CN114246549A - 用于检测呼吸暂停的电子设备和计算机可读存储介质 - Google Patents
用于检测呼吸暂停的电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN114246549A CN114246549A CN202011012215.7A CN202011012215A CN114246549A CN 114246549 A CN114246549 A CN 114246549A CN 202011012215 A CN202011012215 A CN 202011012215A CN 114246549 A CN114246549 A CN 114246549A
- Authority
- CN
- China
- Prior art keywords
- data
- electronic device
- pulse wave
- apnea
- determining
- 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
- 208000008784 apnea Diseases 0.000 title claims abstract description 123
- 210000004556 brain Anatomy 0.000 claims abstract description 40
- 239000008280 blood Substances 0.000 claims description 41
- 210000004369 blood Anatomy 0.000 claims description 41
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 32
- 229910052760 oxygen Inorganic materials 0.000 claims description 32
- 239000001301 oxygen Substances 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 17
- 230000015556 catabolic process Effects 0.000 claims description 12
- 238000006731 degradation reaction Methods 0.000 claims description 12
- 230000008667 sleep stage Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 210000001061 forehead Anatomy 0.000 claims description 9
- 230000000414 obstructive effect Effects 0.000 claims description 9
- 208000003417 Central Sleep Apnea Diseases 0.000 claims description 8
- 238000010183 spectrum analysis Methods 0.000 claims description 5
- 230000037007 arousal Effects 0.000 claims description 4
- 230000005693 optoelectronics Effects 0.000 claims description 4
- 238000006213 oxygenation reaction Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 32
- 210000001508 eye Anatomy 0.000 description 29
- 230000007958 sleep Effects 0.000 description 25
- 238000004590 computer program Methods 0.000 description 18
- 201000002859 sleep apnea Diseases 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 8
- 230000015654 memory Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 210000005252 bulbus oculi Anatomy 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 206010021079 Hypopnoea Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 208000001797 obstructive sleep apnea Diseases 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 210000002345 respiratory system Anatomy 0.000 description 4
- 206010021143 Hypoxia Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 208000018875 hypoxemia Diseases 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 108010064719 Oxyhemoglobins Proteins 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 206010067775 Upper airway obstruction Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 208000020020 complex sleep apnea Diseases 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 201000006646 mixed sleep apnea Diseases 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000007830 nerve conduction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000003019 respiratory muscle Anatomy 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000000884 Airway Obstruction Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000036471 bradycardia Effects 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 1
- 210000005181 root of the tongue Anatomy 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 230000002618 waking effect Effects 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
-
- 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
- A61B5/14542—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 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
- A61B5/145—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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6814—Head
- A61B5/6821—Eye
