CN114176567A - 呼吸窒息检测方法及计算机可读存储介质 - Google Patents

呼吸窒息检测方法及计算机可读存储介质 Download PDF

Info

Publication number
CN114176567A
CN114176567A CN202111641619.7A CN202111641619A CN114176567A CN 114176567 A CN114176567 A CN 114176567A CN 202111641619 A CN202111641619 A CN 202111641619A CN 114176567 A CN114176567 A CN 114176567A
Authority
CN
China
Prior art keywords
respiratory
initial
template
preset
signal
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
Application number
CN202111641619.7A
Other languages
English (en)
Other versions
CN114176567B (zh
Inventor
潘海洋
祝荣荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Resvent Medical Technology Co Ltd
Original Assignee
Resvent Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Resvent Medical Technology Co Ltd filed Critical Resvent Medical Technology Co Ltd
Priority to CN202111641619.7A priority Critical patent/CN114176567B/zh
Publication of CN114176567A publication Critical patent/CN114176567A/zh
Application granted granted Critical
Publication of CN114176567B publication Critical patent/CN114176567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0826Detecting or evaluating apnoea events
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/087Measuring breath flow
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4806Sleep evaluation
    • A61B5/4818Sleep apnoea
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/725Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Pulmonology (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窒息检测方法,包括:生成初始阈值和初始呼吸模板;获取连续的呼吸信号;根据呼吸信号的峰值幅度和初始阈值判断是否存在呼吸窒息;当不存在呼吸窒息时,计算初始呼吸模板和呼吸信号的第一相关系数和第一幅度差;判断第一相关系数是否大于预设系数且第一幅度差是否不大于预设比值;当第一相关系数大于预设系数且第一幅度差不大于预设比值时,按照预设规则更新初始阈值和初始呼吸模板以分别得到中间阈值和中间呼吸模板;以及当得到中间阈值和中间呼吸模板时,根据呼吸信号的峰值幅度和中间阈值判断是否存在呼吸窒息。此外,本发明还提供了一种计算机可读存储介质。本发明技术方案能够有效抗干扰并提高检测准确率。

