CN114557687A - 一种基于时域的成人呼吸事件检测方法 - Google Patents
一种基于时域的成人呼吸事件检测方法 Download PDFInfo
- Publication number
- CN114557687A CN114557687A CN202111342122.5A CN202111342122A CN114557687A CN 114557687 A CN114557687 A CN 114557687A CN 202111342122 A CN202111342122 A CN 202111342122A CN 114557687 A CN114557687 A CN 114557687A
- Authority
- CN
- China
- Prior art keywords
- event
- amplitude
- signal
- apnea
- airflow
- 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
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 title claims abstract description 11
- 208000008784 apnea Diseases 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 21
- 206010021079 Hypopnoea Diseases 0.000 claims abstract description 18
- 206010041235 Snoring Diseases 0.000 claims abstract description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 12
- 239000008280 blood Substances 0.000 claims abstract description 12
- 210000004369 blood Anatomy 0.000 claims abstract description 12
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 12
- 239000001301 oxygen Substances 0.000 claims abstract description 12
- 238000009423 ventilation Methods 0.000 claims description 16
- 239000012634 fragment Substances 0.000 claims description 12
- 206010021133 Hypoventilation Diseases 0.000 claims description 9
- 230000000414 obstructive effect Effects 0.000 claims description 5
- 208000003417 Central Sleep Apnea Diseases 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 108010064719 Oxyhemoglobins Proteins 0.000 description 2
- 230000035565 breathing frequency Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000001797 obstructive sleep apnea Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000002459 sustained 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
-
- 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
- A61B5/087—Measuring breath flow
-
- 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
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- 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
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于时域的成人呼吸事件检测方法。解决现有技术中人工判别呼吸事件存在时间长、标准不统一、准确性不高的问题。方法包括获取口鼻气流信号、胸部运动信号和血氧饱和度信号；对口鼻气流信号进行时域划分分析，获取信号振幅数据并记录信号事件；根据口鼻气流信号和气流鼾声信号对口鼻气流信号事件进行初步分类，分类为暂定呼吸暂停事件和暂定低通气事件；将暂定低通气事件结合血氧饱和度信息确定低通气事件；将暂定呼吸暂停事件结合胸部运动信号振幅数据比较情况确定呼吸暂停事件类型。本发明相比人工判别呼吸时间，判别时间更短，判别标准统一，判别结构更加准确，使得能够快速准确自动分析出一个结构供医生进行参考。
Description
技术领域
本发明涉及生理参数分析技术领域，尤其是涉及一种基于时域的成人呼吸事件检测方法。
背景技术