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Optics & Photonics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Vascular Medicine (AREA)
- Ophthalmology & Optometry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本公开提出了一种用于检测呼吸暂停的电子设备和计算机可读存储介质。该电子设备包括：脑电传感器或鼻气流传感器中的至少一项，所述脑电传感器被配置为检测用户的脑电数据，所述鼻气流传感器被配置为检测用户的鼻气流数据；控制器，与所述脑电传感器或所述鼻气流传感器中的所述至少一项通信耦接，并被配置为：至少基于所述脑电数据或所述鼻气流数据来确定候选呼吸暂停事件。
Description
技术领域
本公开涉及医疗健康领域，更具体地涉及用于检测呼吸暂停的电子设备和计算机可读存储介质。
背景技术
作为现代人的常见病之一，睡眠呼吸暂停综合征(Sleep Apnea Syndrome或简称为SAS)是一种睡眠时候呼吸停止的睡眠障碍。最常见的原因是上呼吸道阻塞，经常以大声打鼾、身体抽动或手臂甩动结束。睡眠呼吸暂停伴有睡眠缺陷、白天打盹、疲劳，以及心动过缓或心律失常和脑电图觉醒状态。
SAS可以大致分类为三种：(1)阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea或简称为OSA)：喉咙附近的软组织(例如，舌根)松弛而造成上呼吸道阻塞，呼吸道收窄引致睡眠时呼吸暂停；(2)中枢神经性睡眠呼吸暂停(Central Sleep Apnea或简称为CSA)：呼吸中枢神经曾经受到中风及创伤等损害而产生障碍，不能正常传达呼吸的指令引致睡眠呼吸机能失调；以及(3)混合性睡眠呼吸暂停(Mixed Sleep Apnea或简称为MSA)：混合阻塞性睡眠呼吸暂停和中枢神经性睡眠呼吸暂停。
由于这种疾病总是发生在睡眠期间，因此患者本人通常无法明确意识到自已患病，通常是由患者之外的其他人告知患者。即便是患者怀疑自己存在呼吸暂停现象，为了检测该现象，相关的监测方案也通常也要求在医院的指定睡眠室佩戴多个复杂设备(例如，脑电仪、心电仪、体动仪、口鼻气流仪等)，且因此一方面成本高昂，另一方面对使用者的睡眠本身造成负面影响，影响监测结果。
随着社会发展不断增强，人们生活压力也越来越大，存在睡眠问题的人越来越多，睡眠呼吸暂停综合征是睡眠中一个重要问题，且不及时处理会引起其他健康隐患如：肥胖、心血管疾病等。
因此需要一种能够在家中方便实用的睡眠呼吸暂停综合征检测及分型方案，以帮助用户在家中就能实现睡眠监测，进而帮助确定睡眠呼吸暂停问题。
发明内容
为了至少部分解决或减轻上述问题，提供了根据本公开实施例的用于检测呼吸暂停的穿戴式电子设备及用于检测呼吸暂停的方法。
根据本公开的第一方面，提供了一种用于检测呼吸暂停的电子设备。该电子设备包括：脑电传感器或鼻气流传感器中的至少一项，所述脑电传感器被配置为检测用户的脑电数据，所述鼻气流传感器被配置为检测用户的鼻气流数据；控制器，与所述脑电传感器或所述鼻气流传感器中的所述至少一项通信耦接，并被配置为：至少基于所述脑电数据或所述鼻气流数据来确定候选呼吸暂停事件。
在一些实施例中，所述电子设备还包括：光电传感器，与所述控制器通信耦接并被配置为检测所述用户的血氧数据，其中，所述控制器还被配置为：至少基于所述血氧数据来验证所述候选呼吸暂停事件是否是呼吸暂停事件。
在一些实施例中，所述光电传感器还被配置为检测所述用户的脉搏波数据，其中，所述控制器还被配置为：响应于确定所述候选呼吸暂停事件是呼吸暂停事件，至少基于所述脉搏波数据来确定所述呼吸暂停事件的类型。
在一些实施例中，所述控制器是通过以下方式被配置为至少基于所述脑电数据来确定候选呼吸暂停事件的：当满足以下公式时，视为出现候选呼吸暂停事件：
其中，σ、θ、α、β分别对应于脑电数据中的1～4Hz、4～8Hz、8～13Hz和13～30Hz频段上的脑电信号水平，且A为预设阈值。在一些实施例中，σ、θ、α、β是通过对所述脑电传感器采集到的脑电数据进行频谱分析来得到的。在一些实施例中，所述控制器是通过以下方式被配置为至少基于所述鼻气流数据来确定候选呼吸暂停事件的：当所述鼻气流数据指示鼻气流的单位时间气流量下降超过50％时，视为出现候选呼吸暂停事件。在一些实施例中，所述控制器还被配置为：根据所述脑电数据来确定所述用户的睡眠分期。在一些实施例中，所述控制器是通过以下方式被配置为至少基于所述血氧数据来验证所述候选呼吸暂停事件是否是呼吸暂停事件的：当满足以下至少一项时，确定所述候选呼吸暂停事件是呼吸暂停事件：血氧数据下降值大于或等于5％、血氧数据下降值在4％和5％之间且持续时间大于30秒、血氧数据下降值在3％和4％之间且持续时间大于30秒并伴有觉醒现象。
在一些实施例中，所述控制器是通过以下方式被配置为响应于确定所述候选呼吸暂停事件是呼吸暂停事件，至少基于所述脉搏波数据来确定所述呼吸暂停事件的类型的：基于所述脉搏波数据来确定所述呼吸暂停事件期间的第一脉搏波幅度均值和所述呼吸暂停事件前的第二脉搏波幅度均值；以及至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型。在一些实施例中，所述控制器是通过以下方式被配置为至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型的：计算所述第一脉搏波幅度均值与所述第二脉搏波幅度均值的比值；以及响应于确定所述比值小于0.9，将所述呼吸暂停事件确定为中枢型呼吸暂停事件；以及响应于确定所述比值在包括1在内的预设区间[1-ε，1+ε]内，将所述呼吸暂停事件确定为阻塞型呼吸暂停事件，其中，0＜ε≤0.1。在一些实施例中，所述第一脉搏波幅度均值和所述第二脉搏波幅度均值是通过对所述光电传感器采集到的脉搏波数据进行特征点识别来确定的。在一些实施例中，所述控制器还被配置为：根据所述脉搏波数据来确定所述用户的脉率。在一些实施例中，所述控制器是通过以下方式被配置为至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型的：至少基于所述第一脉搏波幅度均值、所述第二脉搏波幅度均值和所述脉率来确定所述呼吸暂停事件的类型。
在一些实施例中，所述穿戴式电子设备是眼罩式电子设备，所述脑电传感器包括设置于所述眼罩式电子设备上贴近所述用户的前额的电极，所述光电传感器包括设置于所述眼罩式电子设备贴近所述用户的前额的光电器件。在一些实施例中，所述穿戴式电子设备还包括：通信模块，被配置为通过有线或无线方式向外部提供与所述呼吸暂停事件和/或其类型有关的数据。
根据本公开的第二方面，提供了一种用于检测呼吸暂停的方法。该方法包括：获取脑电数据和鼻气流数据中的至少一项；至少基于所述脑电数据或所述鼻气流数据来确定候选呼吸暂停事件。
在一些实施例中，所述方法还包括：获取血氧数据；至少基于所述血氧数据来验证所述候选呼吸暂停事件是否是呼吸暂停事件。
在一些实施例中，所述方法还包括：获取脉搏波数据；响应于确定所述候选呼吸暂停事件是呼吸暂停事件，至少基于所述脉搏波数据来确定所述呼吸暂停事件的类型。
在一些实施例中，至少基于所述脑电数据来确定候选呼吸暂停事件的步骤包括：当满足以下公式时，视为出现候选呼吸暂停事件：
其中，σ、θ、α、β分别对应于脑电数据中的1～4Hz、4～8Hz、8～13Hz和13～30Hz频段上的脑电信号水平，且A为预设阈值。在一些实施例中，σ、θ、α、β是通过对所述脑电传感器采集到的脑电数据进行频谱分析来得到的。在一些实施例中，该方法还包括：根据所述脑电数据来确定所述用户的睡眠分期。在一些实施例中，至少基于所述血氧数据来验证所述候选呼吸暂停事件是否是呼吸暂停事件的步骤包括：当满足以下至少一项时，确定所述候选呼吸暂停事件是呼吸暂停事件：血氧数据下降值大于或等于5％、血氧数据下降值在4％和5％之间且持续时间大于30秒、血氧数据下降值在3％和4％之间且持续时间大于30秒并伴有觉醒现象。
在一些实施例中，响应于确定所述候选呼吸暂停事件是呼吸暂停事件，至少基于所述脉搏波数据来确定所述呼吸暂停事件的类型的步骤包括：基于所述脉搏波数据来确定所述呼吸暂停事件期间的第一脉搏波幅度均值和所述呼吸暂停事件前的第二脉搏波幅度均值；以及至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型。在一些实施例中，至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型的：计算所述第一脉搏波幅度均值与所述第二脉搏波幅度均值的比值；以及响应于确定所述比值小于0.9，将所述呼吸暂停事件确定为中枢型呼吸暂停事件；以及响应于确定所述比值在包括1在内的预设区间[1-ε，1+ε]内，将所述呼吸暂停事件确定为阻塞型呼吸暂停事件，其中，0＜ε≤0.1。在一些实施例中，所述第一脉搏波幅度均值和所述第二脉搏波幅度均值是通过对所述光电传感器采集到的脉搏波数据进行特征点识别来确定的。在一些实施例中，该方法还包括：根据所述脉搏波数据来确定所述用户的脉率。在一些实施例中，至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型的：至少基于所述第一脉搏波幅度均值、所述第二脉搏波幅度均值和所述脉率来确定所述呼吸暂停事件的类型。