Description

呼吸窒息检测方法及计算机可读存储介质
技术领域
本发明涉及医疗设备技术领域,尤其涉及一种呼吸窒息检测方法及计算机可读存储介质。
背景技术
目前,呼吸窒息检测通常根据患者的呼吸流速进行判断:当患者呼吸流速下降至正常值的10%并持续10秒以上则判定为窒息。然而,传统的呼吸窒息检测方法容易受到患者身体运动或者咳嗽等因素的影响,导致呼吸流速检测不准确,从而影响是否为呼吸窒息的判断。
发明内容
本发明提供了一种呼吸窒息检测方法及计算机可读存储介质,能够有效抗干扰并提高检测准确率。
第一方面,本发明实施例提供一种呼吸窒息检测方法,所述呼吸窒息检测方法包括:
生成初始阈值和初始呼吸模板;
获取连续的呼吸信号;
根据所述呼吸信号的峰值幅度和所述初始阈值判断是否存在呼吸窒息;
当不存在呼吸窒息时,计算所述初始呼吸模板和所述呼吸信号的第一相关系数和第一幅度差;
判断所述第一相关系数是否大于预设系数且所述第一幅度差是否不大于预设比值;
当所述第一相关系数大于预设系数且所述第一幅度差不大于预设比值时,按照预设规则更新所述初始阈值和所述初始呼吸模板以分别得到中间阈值和中间呼吸模板;以及
当得到所述中间阈值和所述中间呼吸模板时,根据所述呼吸信号的峰值幅度和所述中间阈值判断是否存在呼吸窒息。
第二方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序指令,所述程序指令可被处理器执行以实现如上所述的呼吸窒息检测方法。
上述呼吸窒息检测方法及计算机可读存储介质,根据预先生成的初始阈值判断是否存在呼吸窒息,当不存在呼吸窒息时,计算呼吸信号与初始呼吸模板之间的第一相关系数和第一幅度差并判断呼吸信号与初始呼吸模板是否相似。当第一相关系数大于预设系数且第一幅度差不大于预设比值时,即呼吸信号和初始呼吸模板之间越相似,则可以根据呼吸信号更新初始阈值和初始呼吸模板,以得到中间阈值和中间呼吸模板。再根据中间阈值来判断是否存在呼吸窒息。其中,呼吸信号与初始呼吸模板之间越不相似,表示使用者的呼吸存在波动,则不利用相应的呼吸信号更新初始阈值和初始呼吸模板。呼吸信号与初始呼吸模板之间越相似,表示使用者的呼吸仍处于平稳状态,则可利用相应的呼吸信号来更新初始阈值和初始呼吸模板。更新得到中间阈值和中间呼吸模板之后,在后续的检测过程中,仍不断根据新的呼吸信号更新中间阈值和中间呼吸模板,使得中间阈值和中间呼吸模板都能够随着使用者呼吸状态的变化而形成动态变化,使中间阈值和中间呼吸模板具有较强的抗干扰能力,从而使得呼吸窒息的检测和判断更加精确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例提供的呼吸窒息检测方法的流程图。
图2为本发明实施例提供的呼吸窒息检测方法的第一子流程图。
图3为本发明实施例提供的呼吸窒息检测方法的第二子流程图。
图4为本发明实施例提供的呼吸窒息检测方法的第三子流程图。
图5为本发明实施例提供的呼吸窒息检测方法的第四子流程图。
图6为本发明实施例提供的终端的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的规划对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,换句话说,描述的实施例根据除了这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,还可以包含其他内容,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于只清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
请结合参看图1,其为本发明实施例提供的呼吸窒息检测方法的流程图。呼吸窒息检测方法可以应用于呼吸机、睡眠初筛仪、多导睡眠仪等睡眠呼吸设备,用于根据获取的呼吸信号对使用者进行是否存在呼吸窒息情况的检测。呼吸窒息检测方法具体包括如下步骤。
步骤S102,生成初始阈值和初始呼吸模板。通过睡眠呼吸设备获取使用者的呼吸信号并根据呼吸信号生成初始阈值和初始呼吸模板。在本实施例中,在对睡眠呼吸设备的使用者进行是否存在呼吸窒息情况的判断之前,先获取使用者的呼吸信号,并根据呼吸信号生成相应的初始阈值和初始呼吸模板。可以理解的是,初始阈值和初始呼吸模板根据不同使用者自身的呼吸情况生成,不同使用者的初始阈值和初始呼吸模板不同。其中,初始呼吸模板为一个周期的呼吸信号,初始呼吸模板包括峰值幅度和若干初始呼吸流速。生成初始阈值和初始呼吸模板的具体过程将在下文详细描述。
