208784739U (zh) * | 2017-11-17 | 2019-04-26 | 深圳和而泰智能控制股份有限公司 | 一种呼吸暂停监测装置 |
| CN111035367A (zh) * | 2019-12-31 | 2020-04-21 | 华南师范大学 | 一种用于判断睡眠呼吸暂停的信号检测方法及系统 |
| CN112155546A (zh) * | 2020-09-22 | 2021-01-01 | 芯海科技（深圳）股份有限公司 | 肺功能检测设备及计算机可读取存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100256505A1 (en) * | 2009-04-03 | 2010-10-07 | Jingping Xu | Health monitoring method and system |
| EP3286577B1 (en) * | 2015-04-20 | 2021-03-17 | ResMed Sensor Technologies Limited | Detection and identification of a human from characteristic signals |
-
2021
- 2021-11-17 CN CN202111365045.5A patent/CN114010185B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004113340A (ja) * | 2002-09-25 | 2004-04-15 | Denso Corp | 生体モニタ方法、生体モニタ装置および呼吸モニタ装置 |
| JP2007105107A (ja) * | 2005-10-11 | 2007-04-26 | Daikin Ind Ltd | 無呼吸推測装置 |
| JP2010051387A (ja) * | 2008-08-26 | 2010-03-11 | Nagoya City Univ | 睡眠呼吸障害の無呼吸発作又は低呼吸発作に伴うｃｖｈｒの検出装置 |
| JP2016030177A (ja) * | 2014-07-30 | 2016-03-07 | パラマウントベッド株式会社 | 呼吸障害判定装置、呼吸障害判定方法及びプログラム |
| CN208784739U (zh) * | 2017-11-17 | 2019-04-26 | 深圳和而泰智能控制股份有限公司 | 一种呼吸暂停监测装置 |
| CN111035367A (zh) * | 2019-12-31 | 2020-04-21 | 华南师范大学 | 一种用于判断睡眠呼吸暂停的信号检测方法及系统 |
| CN112155546A (zh) * | 2020-09-22 | 2021-01-01 | 芯海科技（深圳）股份有限公司 | 肺功能检测设备及计算机可读取存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 加权基因共表达网络分析鉴定阻塞性睡眠呼吸暂停的关键基因;曹媛媛，等;医学研究杂志;第50卷(第01期);66-71 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114010185A (zh) | 2022-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107106085B (zh) | 用于睡眠监测的设备和方法 | |
| US8568330B2 (en) | Composite human physiological stress index based on heart beat and sleep and/or activity history data including actigraphy | |
| US5775330A (en) | Neurometric assessment of intraoperative anesthetic | |
| Marcos et al. | Automated prediction of the apnea-hypopnea index from nocturnal oximetry recordings | |
| JP3923035B2 (ja) | 生体状態分析装置及び生体状態分析方法 | |
| US20090247893A1 (en) | Method and apparatus for measuring responsiveness of a subject | |
| JP2010540124A (ja) | 心電図から導出された無呼吸／低呼吸指数 | |
| WO2010067297A1 (en) | Method and apparatus for the analysis of ballistocardiogram signals | |
| CN114176521B (zh) | 基于雷达信息的睡眠分期方法、装置及终端 | |
| US20120271182A1 (en) | Identifying Seizures Using Heart Data from Two of More Windows | |
| KR102482796B1 (ko) | 원격 광용적맥파 측정을 이용한 비접촉 심박 변이도 분석 장치 및 방법 | |
| WO2014163584A1 (en) | Method and system for detecting heartbeat irregularities | |
| CN114010185B (zh) | 一种呼吸障碍的监测方法、装置、设备及介质 | |
| CN116035536B (zh) | 一种睡眠行为活跃水平检测量化的方法、系统和装置 | |
| EP3918997A3 (en) | Methods, systems, and devices for detecting apnea events and sleep | |
| Pal et al. | Improved heart rate detection using smart phone | |
| US20140276156A1 (en) | Patient signal analysis and characterization | |
| CN115349824A (zh) | 健康预警方法、装置、计算机设备及存储介质 | |
| US20230051939A1 (en) | Physiological monitoring apparatus and physiological monitoring method | |
| CN113907742A (zh) | 睡眠呼吸数据的监测方法及装置 | |
| CN112656371A (zh) | 一种基于心率呼吸信号的人体睡眠体征检测方法及系统 | |
| CN113951869B (zh) | 一种呼吸障碍检测方法、装置、设备及介质 | |
| JP7327417B2 (ja) | 状態推定装置、状態推定方法、及びプログラム | |
| JP7158641B1 (ja) | 無呼吸低呼吸指標推定装置、方法およびプログラム | |
| TWI462728B (zh) | 依據歷史資料判斷睡眠階段之系統及其方法 |
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 |