在一些实施例中，所述穿戴式电子设备是眼罩式电子设备，所述脑电传感器包括设置于所述眼罩式电子设备上贴近所述用户的前额的电极，所述光电传感器包括设置于所述眼罩式电子设备贴近所述用户的前额的光电器件。在一些实施例中，该方法还包括：通过有线或无线方式向外部提供与所述呼吸暂停事件和/或其类型有关的数据。
根据本公开的第三方面，还提供了一种计算机可读存储介质，其上存储有指令，所述指令在由处理器执行时，使得所述处理器能够执行上述第二方面的用于检测呼吸暂停的方法。
根据本公开的第四方面，还提供了一种电子设备。该电子设备包括：接口模块，被配置为与根据第一方面所述的电子设备通信连接并接收指示与以下至少一项有关的信息：脑电数据、鼻气流数据、脉搏波数据、候选呼吸暂停事件、呼吸暂停事件、呼吸暂停事件的类型、或睡眠分期；以及输出模块，被配置为输出所述信息。
在使用上述电子设备、方法和/或计算机可读存储介质的情况下，可以通过脑电传感器来采集并利用睡眠呼吸暂停时脑电会产生的变化及血氧减低来判断呼吸暂停和低通气事件，并根据光电脉搏波特征来完成中枢型和阻塞型区分，从而降低分型诊断成本和难度。此外，该方案可依托于眼罩来实现检测，从而减少设备对用户睡眠的影响。
附图说明
通过下面结合附图说明本公开的优选实施例，将使本公开的上述及其它目的、特征和优点更加清楚，其中：
图1是示出了根据本公开实施例的用于检测呼吸暂停的示例电子设备的应用场景。
图2是示出了根据本公开实施例的用于检测呼吸暂停的示例方法的流程图。
图3是示出了图2所示的方法的一个示例步骤的流程图。
图4是示出了图2所示的方法的另一个示例步骤的流程图。
图5是示出了根据本公开实施例的用于区分不同类型呼吸暂停的脉搏波幅度的示意曲线图。
图6是示出了根据本公开实施例的用于检测呼吸暂停的电子设备的硬件的示意布置图。
图7A和图7B是示出了根据本公开实施例的用于检测呼吸暂停的电子设备的示例外部视图。
图8是示出了根据本公开实施例的用于输出图6所示的电子设备的各种信息的电子设备的示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚明白，以下结合附图对本申请做进一步详细说明。应注意，以下描述只用于举例说明，并不用于限制本公开。在以下描述中，为了提供对本公开的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本公开。在其他实例中，为了避免混淆本公开，未具体描述公知的电路、材料或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本公开至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和/或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。
大体上，本申请涉及检测呼吸暂停及其分型。其通过例如用户佩戴的电子设备(例如，眼罩、鼻气流仪等)检测到的相关数据(例如，脑电数据、血氧数据、脉搏波数据、鼻气流数据等)来综合判断用户在睡眠时是否出现呼吸暂停事件，并对检测到的呼吸暂停事件加以分型，以帮助用户在无需去往医院、无需连接大量设备的情况下，方便、快捷、低成本地对呼吸暂停进行检测。
以下，将结合各个附图对根据本公开一些实施例的用于检测呼吸暂停的电子设备加以详细描述。
图1是示出了根据本公开实施例的用于检测呼吸暂停的示例电子设备100的应用场景。如图1所示，电子设备100可以具有用户佩戴的眼罩的形态。电子设备100可以包括例如眼罩主体110以及其上设置的多个传感器。该多个传感器可以包括例如由图1中的四个圆点示出的光电传感器123和脑电传感器125-1、125-2和125-3。需要注意的是，这四个圆点仅作为方便读者理解的示意之用。在实际中，这四个圆点通常设置于眼罩内侧且紧贴用户的皮肤，因此从外侧是观察不到的(例如，参见图7A)。此外，在一些实施例中，所示出的圆点可以是这些传感器的一部分，例如用于获取相应数据的电极、光源、光电二极管、光敏电阻等，而传感器的其余部分可以设置在眼罩主体710的其余位置处。
在一些实施例中，光电传感器123可以包括光源，以向光电传感器123对应位置处的用户皮肤发射红外光和/或可见光。根据郎伯-比尔(lamber-beer)定律，物质在一定波长处的吸光度和它的浓度成正比。因此，当恒定波长的光照射到人体组织上时，通过人体组织吸收、反射衰减后测量到的光强在一定程度上反映了被照射部位组织的结构特征。
人体组织可以分成皮肤、肌肉、骨骼等非血液组织和血液组织，其中，非血液组织的光吸收量是恒定的。而在血液中，静脉血的搏动相对于动脉血是十分微弱的，可以忽略。因此，可以认为由人体组织反射的光的变化仅由动脉血的充盈而引起的。那么在恒定波长的光源的照射下，通过检测所反射的光强就可以间接测量到人体的脉搏信号。
类似地，对于血氧检测来说，可以让光源分别发出具有不同波长的光(例如，红外光和可见光)，由于氧合血红蛋白(OHb)和血红蛋白(Hb)对于不同波长的光的吸收比例不同，因此通过检测不同波长的反射光的强度，就能够间接测量出血氧数据(例如，血氧饱和度)。
换言之，在图1所示的实施例中，光电传感器123可以通过检测一种或多种反射光的强度来测量用户的脉搏波数据和/或血氧数据。
在一些实施例中，脑电传感器125-1、125-2和125-3可以是由三个电极构成，分别为位于中间的参考电极125-2和位于两侧的两个差分电极125-1和125-3。在使用时，通过分别测量差分电极125-1、125-3与参考电极125-2之间的电位差，可以得到所需的脑电数据。
需要注意的是：尽管图1中示出了四个并排设置的圆形传感器123、125-1、125-2和125-3，然而本公开不限于此。事实上，光电传感器123和/或脑电传感器125-1～125-3可以设置在不同的位置和/或具有不同的大小和/或形状。此外，脑电传感器的数量和/或位置也不限于图1所示的具体示例。例如，在另一些实施例中，光电传感器123可以设置于眼罩主体110内侧接近于用户的太阳穴的位置处。在另一些实施例中，脑电传感器的各个电极可以设置于围绕整个头部的多处(例如，10处、20处等等)。此外，在电子设备100的形态是例如头盔式设备的另一些实施例中，脑电传感器的各个电极可以按照国际临床电生理学会(IFCN)所推荐的21个脑电极安放点来设置，从而得到更准确的脑电数据。
此外，在一些实施例中，电子设备100还可以包括鼻气流传感器。该鼻气流传感器可以用于测量用户的鼻孔呼出的气流量。例如，该鼻气流传感器可以是例如置于用户鼻孔处的并例如挂在耳部或固定到眼罩主体110上的导管，其可以连续测量从鼻孔呼出的气流量。如后文中详细描述的，其也可以用于检测呼吸暂停事件。
此外，尽管图1中未示出，但电子设备100还可以包括其它组件，例如控制器/处理器、通信模块、电源模块等等。后文中将结合图6和/或图7A、图7B来描述。
接下来，将结合图2来详细描述使用图1所示的电子设备100来检测呼吸暂停的示例方法。
图2是示出了根据本公开实施例的用于检测呼吸暂停的示例方法200的流程图。如图2所示，方法200可以包括多个步骤210、220、230、240和250(包括例如251和252)。然而需要注意的是，方法200可以包括更少的步骤、更多的步骤、或替换某个步骤的步骤，且因此本公开实施例不限于此。此外，方法200中各个步骤的执行顺序也不受限于图2所示的顺序。例如，步骤251可以在步骤210、220、252之前执行，之后执行，或者至少部分地并行执行。类似地，步骤252也可以在步骤210、220、251之前执行，之后执行，或者至少部分地并行执行。
方法200可以开始于步骤210，在步骤210处，可以获取脑电数据和鼻气流数据中的至少一项。例如，在图1所示实施例中，可以通过脑电传感器125-1～125-3来获取用户的脑电数据。此外，如前面提到的，也可以通过鼻气流传感器来获取用户的鼻气流数据。
接下来，在步骤220，可以至少基于脑电数据或鼻气流数据来确定候选呼吸暂停事件。具体地，可以结合图3来详细描述如何确定候选呼吸暂停事件。