步骤S104,获取连续的呼吸信号。通过睡眠呼吸设备获取使用者的呼吸信号。其中,呼吸信号用于表示使用者呼吸时气流的流速。在本实施例中,呼吸信号为周期信号,每一呼吸信号为一个周期。获取到呼吸信号之后,对每一呼吸信号进行滤波处理,再根据呼吸检测算法检测经过滤波处理之后的呼吸信号的峰值、谷值以及峰值幅度。对每一呼吸信号进行采样得到相应的检测呼吸流速。可理解的是,每一呼吸信号均包括若干检测呼吸流速。其中,滤波处理为低通滤波,如5赫兹巴托沃斯低通滤波。呼吸检测算法包括但不限于流量阈值检测算法、流量图形检测算法等。
步骤S106,根据呼吸信号的峰值幅度和初始阈值判断是否存在呼吸窒息。目前,在正常呼吸时,当呼吸流量的幅度下降至正常幅度的10%并持续10秒以上,就可以认为是窒息。因此,可以根据呼吸信号的峰值幅度和初始阈值判断是否存在呼吸窒息。如何根据呼吸信号的峰值幅度和初始阈值判断是否存在呼吸窒息具体将在下文详细描述。当不存在呼吸窒息时,执行步骤S108。
步骤S108,计算初始呼吸模板和呼吸信号的第一相关系数和第一幅度差。在本实施例中,计算初始呼吸模板和呼吸信号的第一幅度差具体为:计算呼吸信号的峰值幅度与初始呼吸模板的峰值幅度的差值,并计算差值与初始呼吸模板的峰值幅度的比值为第一幅度差。其中,第一相关系数和第一幅度差用于表示呼吸信号与初始呼吸模板之间的相似度。第一相关系数越大,表示呼吸信号与初始呼吸模板越相似;第一相关系数越小,表示呼吸信号与初始呼吸模板越不相似。第一幅度差越大,表示呼吸信号与初始呼吸模板越不相似;第一幅度差越小,表示呼吸信号与初始呼吸模板越相似。可以理解的是,每一呼吸信号与初始呼吸模板之间都相对应有一个第一相关系数和一个第一幅度差。计算初始呼吸模板和呼吸信号的第一相关系数的具体过程将在下文详细描述。
步骤S110,判断第一相关系数是否大于预设系数且第一幅度差是否不大于预设比值。在本实施例中,预设系数为0.75,预设比值为20%。在一些可行的实施例中,预设系数和预设比值还可以根据实际情况进行设置,在此不做限定。可以理解的是,第一相关系数越大且第一幅度差越小,表示呼吸信号和初始呼吸模板越相似。当第一相关系数大于预设系数且第一幅度差不大于预设比值时,执行步骤S112。
步骤S112,按照预设规则更新初始阈值和初始呼吸模板以分别得到中间阈值和中间呼吸模板。
按照预设规则更新初始阈值以得到中间阈值具体包括:根据呼吸信号的峰值幅度计算标准幅度,并按照预设比例计算标准幅度和初始阈值之和以得到中间阈值。在本实施例中,计算呼吸信号的峰值幅度的10%为标准幅度,按照标准幅度的比例为1/8、初始阈值的比例为7/8的预设比例计算中间阈值。具体公式表示为:
Figure BDA0003442685360000051
其中,THR_NEW表示中间阈值,THR表示初始阈值,amp表示呼吸信号的峰值幅度。在一些可行的实施例中,标准幅度和初始阈值的比例还可以设置为1比4。相应地,具体公式可以表示为:
Figure BDA0003442685360000052
在另一些可行的实施例中,标准幅度和初始阈值之间的比例可以根据实际情况进行设置,在此不做限定。
按照预设规则更新初始呼吸模板以得到中间呼吸模板具体包括:按照预设比例计算初始呼吸流速和检测呼吸流速之和以分别得到中间呼吸模板的若干中间呼吸流速。在本实施例中,按照初始呼吸流速的比例为7/8、检测呼吸流速的比例为1/8的预设比例计算中间呼吸流速。可以理解的是,若生成的初始呼吸模板中初始呼吸流速的数量为n,则对呼吸信号进行采样处理时,从呼吸信号中采样的检测呼吸流速的数量也为n。其中,呼吸信号中的每一检测呼吸流速与初始呼吸模板中的每一初始呼吸流速一一对应。一一对应的检测呼吸流速和初始呼吸流速共同计算得到中间呼吸流速,从而得到中间呼吸模板。在一些可行的实施例中,检测呼吸流速和初始呼吸流速的比例可以设置为1比4,检测呼吸流速和初始呼吸流速的比例还可以根据实际情况进行设置。可以理解的是,检测呼吸流速和初始呼吸流速之间的比例与标准幅度和初始阈值之间的比例相同。
步骤S114,当得到中间阈值和中间呼吸模板时,根据呼吸信号的峰值幅度和中间阈值判断是否存在呼吸窒息。可以理解的是,在不断获取呼吸信号的过程中,只要生成中间阈值和中间呼吸模板,在生成中间阈值和中间呼吸模板之后获取到的呼吸信号就利用中间阈值来判断是否存在呼吸窒息。当根据呼吸信号的峰值幅度和中间阈值判断不存在呼吸窒息时,执行步骤S116。