图3是示出了图2所示的方法200的步骤220的流程图，其以获取到脑电传感器采集到的脑电数据为例来说明如何确定候选呼吸暂停事件。如图3所示，步骤220可以包括多个子步骤221、223、225和226。类似于前面所述，步骤220可以包括更少的子步骤、更多的子步骤、或替换某个子步骤的子步骤，且因此本公开实施例不限于此。此外，步骤220中各个子步骤的执行顺序也不受限于图3所示的顺序。
在步骤221，可以通过对脑电传感器125-1～125-3采集到的脑电数据进行频谱分析来得到不同频段上的脑电信号水平σ、θ、α、β，其分别对应于脑电数据中的1～4Hz、4～8Hz、8～13Hz和13～30Hz频段上的脑电信号水平。在本文中，某个频段上的“脑电信号水平”指的是检测到的脑电信号在该频段中出现的信号的幅值或强度。因此，在一些实施例中，对脑电数据进行频谱分析可以是通过检测各个频段中的信号的幅值或强度来确定各个频段上的脑电信号水平。在睡眠呼吸暂停事件出现时，通常α波活动减弱(即，α波的幅值或强度变小)、σ波活动增强(即，σ波的幅值或强度变小)，且因此可以如下判断是否出现候选呼吸暂停事件。
接下来，在步骤223，可以通过判断是否满足以下公式(1)来确定用户是否出现候选呼吸暂停事件：
其中，A为预设阈值。在一些实施例中，A可以是根据多次试验所得到的经验数值。
响应于确定满足公式(1)，则在步骤225可以确定用户出现了候选呼吸暂停事件，否则在步骤226可以确定用户未出现候选呼吸暂停事件。
此外，在一些实施例中，还可以根据脑电数据来确定用户的睡眠分期。在睡眠过程中，脑电图可以发生各种不同变化，这些变化随着睡眠的深度而不同。根据脑电图的不同特征，又可将睡眠分为两种状态：非眼球快速运动睡眠和眼球快速运动睡眠，二者以是否有眼球阵发性快速运动及不同的脑电波特征相区别。
在非眼球快速运动睡眠阶段中，以其脑电图特征分为四期：
·入睡期：脑电波以θ波为主，不出现纺锤波或K综合波，实际上是由完全清醒至睡眠之间的过渡阶段，对外界刺激的反应减弱，精神活动进入飘浮境界，思维和现实脱节；
·浅睡期：脑电波为纺锤波与K综合波，σ波少于20％，实际上人已经进入了真正的睡眠，而属于浅睡；
·中度睡眠期：脑电波σ波占20％～50％，为中等深度睡眠；
·深度睡眠期：脑电波σ波占50％以上，属于深睡，不易被唤醒。
在眼球快速运动睡眠阶段中，出现混合频率的去同步化的低波幅脑电波。
因此，根据脑电数据，还可以确定睡眠的分期情况。
尽管在图3中示出了至少基于脑电数据来确定候选呼吸暂停事件的实施例，然而图2中的步骤220的具体实现方式不限于此。例如，在一些实施例中，还可以至少基于鼻气流数据来确定候选呼吸暂停事件。在本文中，“鼻气流数据”指的是在单位时间内从鼻孔呼入或呼出的气流量，例如每1秒、10秒、30秒、1分钟等单位时间内呼入或呼出的气流量。例如，在一些实施例中，当鼻气流数据指示鼻气流的单位时间气流量下降超过50％时，通常可以视为出现候选呼吸暂停事件。此外，在另一些实施例中，可以结合脑电数据和鼻气流数据来确定候选呼吸暂停事件。例如，当同时满足公式(1)以及鼻气流的单位时间气流量下降超过50％时，可以视为出现候选呼吸暂停事件。
回到图2，在步骤230之前，可以在步骤251通过光电传感器123来获取血氧数据(例如，血氧饱和度)。然后在步骤230，可以至少基于血氧数据来验证步骤220中检测到的候选呼吸暂停事件是否是呼吸暂停事件。换言之，为了进一步提升呼吸暂停事件的检测准确度，可以从血氧数据的角度来进行验证。然而，在另一些实施例中，该验证步骤230也可以被省略。在一些实施例中，为了验证呼吸暂停事件，可以利用呼吸紊乱指数(RDI)来印证判断，其中，呼吸紊乱指数判断标准可以如下所述。
在一些实施例中，步骤230可以是通过以下方式来实现的：当满足以下至少一项时，确定候选呼吸暂停事件是呼吸暂停事件：
·血氧数据下降值大于或等于5％；
·血氧数据下降值在4％和5％之间且持续时间大于30秒；以及
·血氧数据下降值在3％和4％之间且持续时间大于30秒并伴有觉醒现象。
在一些实施例中，觉醒现象可以是通过脑电数据所确定的睡眠分期来检测到的。
回到图2，在步骤240之前，可以在步骤252通过光电传感器123来获取脉搏波数据(例如，脉搏波幅度均值、脉率等)。然后在步骤240，响应于在步骤230中确定候选呼吸暂停事件是呼吸暂停事件，可以至少基于脉搏波数据来确定该呼吸暂停事件的类型。具体地，可以结合图4来详细说明如何确定呼吸暂停事件的类型。
图4是示出了图2所示的方法200的示例步骤240的流程图，其以获取到光电传感器123采集到的脉搏波数据为例来说明如何确定呼吸暂停事件的类型。如图4所示，步骤240可以包括多个子步骤241、243、245、246和247。类似于前面所述，步骤240可以包括更少的子步骤、更多的子步骤、或替换某个子步骤的子步骤，且因此本公开实施例不限于此。此外，步骤240中各个子步骤的执行顺序也不受限于图4所示的顺序。
大体上，阻塞型呼吸暂停事件的脉搏波幅度在事件期间和事件前后的变化不明显，而中枢型呼吸暂停事件的脉搏波幅度在事件期间和事件前后的变化明显。这种现象的原因是阻塞型呼吸暂停事件是由于上呼吸道塌陷(例如，由于肥大的舌根部在睡觉时变得松弛而)堵塞了呼吸道，导致呼吸暂停或低通气，其对前述脉搏波比值无明显影响。与此相对地，中枢型呼吸暂停事件是由于控制呼吸系统工作的神经传导出现故障，此时呼吸道畅通，但是呼吸肌不工作导致了呼吸暂停事件。由于控制呼吸系统的神经同时也会对心脏跳动产生影响，而脉搏波幅度受心脏跳动影响明显，所以会产生事件中和事件前后脉搏波比值的明显变化。为了更直观的说明这点，请参见图5。
图5是示出了根据本公开实施例的用于区分不同类型呼吸暂停的脉搏波幅度的示意曲线图。如图5所示，在中枢型呼吸暂停事件所对应的曲线中，可以明显看到脉搏波幅度均值在事件期间相对于事件前后较低，而在阻塞型呼吸暂停事件所对应的曲线中，脉搏波幅度均值在事件期间和事件前后并无明显变化。因此，可以基于脉搏波幅度均值来区分呼吸暂停事件的类型。
例如，在子步骤241，可以通过对光电传感器123采集到的脉搏波数据进行特征点识别来确定呼吸暂停事件期间的第一脉搏波幅度均值和呼吸暂停事件前的第二脉搏波幅度均值。在另一些实施例中，第二脉搏波幅度均值也可以是呼吸暂停事件后的脉搏波幅度均值，或者是呼吸暂停事件之前和之后的脉搏波幅度均值。然而，考虑到呼吸暂停事件的结束判断较为不明确，因此可以选择呼吸暂停事件前的脉搏波幅度均值作为第二脉搏波幅度均值。例如，可以对图5所示的脉搏波进行特征点识别，以例如确定起始点、主波点、降中峡点、重搏波等中的一个或多个。例如，在一些实施例中，可以确定起始点和主波点，并进而确定脉搏波的幅度和/或脉率，再进而确定脉搏波幅度在事件前后和事件期间的均值。
具体地，在一些实施例中，脉搏波的特征点识别可以使用例如微分阈值法来实现。该方法是识别周期性信号波峰波谷的简单、高效的方法。在呼吸事件分类中，脉搏波峰、波谷可以是主要涉及的特征点。具体方法可以是通过对脉搏波数据进行逐点求差的方式来获得微分，根据微分过零点来获得脉搏波的波峰、波谷。微分从正到负的为峰点，从负到正的为谷点。此外，为提高识别效率，可以引入自适应阈值，阈值可按照特定周期进行更新。在特定阈值范围内，可检测特征点，并能减少算法运算量。
接下来在步骤243，当确定第一脉搏波幅度均值与第二脉搏波幅度均值的比值小于0.9时，可以在步骤245将该呼吸暂停事件确定为中枢型呼吸暂停事件。此外，当在步骤246确定该比值在预设区间[1-ε，1+ε]内时，可以在步骤247将该呼吸暂停事件确定为阻塞型呼吸暂停事件，其中，0＜ε≤0.1。此外，在另一些实施例中，步骤243和246可以按不同顺序执行，例如步骤243在步骤246之前执行、之后执行、至少部分并行执行等。类似地，步骤245和247也可以按不同顺序执行，例如步骤245在步骤247之前执行、之后执行、至少部分并行执行等。
然而，需要注意的是：在另一些实施例中，第二脉搏波幅度均值也
从而，可以通过图2、图3、图4所示的方法200来实现对呼吸暂停事件的检测和分类，可以通过脑电传感器来采集并利用睡眠呼吸暂停时脑电会产生的变化及血氧减低来判断呼吸暂停和低通气事件，并根据光电脉搏波特征来完成中枢型和阻塞型区分，从而降低分型诊断成本和难度。此外，该方法可依托于眼罩来实现检测，从而减少设备对用户睡眠的影响。
此外，在一些实施例中，方法200还可以包括：根据脉搏波数据来确定用户的脉率。在一些实施例中，步骤240还可以包括：至少基于第一脉搏波幅度均值、第二脉搏波幅度均值和脉率来确定呼吸暂停事件的类型。