步骤S116,根据呼吸信号更新中间阈值和中间呼吸模板。根据呼吸信号更新中间阈值和中间呼吸模板的过程与根据呼吸信号更新初始中间阈值和初始呼吸模板的过程基本一致,在此不再一一赘述。可以理解的是,生成初始阈值和初始呼吸模板之后,睡眠呼吸设备不断获取使用者的呼吸信号。每获取到一个呼吸信号就对呼吸信号进行检测,根据初始阈值判断是否存在呼吸窒息。当不存在呼吸窒息时,判断呼吸信号是否满足更新初始阈值和初始呼吸模板的条件。当满足更新初始阈值和初始呼吸模板的条件时,根据呼吸信号将初始阈值和初始呼吸模板分别更新为中间阈值和中间呼吸模板。得到中间阈值和中间呼吸模板之后获取到的呼吸信号就根据中间阈值来判断是否存在呼吸窒息。相应地,当不存在呼吸窒息时,判断呼吸信号是否满足更新中间阈值和中间呼吸模板的条件。当满足更新中间阈值和中间呼吸模板的条件时,根据呼吸信号更新中间阈值和中间呼吸模板。即是说,在检测呼吸窒息的过程中,用于判断是否存在呼吸窒息的中间阈值根据使用者的呼吸状态不断实时更新,从而能够与使用者的呼吸状态相适配。
上述实施例中,根据预先生成的初始阈值判断是否存在呼吸窒息,当不存在呼吸窒息时,计算呼吸信号与初始呼吸模板之间的第一相关系数和第一幅度差并判断呼吸信号与初始呼吸模板是否相似。当第一相关系数大于预设系数且第一幅度差不大于预设比值时,即呼吸信号和初始呼吸模板之间越相似,则可以根据呼吸信号更新初始阈值和初始呼吸模板,以得到中间阈值和中间呼吸模板。再根据中间阈值来判断是否存在呼吸窒息。其中,呼吸信号与初始呼吸模板之间越不相似,表示使用者的呼吸存在波动,则不利用相应的呼吸信号更新初始阈值和初始呼吸模板。呼吸信号与初始呼吸模板之间越相似,表示使用者的呼吸仍处于平稳状态,则可利用相应的呼吸信号来更新初始阈值和初始呼吸模板。更新得到中间阈值和中间呼吸模板之后,在后续的检测过程中,仍不断根据新的呼吸信号更新中间阈值和中间呼吸模板,使得中间阈值和中间呼吸模板都能够随着使用者呼吸状态的变化而形成动态变化,使中间阈值和中间呼吸模板具有较强的抗干扰能力,从而使得呼吸窒息的检测和判断更加精确。
请结合参看图2,其为本发明实施例提供的呼吸窒息检测方法的第一子流程图。步骤S106具体包括如下步骤。
步骤S202,判断呼吸信号的峰值幅度是否小于初始阈值。当呼吸信号的峰值幅度小于初始阈值时,表示相应的呼吸信号可能是在使用者处于呼吸窒息时采集获取到的。当呼吸信号的峰值幅度小于初始阈值时,执行步骤S204。
步骤S204,计算所有峰值幅度小于初始阈值的呼吸信号的时间之和。在本实施例中,当检测到某一呼吸信号的峰值幅度小于初始阈值时,开始计算时间。在计算时间的过程中,不断判断新的呼吸信号的峰值幅度是否均小于初始阈值。当呼吸信号的峰值幅度一直小于初始阈值时,则计算时间不中断。当某一呼吸信号的峰值幅度大于初始阈值时,则计算时间中断;当判断新的呼吸信号的峰值幅度小于初始阈值时,重新开始计算时间。可以理解的是,判断是否存在呼吸窒息需要检测窒息是否持续了一定的时间。因此,在计算时间的过程中,当呼吸信号的峰值幅度大于初始阈值,即呼吸信号不是使用者处于呼吸窒息时采集获取到的,就不计算时间。即是说,根据呼吸信号计算时间之和时,所有呼吸信号应当为连续的呼吸信号。
步骤S206,判断时间之和是否大于预设时间。其中,预设时间为10秒。当时间之和大于预设时间时,执行步骤S208。
步骤S208,确认存在呼吸窒息。
步骤S114中,根据呼吸信号的峰值幅度和中间阈值判断是否存在呼吸窒息的具体过程与上述根据呼吸信号的峰值幅度和初始阈值判断是否存在呼吸窒息的过程基本一致,在此不再一一赘述。
请结合参看图3,其为本发明实施例提供的呼吸窒息检测方法的第二子流程图。步骤S108中计算初始呼吸模板和呼吸信号的第一相关系数具体包括如下步骤。
步骤S302,计算初始呼吸模板中每一初始呼吸流速的平均值作为第一均值。
步骤S304,计算呼吸信号中每一检测呼吸流速的平均值作为第二均值。可以理解的是,每一呼吸信号对应一个第二均值。
步骤S306,根据初始呼吸流速、检测呼吸流速、第一均值和第二均值计算第一相关系数。在本实施例中,根据第一公式计算第一相关系数。具体地,第一公式为:
Figure BDA0003442685360000071
其中,coef表示第一相关系数,x(i)表示初始呼吸流速,
Figure BDA0003442685360000081
表示第一均值,y(i)表示检测呼吸流速,
Figure BDA0003442685360000082
表示第二均值。
请结合参看图4,其为本发明实施例提供的呼吸窒息检测方法的第三子流程图。步骤S102具体包括如下步骤。
步骤S402,获取若干呼吸信号。通过睡眠呼吸设备获取使用者的呼吸信号。在本实施例中,呼吸信号为周期信号,每一呼吸信号为一个周期。获取到呼吸信号之后,对每一呼吸信号进行滤波处理,再根据呼吸检测算法检测经过滤波处理之后的呼吸信号的峰值、谷值以及峰值幅度。对每一呼吸信号进行采样得到相应的检测呼吸流速。其中,每一呼吸信号均包括若干检测呼吸流速。滤波处理为低通滤波,如5赫兹巴托沃斯低通滤波。呼吸检测算法包括但不限于流量阈值检测算法、流量图形检测算法等。
步骤S404,计算若干呼吸信号中每两个呼吸信号的第三相关系数和第三幅度差。在本实施例中,每获取到一个新的呼吸信号,就计算新的呼吸信号与之前的呼吸信号的第三相关系数和第三幅度差。其中,计算每两个呼吸信号的第三幅度差具体为:计算每两个呼吸信号的峰值幅度的差值,并计算差值与之前的呼吸信号的峰值幅度的比值为第三幅度差。计算每两个呼吸信号的第三相关系数的过程与计算呼吸信号与初始呼吸模板的第一相关系数的过程基本一致,在此不再一一赘述。相应地,第三相关系数和第三幅度差用于表示每两个呼吸信号之间的相似度。第三相关系数越大,表示每两个呼吸信号越相似;第三相关系数越小,表示每两个呼吸信号越不相似。第三幅度差越大,表示每两个呼吸信号越不相似;第三幅度差越小,表示每两个呼吸信号越相似。可以理解的是,每一呼吸信号与之前的呼吸信号之间都相对应有一个第三相关系数和一个第三幅度差。
步骤S406,根据第三相关系数和第三幅度差判断是否存在预设数量的呼吸信号满足条件。在本实施例中,判断第三相关系数是否大于预设系数且第三幅度差是否不大于预设比值。当第三相关系数大于预设系数且第三幅度差不大于预设比值时,确认相应的呼吸信号满足条件。统计满足条件的呼吸信号的数量。在本实施例中,当确认相应的呼吸信号满足条件时,开始统计呼吸信号的数量。在统计数量的过程中,只要出现两个呼吸信号之间的第三相关系数小于或者等于预设系数,或者第三幅度差大于预设比值,统计中断。当确认新的呼吸信号满足条件时,重新开始统计呼吸信号的数量。即是说,预设数量的呼吸信号中,所有呼吸信号应当为连续的呼吸信号。在本实施例中,预设系数为0.75,预设比值为20%,预设数量为5。在一些可行的实施例中,预设系数、预设比值以及预设数量还可以根据实际情况进行设置,在此不做限定。当存在预设数量的呼吸信号满足条件时,执行步骤S408和步骤S410。
步骤S408,计算所有满足条件的呼吸信号的峰值幅度的平均值为初始阈值。在本实施例中,根据第二公式计算初始阈值。具体地,第二公式为:
Figure BDA0003442685360000091
其中,THR表示初始阈值,AMPi表示满足条件的呼吸信号的峰值幅度,b表示预设数量。
步骤S410,计算所有满足条件的呼吸信号的检测呼吸流速的平均值作为初始呼吸模板的初始呼吸流速。其中,对所有满足条件的呼吸信号进行采样处理时,从呼吸信号中采样的检测呼吸流速的数量相同。所有呼吸信号中,一一对应的检测呼吸流速共同计算平均值作为相应的初始呼吸流速。
上述实施例中,根据若干呼吸信号中每两个呼吸信号的第三相关系数和第三幅度差判断呼吸信号是否满足条件。其中,第三相关系数越大且第三幅度差越小,表示呼吸信号越相似。当存在预设数量的呼吸信号满足条件时,认为使用者的呼吸处于平稳状态,可以利用相似度较高且处于平稳状态的呼吸信号构建初始阈值和初始呼吸模板,使得呼吸窒息的检测和判断更加准确。
请结合参看图5,其为本发明实施例提供的呼吸窒息检测方法的第四子流程图。当第一相关系数小于或者等于预设系数,或者第一幅度差大于预设比值时,呼吸窒息检测方法还包括如下步骤。
步骤S502,计算第一相关系数小于或者等于预设系数,或者第一幅度差大于预设比值所对应的呼吸信号的数量。在本实施例中,将第一相关系数小于或者等于预设系数,或者第一幅度差大于预设比值所对应的呼吸信号设置为标定信号,计算所有连续的标定信号的数量作为呼吸信号的数量。可以理解的是,当第一相关系数小于或者等于预设系数,或者第一幅度差大于预设比值时,确认相应的呼吸信号为标定信号。当出现标定信号时,开始计算标定信号的数量。在计算的过程中,只要出现第一相关系数大于预设系数且第一幅度差不大于预设比值的呼吸信号,则计算中断。当确认新的呼吸信号为标定信号时,重新开设计算标定信号的数量。即是说,根据标定信号计算数量时,所有标定信号应当为连续的呼吸信号。