在一些实施例中，脉率在呼吸暂停事件类型的判断上可具备辅助判断作用。例如，如前所述，阻塞性呼吸暂停是由于呼吸道阻塞造成的。在短时间的阻塞型呼吸暂停发生后，脉率通常不会发生明显变化。相对地，由于中枢性呼吸暂停的原因是控制呼吸系统工作的神经传导出现故障，此时呼吸道畅通，但是呼吸肌不工作导致了呼吸暂停事件。因此，控制呼吸系统的神经同时会影响心脏搏动。当中枢性呼吸暂停事件发生时，脉率会出现明显的变化。因此，可以在判断出现呼吸暂停事件后，对比事件前后的脉率变化来辅助呼吸暂停事件类型分类。例如，在一些实施例中，当呼吸暂停事件前后脉率变化超过10％时，可认为呼吸暂停事件前后脉率变化明显，此时结合脉搏幅度(均值)的变化，可以最终确定事件类型。
此外，在一些实施例中，电子设备100可以是如图1或图7A、图7B所示的眼罩式电子设备，其中的脑电传感器125-1～125-3可以包括设置于眼罩式电子设备上贴近用户的前额的电极，光电传感器123可以包括设置于眼罩式电子设备贴近用户的前额的光电器件(例如，可见光光源、红外光光源、光电二极管、光敏电阻等)。
此外，在一些实施例中，电子设备100还可以包括通信模块，该通信模块可以被配置为通过有线或无线方式向外部提供与呼吸暂停事件和/或其类型有关的数据。
图6是示出了根据本公开实施例的用于检测呼吸暂停的电子设备600(例如，图1所示的电子设备100、图7A和图7B所示的眼罩700)的硬件的示意布置图。硬件布置600可包括处理器或控制器606(例如，数字信号处理器(DSP)、中央处理单元(CPU)等)。处理器606可以是用于执行本文描述的流程的不同动作的单一处理单元或者是多个处理单元。布置600还可以包括用于从其他实体接收信号的输入单元602、以及用于向其他实体提供信号的输出单元604。输入单元602和输出单元604可以被布置为单一实体或者是分离的实体。
此外，布置600可以包括具有非易失性或易失性存储器形式的至少一个可读存储介质608，例如是电可擦除可编程只读存储器(EEPROM)、闪存、和/或硬盘驱动器。可读存储介质608包括计算机程序610，该计算机程序610包括代码/计算机可读指令，其在由布置600中的处理器606执行时使得硬件布置600和/或包括硬件布置600在内的设备可以执行例如上面结合图2～4所描述的流程及其任何变形。
计算机程序610可被配置为具有例如计算机程序模块610A～610C中的至少一个的架构的计算机程序代码。因此，在例如电子设备100、眼罩700或另一电子设备中使用硬件布置600时的示例实施例中，布置600的计算机程序中的代码可包括：模块610A，用于至少基于脑电数据或鼻气流数据来确定候选呼吸暂停事件。此外，在一些实施例中，布置600的计算机程序中的代码还可包括模块610B，用于至少基于血氧数据来验证候选呼吸暂停事件是否是呼吸暂停事件。此外，在一些实施例中，布置600的计算机程序中的代码还可包括模块610C，用于响应于确定候选呼吸暂停事件是呼吸暂停事件，至少基于脉搏波数据来确定呼吸暂停事件的类型。
计算机程序模块实质上可以执行图2～4中所示出的流程中的各个动作，以模拟电子设备100、眼罩700或另一电子设备。换言之，当在处理器或控制器606中执行不同计算机程序模块时，它们可以对应于电子设备100、眼罩700或另一电子设备中的不同单元或模块。
尽管上面结合图6所公开的实施例中的代码手段被实现为计算机程序模块，其在处理器606中执行时使得硬件布置600执行上面结合图2～4所描述的动作，然而在备选实施例中，该代码手段中的至少一项可以至少被部分地实现为硬件电路。
处理器可以是单个CPU(中央处理单元)，但也可以包括两个或更多个处理单元。例如，处理器可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))。处理器还可以包括用于缓存用途的板载存储器。计算机程序可以由连接到处理器的计算机程序产品来承载。计算机程序产品可以包括其上存储有计算机程序的计算机可读介质。例如，计算机程序产品可以是闪存、随机存取存储器(RAM)、只读存储器(ROM)、EEPROM，且上述计算机程序模块在备选实施例中可以用电子设备内的存储器的形式被分布到不同计算机程序产品中。
图7A和图7B是示出了根据本公开实施例的用于检测呼吸暂停的电子设备或眼罩700的示例外观图。眼罩700的外侧视图如图7A所示，而内侧视图如图7B所示。此外，在图7A和图7B所示实施例中，眼罩700还可以包括从外部看不到的各个组件，例如图6所示的各个组件。
如图7A所示，在一些实施例中，眼罩700可以包括主体710和分别位于主体710两侧的两个第二主体部720。在一些实施例中，眼罩700可以是一体式的电子设备，即所有传感器、控制器等相关器件均设置于眼罩700上，此时眼罩700可独立工作。在另一些实施例中，眼罩700可以是分体式的电子设备，例如，其上可以仅设置用于感测脑电数据、脉搏波数据、血氧数据等的传感器，而对于这些数据进行处理的控制器、传递数据和/或指令的通信器等可设置于外部设备，并将它们通过有线线路或无线线路加以通信耦接。
例如，如图7A所示，眼罩700还可以包括导电固定件750。在一些实施例中，设置于外部的控制器、通信器等电路可以通过导电固定件750与眼罩700上设置的各个传感器通信连接。在一些实施例中，该导电固定件可750以是例如磁吸扣。在一些实施例中，该磁吸扣可包括设置在眼罩700的主体710上的磁吸扣母扣750和设置在外部控制器(例如，图6所示的电子设备600)上的磁吸扣公扣。磁吸扣母扣750可通过主体710内部的导线与各个传感器、加热部790等电连接。
此外，如图7A所示，眼罩700还可以包括开口740。在一些实施例中，外部设备(例如，图6所示的电子设备600)的至少一部分可以穿过开口740接触到佩戴眼罩700的用户的前额皮肤，从而实现对例如脑电数据、脉搏波数据等的获取。此外，在另一些实施例中，眼罩700还可以包括设置于其内侧的多个传感器、以及与这些传感器通信耦接的通信接口(例如，USB Type C接口)。在这种情况下，眼罩700可不设置开口740，而是让外部设备(例如，图6所示的电子设备600)通过通信接口与各个传感器进行通信，从而获取相应数据。
在一些实施例中，开口740、控制器(例如，图6所示的处理器606)、遮光层780以及加热部790中的一个或多个可设置在主体710上。
在一些实施例中，每个第二主体部720的一端与主体710相连，并且在眼罩700环绕佩戴者的头部(即，佩戴者使用眼罩)时，两个第二主体部720的另一端通过粘贴部730(例如，尼龙搭扣)相连。主体710和第二主体部720可以具有相对大的宽度，从而将眼罩700施加的压力分散到佩戴者头部的不同位置，以避免过大的局部压力造成佩戴者的不适。
如图7B所示，可在眼罩主体710的内侧设置遮光层780，该遮光层780被布置为：当在佩戴者使用眼罩700时，遮光层780中的与佩戴者眼部区域重叠的部分中设置(例如，两个)第一凹陷760。在一些实施例中，遮光层780可以贴合佩戴者的面部，从而完全遮光。由于在遮光层780中设置了第一凹陷760，因此遮光层780在使用时不会压迫佩戴者的眼球。
此外，在一些实施例中，当眼罩700的主体710的宽度(即，在图7B中的从上到下的方向上的尺寸)相对大时，还可以在遮光层780中设置第二凹陷770，使得在佩戴者使用眼罩时遮光层780与佩戴者的鼻子贴合，以防止漏光。在一些实施例中，开口740可被布置为：在佩戴者使用眼罩时，开口740可位于眼罩主体710的与佩戴者眼部区域重叠的区域之外，以防止漏光。此外，在一些实施例中，眼罩700还可以包括设置于遮光层780内部的加热部790。在一些实施例中，加热部790的材料可包括石墨烯。
在一些实施例中，控制器还包括电源接口。佩戴者在使用眼罩时，可将电源接口连接到电源(例如，电池或交流电源)，从而为眼罩供电。
在使用这种眼罩700的情况下，可以通过其脑电传感器来采集并利用睡眠呼吸暂停时脑电会产生的变化及血氧减低来判断呼吸暂停和低通气事件，并根据光电脉搏波特征来完成中枢型和阻塞型区分，从而降低分型诊断成本和难度。此外，由于一体式眼罩轻便易用，从而减少了其对用户睡眠的不利影响，从而能够更准确地检测呼吸暂停事件。
图8是示出了根据本公开实施例的用于输出图6所示的电子设备的各种信息的电子设备800的示意图。如图8所示，电子设备800可以包括接口模块810和输出模块820。在一些实施例中，接口模块810可被配置为与上面所描述的用于检测呼吸暂停的电子设备(例如，电子设备600)通信连接并接收指示与以下至少一项有关的信息：脑电数据、鼻气流数据、脉搏波数据、候选呼吸暂停事件、呼吸暂停事件、呼吸暂停事件的类型、或睡眠分期等。在一些实施例中，输出模块820可被配置为输出有接口模块810所接收到的信息中的至少一部分。
例如，在电子设备800和电子设备600是同一个设备的情况下，接口模块810可以是例如该电子设备的总线结构，而输出模块820可以是例如该电子设备的显示器、扬声器等输出模块。又例如，在电子设备800和电子设备600不是同一个设备的情况下，接口模块810可以是例如电子设备800的通信模块(例如，如USB端口、芯片、以太网接口、芯片之类的有线通信模块或如蓝牙、Wi-Fi、NFC之类的无线通信模块)，而输出模块820可以是例如电子设备800的显示器、扬声器等输出模块。