步骤S504,判断呼吸信号的数量是否大于预设数值。其中,预设数量为5。在一些可行的实施例中,预设数量可以根据实际情况进行设置,在此不做限定。当呼吸信号的数量大于预设数值时,执行步骤S506。
步骤S506,计算呼吸信号中每两个呼吸信号的第二相关系数和第二幅度差。呼吸信号中每两个呼吸信号的第二相关系数的计算过程与初始呼吸模板和呼吸信号的第一相关系数的计算过程基本一致,在此不再赘述;呼吸信号中每两个呼吸信号的第二幅度差的计算过程与初始呼吸模板和呼吸信号的第一幅度差的计算过程基本一致,在此不再赘述。
步骤S508,判断第二相关系数是否大于预设系数且第二幅度差是否不大于预设比值。在本实施例中,预设系数为0.75,预设比值为20%。在一些可行的实施例中,预设系数和预设比值还可以根据实际情况进行设置,在此不做限定。当第二相关系数大于预设系数且第二幅度差不大于预设比值时,执行步骤S510。
步骤S510,根据呼吸信号构建中间阈值和中间呼吸模板。在本实施例中,计算所有标定信号的峰值幅度的平均值为中间阈值,计算所有标定信号的检测呼吸流速的平均值为中间呼吸模板的中间呼吸流速。其中,所有标定信号的峰值幅度的平均值的计算过程与所有满足条件的呼吸信号的峰值幅度的平均值的计算过程基本一致,所有标定信号的检测呼吸流速的平均值的计算过程与所有满足条件的呼吸信号的检测呼吸流速的平均值的计算过程基本一致,在此不再一一赘述。
上述实施例中,当存在连续预设数量的呼吸信号,其中呼吸信号与初始呼吸模板之间的第一相关系数小于或者等于预设系数,或者呼吸信号与初始呼吸模板之间的第一幅度差大于预设比值,即连续几个周期的呼吸信号与初始呼吸模板之间的相似性越低时,根据连续预设数量的呼吸信号之间的第二相关系数和第二幅度差判断相似性。当连续预设数量的呼吸信号之间的相似性较高且幅度相差不大时,则表示使用者的呼吸可能进入了另一种平稳的状态。因此,根据连续预设数量的呼吸信号构建新的中间阈值和中间呼吸模板,使得呼吸窒息的检测和判断更加精确。
请结合参看图6,其为本发明实施例提供的终端的内部结构示意图。终端10包括计算机可读存储介质11、处理器12以及总线13。其中,计算机可读存储介质11至少包括一种类型的可读存储介质,该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。计算机可读存储介质11在一些实施例中可以是终端10的内部存储单元,例如终端10的硬盘。计算机可读存储介质11在另一些实施例中也可以是终端10的外部存储设备,例如终端10上配备的插接式硬盘、智能存储卡(Smart MediaCard,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,计算机可读存储介质11还可以既包括终端10的内部存储单元也包括外部存储设备。计算机可读存储介质11不仅可以用于存储安装于终端10的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
总线13可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
进一步地,终端10还可以包括显示组件14。显示组件14可以是发光二极管(LightEmitting Diode,LED)显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。其中,显示组件14也可以适当的称为显示装置或显示单元,用于显示在终端10中处理的信息以及用于显示可视化的用户界面。
进一步地,终端10还可以包括通信组件15。通信组件15可选地可以包括有线通信组件和/或无线通信组件,如WI-FI通信组件、蓝牙通信组件等,通常用于在终端10与其他智能控制设备之间建立通信连接。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行计算机可读存储介质11中存储的程序代码或处理数据。具体地,处理器12执行处理程序以控制终端10实现呼吸窒息检测方法。
图6仅示出了具有组件11-15、用于实现呼吸窒息检测方法的终端10,本领域技术人员可以理解的是,图6示出的结构并不构成对终端10的限定,终端10可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所列举的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属于本发明所涵盖的范围。