至此已经结合优选实施例对本公开进行了描述。应该理解，本领域技术人员在不脱离本公开的精神和范围的情况下，可以进行各种其它的改变、替换和添加。因此，本公开的范围不局限于上述特定实施例，而应由所附权利要求所限定。
Claims (17)
1.一种用于检测呼吸暂停的电子设备，包括：
脑电传感器或鼻气流传感器中的至少一项，所述脑电传感器被配置为检测用户的脑电数据，所述鼻气流传感器被配置为检测用户的鼻气流数据；
控制器，与所述脑电传感器或所述鼻气流传感器中的所述至少一项通信耦接，并被配置为：至少基于所述脑电数据或所述鼻气流数据来确定候选呼吸暂停事件。
2.根据权利要求1所述的电子设备，还包括：光电传感器，与所述控制器通信耦接并被配置为检测所述用户的血氧数据，
其中，所述控制器还被配置为：至少基于所述血氧数据来验证所述候选呼吸暂停事件是否是呼吸暂停事件。
3.根据权利要求2所述的电子设备，其中，所述光电传感器还被配置为检测所述用户的脉搏波数据，
其中，所述控制器还被配置为：响应于确定所述候选呼吸暂停事件是呼吸暂停事件，至少基于所述脉搏波数据来确定所述呼吸暂停事件的类型。
4.根据权利要求1所述的电子设备，其中，所述控制器是通过以下方式被配置为至少基于所述脑电数据来确定候选呼吸暂停事件的：
当满足以下公式时，视为出现候选呼吸暂停事件：
其中，σ、θ、α、β分别对应于脑电数据中的1～4Hz、4～8Hz、8～13Hz和13～30Hz频段上的脑电信号水平，且A为预设阈值。
5.根据权利要求4所述的电子设备，其中，σ、θ、α、β是通过对所述脑电传感器采集到的脑电数据进行频谱分析来得到的。
6.根据权利要求4所述的电子设备，其中，所述控制器还被配置为：
根据所述脑电数据来确定所述用户的睡眠分期。
7.根据权利要求1所述的电子设备，其中，所述控制器是通过以下方式被配置为至少基于所述鼻气流数据来确定候选呼吸暂停事件的：
当所述鼻气流数据指示鼻气流的单位时间气流量下降超过50％时，视为出现候选呼吸暂停事件。
8.根据权利要求2所述的电子设备，其中，所述控制器是通过以下方式被配置为至少基于所述血氧数据来验证所述候选呼吸暂停事件是否是呼吸暂停事件的：
当满足以下至少一项时，确定所述候选呼吸暂停事件是呼吸暂停事件：血氧数据下降值大于或等于5％、血氧数据下降值在4％和5％之间且持续时间大于30秒、血氧数据下降值在3％和4％之间且持续时间大于30秒并伴有觉醒现象。
9.根据权利要求3所述的电子设备，其中，所述控制器是通过以下方式被配置为响应于确定所述候选呼吸暂停事件是呼吸暂停事件，至少基于所述脉搏波数据来确定所述呼吸暂停事件的类型的：
基于所述脉搏波数据来确定所述呼吸暂停事件期间的第一脉搏波幅度均值和所述呼吸暂停事件前的第二脉搏波幅度均值；以及
至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型。
10.根据权利要求9所述的电子设备，其中，所述控制器是通过以下方式被配置为至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型的：
计算所述第一脉搏波幅度均值与所述第二脉搏波幅度均值的比值；以及
响应于确定所述比值小于0.9，将所述呼吸暂停事件确定为中枢型呼吸暂停事件；以及
响应于确定所述比值在预设区间[1-ε，1+ε]内，将所述呼吸暂停事件确定为阻塞型呼吸暂停事件，其中，0＜ε≤0.1。
11.根据权利要求9所述的电子设备，其中，所述第一脉搏波幅度均值和所述第二脉搏波幅度均值是通过对所述光电传感器采集到的脉搏波数据进行特征点识别来确定的。
12.根据权利要求9所述的电子设备，其中，所述控制器还被配置为：
根据所述脉搏波数据来确定所述用户的脉率。
13.根据权利要求12所述的电子设备，其中，所述控制器是通过以下方式被配置为至少基于所述第一脉搏波幅度均值和所述第二脉搏波幅度均值来确定所述呼吸暂停事件的类型的：
至少基于所述第一脉搏波幅度均值、所述第二脉搏波幅度均值和所述脉率来确定所述呼吸暂停事件的类型。
14.根据权利要求2所述的电子设备，其中，所述电子设备是眼罩式电子设备，所述脑电传感器包括设置于所述眼罩式电子设备上贴近所述用户的前额的电极，所述光电传感器包括设置于所述眼罩式电子设备贴近所述用户的前额的光电器件。
15.根据权利要求1所述的电子设备，还包括：
通信模块，被配置为通过有线或无线方式向外部提供与所述呼吸暂停事件和/或其类型有关的数据。
16.一种计算机可读存储介质，其上存储有指令，所述指令在由处理器执行时，使得所述处理器能够执行以下操作：
获取血氧数据和脉搏波数据；
获取脑电数据和鼻气流数据中的至少一项；
至少基于所述脑电数据或所述鼻气流数据来确定候选呼吸暂停事件；
至少基于所述血氧数据来验证所述候选呼吸暂停事件是否是呼吸暂停事件；以及
响应于确定所述候选呼吸暂停事件是呼吸暂停事件，至少基于所述脉搏波数据来确定所述呼吸暂停事件的类型。
17.一种电子设备，包括：
接口模块，被配置为与根据权利要求1～15中任一项所述的电子设备通信连接并接收指示与以下至少一项有关的信息：脑电数据、鼻气流数据、脉搏波数据、候选呼吸暂停事件、呼吸暂停事件、呼吸暂停事件的类型、或睡眠分期；以及
输出模块，被配置为输出所述信息。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011012215.7A CN114246549A (zh) | 2020-09-23 | 2020-09-23 | 用于检测呼吸暂停的电子设备和计算机可读存储介质 |
| US17/446,364 US20220087601A1 (en) | 2020-09-23 | 2021-08-30 | Electronic device of detecting apnea, and computer-readable storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011012215.7A CN114246549A (zh) | 2020-09-23 | 2020-09-23 | 用于检测呼吸暂停的电子设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114246549A true CN114246549A (zh) | 2022-03-29 |
Family
ID=80739558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011012215.7A Pending CN114246549A (zh) | 2020-09-23 | 2020-09-23 | 用于检测呼吸暂停的电子设备和计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20220087601A1 (zh) |
| CN (1) | CN114246549A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116211298A (zh) * | 2023-01-16 | 2023-06-06 | 杭州沃维医疗科技有限公司 | 一种集成血液氧含量与电信号采集的系统、方法及传感器 |
| CN116919347A (zh) * | 2023-07-19 | 2023-10-24 | 中国人民解放军空军军医大学 | 一种呼吸暂停监测系统、方法及应急唤醒装置 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5385144A (en) * | 1992-07-23 | 1995-01-31 | Minolta Co., Ltd. | Respiration diagnosis apparatus |
| JP2002153432A (ja) * | 2000-11-17 | 2002-05-28 | Denso Corp | 睡眠時無呼吸症候群の診断方法 |
| US6839581B1 (en) * | 2000-04-10 | 2005-01-04 | The Research Foundation Of State University Of New York | Method for detecting Cheyne-Stokes respiration in patients with congestive heart failure |