Claims (10)

1.一种呼吸窒息检测方法,其特征在于,所述呼吸窒息检测方法包括:
生成初始阈值和初始呼吸模板;
获取连续的呼吸信号;
根据所述呼吸信号的峰值幅度和所述初始阈值判断是否存在呼吸窒息;
当不存在呼吸窒息时,计算所述初始呼吸模板和所述呼吸信号的第一相关系数和第一幅度差;
判断所述第一相关系数是否大于预设系数且所述第一幅度差是否不大于预设比值;
当所述第一相关系数大于预设系数且所述第一幅度差不大于预设比值时,按照预设规则更新所述初始阈值和所述初始呼吸模板以分别得到中间阈值和中间呼吸模板;以及
当得到所述中间阈值和所述中间呼吸模板时,根据所述呼吸信号的峰值幅度和所述中间阈值判断是否存在呼吸窒息。
2.如权利要求1所述的呼吸窒息检测方法,其特征在于,计算所述初始呼吸模板和所述呼吸信号的第一相关系数具体包括:
计算所述初始呼吸模板中每一初始呼吸流速的平均值作为第一均值,其中,所述初始呼吸模板包括若干初始呼吸流速;
计算所述呼吸信号中每一检测呼吸流速的平均值作为第二均值,其中,所述呼吸信号包括若干检测呼吸流速;以及
根据所述初始呼吸流速、所述检测呼吸流速、所述第一均值和所述第二均值计算所述第一相关系数。
3.如权利要求1所述的呼吸窒息检测方法,其特征在于,按照预设规则更新所述初始阈值以得到中间阈值具体包括:
根据所述呼吸信号的峰值幅度计算标准幅度;以及
按照预设比例计算所述标准幅度和所述初始阈值之和以得到所述中间阈值。
4.如权利要求1所述的呼吸窒息检测方法,其特征在于,所述初始呼吸模板包括若干初始呼吸流速,所述呼吸信号包括若干检测呼吸流速,按照预设规则更新所述初始呼吸模板以得到中间呼吸模板具体包括:
按照预设比例计算所述初始呼吸流速和所述检测呼吸流速之和以分别得到所述中间呼吸模板的若干中间呼吸流速。
5.如权利要求1所述的呼吸窒息检测方法,其特征在于,根据所述呼吸信号的峰值幅度和所述初始阈值判断是否存在呼吸窒息,或者根据所述呼吸信号的峰值幅度和所述中间阈值判断是否存在呼吸窒息具体包括:
判断所述呼吸信号的峰值幅度是否小于所述初始阈值或者所述中间阈值;
当所述呼吸信号的峰值幅度小于所述初始阈值或者所述中间阈值时,计算所有峰值幅度小于所述初始阈值或者所述中间阈值的呼吸信号的时间之和;
判断所述时间之和是否大于预设时间;以及
当所述时间之和大于预设时间时,确认存在呼吸窒息。
6.如权利要求1所述的呼吸窒息检测方法,其特征在于,当所述第一相关系数小于或者等于预设系数,或者所述第一幅度差大于预设比值时,所述呼吸窒息检测方法还包括:
计算所述第一相关系数小于或者等于预设系数,或者所述第一幅度差大于预设比值所对应的呼吸信号的数量;
判断所述呼吸信号的数量是否大于预设数值;
当所述呼吸信号的数量大于预设数值时,计算所述呼吸信号中每两个呼吸信号的第二相关系数和第二幅度差;
判断所述第二相关系数是否大于所述预设系数且所述第二幅度差是否不大于所述预设比值;以及
当所述第二相关系数大于所述预设系数且所述第二幅度差不大于所述预设比值时,根据呼吸信号构建中间阈值和中间呼吸模板。
7.如权利要求6所述的呼吸窒息检测方法,其特征在于,计算所述第一相关系数小于或者等于预设系数,或者所述第一幅度差大于预设比值所对应的呼吸信号的数量具体包括:
将所述第一相关系数小于或者等于预设系数,或者所述第一幅度差大于预设比值所对应的呼吸信号设置为标定信号;以及
计算所有连续的标定信号的数量作为所述呼吸信号的数量。
8.如权利要求1所述的呼吸窒息检测方法,其特征在于,生成初始阈值和初始呼吸模板具体包括:
获取若干呼吸信号,其中,每一所述呼吸信号均包括若干检测呼吸流速;
计算所述若干呼吸信号中每两个呼吸信号的第三相关系数和第三幅度差;
根据所述第三相关系数和所述第三幅度差判断是否存在预设数量的呼吸信号满足条件;
当存在预设数量的呼吸信号满足条件时,计算所有满足条件的呼吸信号的峰值幅度的平均值为所述初始阈值;以及
计算所有满足条件的呼吸信号的检测呼吸流速的平均值作为所述初始呼吸模板的初始呼吸流速。
9.如权利要求1所述的呼吸窒息检测方法,其特征在于,当根据所述呼吸信号的峰值幅度和所述中间阈值判断不存在呼吸窒息时,所述呼吸窒息检测方法还包括:
根据所述呼吸信号更新所述中间阈值和所述中间呼吸模板。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序指令,所述程序指令可被处理器执行以实现如权利要求1至9中任一项所述的呼吸窒息检测方法。
CN202111641619.7A 2021-12-29 2021-12-29 计算机可读存储介质及终端 Active CN114176567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111641619.7A CN114176567B (zh) 2021-12-29 2021-12-29 计算机可读存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111641619.7A CN114176567B (zh) 2021-12-29 2021-12-29 计算机可读存储介质及终端