| US20050061315A1 (en) * | 2003-09-18 | 2005-03-24 | Kent Lee | Feedback system and method for sleep disordered breathing therapy |
| US20050222502A1 (en) * | 2004-03-30 | 2005-10-06 | Cooper Philip G | Methods and apparatus for patient monitoring |
| US20060189872A1 (en) * | 2002-08-27 | 2006-08-24 | Arnold Donald H | Apnea detection system |
| US20070208269A1 (en) * | 2004-05-18 | 2007-09-06 | Mumford John R | Mask assembly, system and method for determining the occurrence of respiratory events using frontal electrode array |
| KR20110088138A (ko) * | 2010-01-28 | 2011-08-03 | 충북대학교 산학협력단 | 수면 무호흡 검출 및 유형 판단 장치 및 그 방법 |
| US20140171769A1 (en) * | 2012-12-18 | 2014-06-19 | Covidien Lp | Systems and methods for distinguishing between central apnea and obstructive apnea |
| US20150105632A1 (en) * | 2013-10-11 | 2015-04-16 | Xhale, Inc. | Fusion of data from multiple sources for non-invasive detection of respiratory parameters |
| US20150282738A1 (en) * | 2014-04-04 | 2015-10-08 | Cardiac Pacemakers, Inc. | Discrimination of apnea type by medical device |
| WO2016142793A1 (en) * | 2015-03-12 | 2016-09-15 | Quattrone Aldo | Portable electronic device to process a signal acquired from a living body and method thereof |
| CN106909766A (zh) * | 2015-12-18 | 2017-06-30 | 中国移动通信集团公司 | 一种信息处理方法及电子设备 |
| US20180064404A1 (en) * | 2016-09-08 | 2018-03-08 | Alex Zheng | System and Method for Correcting Sleep Aberrations |
| CN108309239A (zh) * | 2018-02-01 | 2018-07-24 | 深圳市禹欣鑫电子有限公司 | 基于脑电和呼吸的睡眠呼吸暂停智能可穿戴监测设备 |
| CN108309277A (zh) * | 2018-02-01 | 2018-07-24 | 深圳市禹欣鑫电子有限公司 | 基于脑电和血氧饱和度的睡眠呼吸暂停的智能监测设备 |
| CN108992246A (zh) * | 2018-07-10 | 2018-12-14 | 北京大学第三医院 | 一种测血氧用信息监测眼罩 |
| CN111466906A (zh) * | 2019-01-24 | 2020-07-31 | 北京宁禾科技有限公司 | 穿戴式睡眠监测仪及监测方法 |
| CN211131028U (zh) * | 2019-05-14 | 2020-07-31 | 周常安 | 指戴式生理检测装置 |
| TWM599628U (zh) * | 2019-05-14 | 2020-08-11 | 神仙科學股份有限公司 | 睡眠生理系統 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5813993A (en) * | 1996-04-05 | 1998-09-29 | Consolidated Research Of Richmond, Inc. | Alertness and drowsiness detection and tracking system |
| AU778361B2 (en) * | 1999-10-07 | 2004-12-02 | La Mont, Llc | Physiological signal monitoring apparatus and method |
| US6915705B1 (en) * | 2002-04-03 | 2005-07-12 | Ric Investments, Inc. | Flow sensor and flow resistive element |
| US9463293B2 (en) * | 2010-01-14 | 2016-10-11 | Koninklijke Philips N.V. | Servo ventilation using negative pressure support |
| CA2883656C (en) * | 2012-09-19 | 2021-01-12 | Resmed Sensor Technologies Limited | System and method for determining sleep stage |
| WO2016179651A1 (en) * | 2015-05-13 | 2016-11-17 | Resmed Limited | Systems and methods for screening, diagnosis, and monitoring of sleep-disordered breathing |
| CN110772225A (zh) * | 2019-10-21 | 2020-02-11 | 思澜科技（成都）有限公司 | 一种人体生理信号采集设备及方法 |
-
2020
- 2020-09-23 CN CN202011012215.7A patent/CN114246549A/zh active Pending
-
2021
- 2021-08-30 US US17/446,364 patent/US20220087601A1/en active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5385144A (en) * | 1992-07-23 | 1995-01-31 | Minolta Co., Ltd. | Respiration diagnosis apparatus |
| US6839581B1 (en) * | 2000-04-10 | 2005-01-04 | The Research Foundation Of State University Of New York | Method for detecting Cheyne-Stokes respiration in patients with congestive heart failure |
| JP2002153432A (ja) * | 2000-11-17 | 2002-05-28 | Denso Corp | 睡眠時無呼吸症候群の診断方法 |
| US20060189872A1 (en) * | 2002-08-27 | 2006-08-24 | Arnold Donald H | Apnea detection system |
| US20050061315A1 (en) * | 2003-09-18 | 2005-03-24 | Kent Lee | Feedback system and method for sleep disordered breathing therapy |
| US20050222502A1 (en) * | 2004-03-30 | 2005-10-06 | Cooper Philip G | Methods and apparatus for patient monitoring |
| US20070208269A1 (en) * | 2004-05-18 | 2007-09-06 | Mumford John R | Mask assembly, system and method for determining the occurrence of respiratory events using frontal electrode array |
| KR20110088138A (ko) * | 2010-01-28 | 2011-08-03 | 충북대학교 산학협력단 | 수면 무호흡 검출 및 유형 판단 장치 및 그 방법 |
| US20140171769A1 (en) * | 2012-12-18 | 2014-06-19 | Covidien Lp | Systems and methods for distinguishing between central apnea and obstructive apnea |
| US20150105632A1 (en) * | 2013-10-11 | 2015-04-16 | Xhale, Inc. | Fusion of data from multiple sources for non-invasive detection of respiratory parameters |
| US20150282738A1 (en) * | 2014-04-04 | 2015-10-08 | Cardiac Pacemakers, Inc. | Discrimination of apnea type by medical device |
| WO2016142793A1 (en) * | 2015-03-12 | 2016-09-15 | Quattrone Aldo | Portable electronic device to process a signal acquired from a living body and method thereof |
| CN106909766A (zh) * | 2015-12-18 | 2017-06-30 | 中国移动通信集团公司 | 一种信息处理方法及电子设备 |
| US20180064404A1 (en) * | 2016-09-08 | 2018-03-08 | Alex Zheng | System and Method for Correcting Sleep Aberrations |
| CN108309239A (zh) * | 2018-02-01 | 2018-07-24 | 深圳市禹欣鑫电子有限公司 | 基于脑电和呼吸的睡眠呼吸暂停智能可穿戴监测设备 |
| CN108309277A (zh) * | 2018-02-01 | 2018-07-24 | 深圳市禹欣鑫电子有限公司 | 基于脑电和血氧饱和度的睡眠呼吸暂停的智能监测设备 |
| CN108992246A (zh) * | 2018-07-10 | 2018-12-14 | 北京大学第三医院 | 一种测血氧用信息监测眼罩 |
| CN111466906A (zh) * | 2019-01-24 | 2020-07-31 | 北京宁禾科技有限公司 | 穿戴式睡眠监测仪及监测方法 |
| CN211131028U (zh) * | 2019-05-14 | 2020-07-31 | 周常安 | 指戴式生理检测装置 |
| TWM599628U (zh) * | 2019-05-14 | 2020-08-11 | 神仙科學股份有限公司 | 睡眠生理系統 |
Non-Patent Citations (1)
| Title |
|---|
| T. PENZEL，等: ""Distinguish Obstructive and Central Sleep Apnea by Portable Peripheral Arterial Tonometry"", 《2020 42ND ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE & BIOLOGY SOCIETY (EMBC)》, 24 July 2020 (2020-07-24), pages 2780 - 2783, XP033815676, DOI: 10.1109/EMBC44109.2020.9175700 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116211298A (zh) * | 2023-01-16 | 2023-06-06 | 杭州沃维医疗科技有限公司 | 一种集成血液氧含量与电信号采集的系统、方法及传感器 |
| CN116919347A (zh) * | 2023-07-19 | 2023-10-24 | 中国人民解放军空军军医大学 | 一种呼吸暂停监测系统、方法及应急唤醒装置 |
| CN116919347B (zh) * | 2023-07-19 | 2024-06-07 | 中国人民解放军空军军医大学 | 一种呼吸暂停监测系统、方法及应急唤醒装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220087601A1 (en) | 2022-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11660228B2 (en) | Positional obstructive sleep apnea detection system | |
| CN212521753U (zh) | 睡眠生理系统 | |
| US11317857B2 (en) | Patient monitoring | |
| US20230277800A1 (en) | Sleep performance system and method of use | |
| Liang et al. | Development of an EOG-based automatic sleep-monitoring eye mask | |
| Hwang et al. | Real-time automatic apneic event detection using nocturnal pulse oximetry | |
| AU2021218081B2 (en) | Systems And Methods For Detecting And Managing Physiological Patterns | |
| US20220087601A1 (en) | Electronic device of detecting apnea, and computer-readable storage medium | |
| US20220218293A1 (en) | Sleep physiological system and sleep alarm method | |
| WO2022162589A1 (en) | Systems and methods for estimating a subjective comfort level | |
| EP3986265B1 (en) | Sleep staging using an in-ear photoplethysmography (ppg) | |
| US20220287592A1 (en) | Behavior task evaluation system and behavior task evaluation method | |
| Puri et al. | Design and preliminary evaluation of a wearable device for mass-screening of sleep apnea | |
| KR102440214B1 (ko) | 생체 정보를 이용한 수면 질 향상 방법 및 이를 위한 시스템 | |
| US20240000396A1 (en) | Sleep physiological system and sleep alarm method | |
| Saraiva | VitalSleep: Wearable sleep device for ambulatory sleep quality monitoring | |
| JP2024515286A (ja) | 睡眠時無呼吸事象をモニタリングする着用可能リングデバイスおよび方法 |
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 |