Publications (2)

Publication Number Publication Date
CN114176567A true CN114176567A (zh) 2022-03-15
CN114176567B CN114176567B (zh) 2023-01-17

Family

ID=80606403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111641619.7A Active CN114176567B (zh) 2021-12-29 2021-12-29 计算机可读存储介质及终端

Country Status (1)

Country Link
CN (1) CN114176567B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362189A (zh) * 2023-03-23 2023-06-30 珠海横琴脑虎半导体有限公司 一种脑电信号采集芯片

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6010451A (en) * 1996-03-29 2000-01-04 Clawson; Jeffrey J. Method and system for giving remote emergency medical counsel to choking patients
CN101843489A (zh) * 2009-03-26 2010-09-29 深圳市理邦精密仪器有限公司 一种呼吸信号处理方法
US20150073291A1 (en) * 2013-09-06 2015-03-12 Breathe Technologies, Inc. Apnea and hypopnea detection
CN106039516A (zh) * 2016-06-24 2016-10-26 广州医软智能科技有限公司 一种窒息报警的吸氧面罩
JP2017213063A (ja) * 2016-05-30 2017-12-07 株式会社デンソー 呼吸モニタ装置
CN112971764A (zh) * 2021-02-20 2021-06-18 山东大学 一种呼吸疾病患者清醒与睡眠状态检测方法及系统
WO2021152551A1 (en) * 2020-01-31 2021-08-05 Resmed Sensor Technologies Limited Sleep status detection for apnea-hypopnea index calculation
CN113729673A (zh) * 2021-09-18 2021-12-03 深圳晶华相控科技有限公司 一种可防窒息的监护方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6010451A (en) * 1996-03-29 2000-01-04 Clawson; Jeffrey J. Method and system for giving remote emergency medical counsel to choking patients
CN101843489A (zh) * 2009-03-26 2010-09-29 深圳市理邦精密仪器有限公司 一种呼吸信号处理方法
US20100249611A1 (en) * 2009-03-26 2010-09-30 Edan Instruments. Inc. Respiratory Signal Processing Method
US20150073291A1 (en) * 2013-09-06 2015-03-12 Breathe Technologies, Inc. Apnea and hypopnea detection
JP2017213063A (ja) * 2016-05-30 2017-12-07 株式会社デンソー 呼吸モニタ装置
CN106039516A (zh) * 2016-06-24 2016-10-26 广州医软智能科技有限公司 一种窒息报警的吸氧面罩
WO2021152551A1 (en) * 2020-01-31 2021-08-05 Resmed Sensor Technologies Limited Sleep status detection for apnea-hypopnea index calculation
CN112971764A (zh) * 2021-02-20 2021-06-18 山东大学 一种呼吸疾病患者清醒与睡眠状态检测方法及系统
CN113729673A (zh) * 2021-09-18 2021-12-03 深圳晶华相控科技有限公司 一种可防窒息的监护方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362189A (zh) * 2023-03-23 2023-06-30 珠海横琴脑虎半导体有限公司 一种脑电信号采集芯片

Also Published As

Publication number Publication date
CN114176567B (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN108571804B (zh) 空调器及其参数调整方法、装置和可读存储介质
Chon et al. Approximate entropy for all signals
CN108875013B (zh) 处理地图数据的方法及装置
CN107219925B (zh) 姿势检测方法、装置及服务器
JP2004158042A (ja) 映像のテキスチャー特徴を記述する方法、装置およびその媒体
US10068073B2 (en) Verification device and control method for verifiction device, as well as computer program
CN114176567B (zh) 计算机可读存储介质及终端
CN106991072A (zh) 在线自学习事件检测模型更新方法及装置
CN110083740A (zh) 视频指纹提取及视频检索方法、装置、终端及存储介质
CN102098531A (zh) 一种检测摄像机被干扰的方法及装置
CN111765900A (zh) 计步方法、计步装置及计算机可读存储介质
CN113591683A (zh) 姿态估计方法、装置、电子设备和存储介质
KR102035860B1 (ko) 연속 제스처 인식 시스템
CN114491383A (zh) 桥梁监测的异常数据处理方法及系统
CN114328785A (zh) 提取道路信息的方法和装置
CN114176527A (zh) 体动状态的确定方法及计算机可读存储介质
CN114022614A (zh) 一种三维重建目标位置置信度的估计方法及系统
US7623998B1 (en) System and method for identifying Bezier curves from a shape
CN114176568B (zh) 基于呼吸压力信号的鼾声检测方法
CN110443035A (zh) 对用于识别入侵尝试的系统进行校准的方法和设备
CN114176528B (zh) 心动干扰识别方法及计算机可读存储介质
CN114356705A (zh) 用于物联网设备的异常检测方法、装置、设备及介质
CN117048457A (zh) 儿童安全座椅的用户界面匹配方法及装置、车辆
CN107945016B (zh) 变量的取值升维方法、装置及计算机可读存储介质
CN114224320B (zh) 自适应多通道信号融合的鼾声检测方法、设备及系统

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