随着人们对睡眠的日益关注，睡眠医学已成为临床医学中一个新的热点。睡眠的客观检测是睡眠医学和睡眠相关研究的基本条件。多导睡眠监测（polysomnography，PSG）是国际公认的诊断睡眠呼吸暂停低通气综合症的金标准。而夜间睡眠呼吸事件的判别是进行疾病诊断的重要因素。
呼吸事件分为低通气和呼吸暂停，而呼吸暂停又分为中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停。AASM中各个呼吸事件的判别标准如下：
低通气：口鼻气流较基线下降≥30%，持续时间≥10s，且伴有≥3%的血氧饱和度下降。
呼吸暂停：口鼻气流较基线下降≥90%，持续时间≥10s。
中枢性呼吸暂停：呼吸暂停的过程中不存在努力呼吸。
阻塞性呼吸暂停：呼吸暂停的过程中存在持续地努力呼吸。
混合性呼吸暂停：呼吸暂停的过程中，开始不存在努力呼吸，之后开始持续的努力呼吸。
而现实中一般通过人工去判别呼吸事件，但人工存在判别时间长，判别标准不统一，判别的结构准确度不高的问题。
发明内容
本发明主要是解决现有技术中人工判别呼吸事件存在时间长、标准不统一、准确性不高的问题，提供了一种基于时域的成人呼吸事件检测方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于时域的成人呼吸事件检测方法，包括以下步骤，
S1.获取口鼻气流信号、胸部运动信号和血氧饱和度信号；
S2.对口鼻气流信号进行时域划分分析，获取信号振幅数据并记录信号事件；
S3.根据口鼻气流信号和气流鼾声信号对口鼻气流信号事件进行初步分类，分类为暂定呼吸暂停事件和暂定低通气事件；
S4.将暂定低通气事件结合血氧饱和度信息确定低通气事件；
将暂定呼吸暂停事件结合胸部运动信号振幅数据比较情况确定呼吸暂停事件类型。本发明根据口鼻气流信号、胸部运动信号和血氧饱和度信号，通过对口鼻气流信号和胸部运动信号进行时域划分分析，根据片段的振幅情况来判断低通气事件和呼吸暂停事件具体类型，相比人工判别呼吸时间，本发明判别时间更短，判别标准统一，判别结构更加准确，使得能够快速准确自动分析出一个结构供医生进行参考。
作为一种优选方案，步骤S2中时域划分分析过程包括：
S21.将信号根据一次呼吸时间划分n个片段，获得信号片段序列W(wn)，wn为片段；本方案中一次呼吸时间优选2.5秒。正常成人每分钟呼吸次数在16至20次之间，也就是每3至4秒呼吸一次，采用2.5秒的窗口，略小于一次呼吸的时间，可以更精准的估计振幅的变化情况。
S22.将每个片段中最大值与最小值之差作为片段的振幅，获得片段振幅序列A(an)，an为片段振幅；片段振幅序列可以反应出信号每2.5秒的振幅变化情况。
S23.设定振幅基线abase，以振幅序列A(an)的第一个值a0作为振幅基线初始值，遍历片段振幅序列A(an)；
若当前振幅ak＞振幅基线abase，则获取当前振幅相邻的两个振幅ak-1、ak+1，振幅基线更新为abase=( ak-1+ak+ak+1)/3；振幅基线表示振幅的正常值，用于和振幅下降时进行对比。
若当前振幅ak＜μabase，其中μ为设定比例系数，0≤μ≤1，开始记录信号事件，若持续m个片段的振幅ak、ak-1…ak+m均小于μabase，直到ak+m+1＞μabase，信号事件记录结束，振幅基线更新为abase= ak+m+1。在对口鼻气流信号进行时域划分分析中，μ取值0.7，在对胸部运动信号进行时域划分分析中，μ取值范围为0.1-0.2，优选取值0.2。
作为一种优选方案，口鼻气流信号进行时域划分分析中，记录呼吸事件，过程包括：
记录获得可能呼吸事件{wk，wk+1，…，wk+m}，由于片段长度为2.5秒，可能出现事件范围不准确的问题，通过计算相邻两个片段wk-1和wk+m+1的微分来调整事件范围，把范围向左右两边延展，记左右延展的片段为wleft和wright，其长度分别为Δtleft和Δtright；
判断（2.5*m+Δtleft+Δtright）是否大于10s，若是，则m+2个片段{ wleft，wk，wk+1，…，wk+m，wright}记录为一个呼吸事件，若否，事件不记录。
作为一种优选方案，步骤S3的具体过程包括：
S31.对于呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}，检测振幅小于0.7abase且大于0.1abase的片段，这些片段个数记为n1，检测振幅是否小于等于0.1abase的片段，这些片段个数记为n2；
S32.判断是否n2≥n1，若是，呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}记为第一呼吸暂停事件ap1，若否，呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}记为第一低通气事件hp1；
S33.将口鼻气流信号进行5Hz高通滤波，获得气流鼾声信号，将第一呼吸暂停事件ap1结合气流鼾声信号，其中第一呼吸暂停事件ap1中包含气流鼾声信号的事件记为第二低通气事件hp2，剩余第一呼吸暂停事件ap1记为第二呼吸暂停事件ap2；
S34.将第一低通气事件hp1和第二低通气事件hp2记为暂定低通气事件hp，将第二呼吸暂停事件ap2记为暂定呼吸暂停事件ap。
作为一种优选方案，步骤S4中确定低通气事件的过程包括：
检测每个暂定低通气事件在开始之后X秒内血氧饱和度是否减少Y，若是记录为一个低通气事件，若否不记录，得到所有低通气事件，其中X为45秒，Y为3%。
作为一种优选方案，步骤S4中确定呼吸暂停事件类型过程包括：
S41.胸部运动信号进行时域划分分析，获取胸部运动信号的片段振幅序列和振幅基线，将片段振幅序列中每个片段的振幅与振幅基线比较，标记其中振幅下降超过90%的片段；
S42.将呼吸暂停事件与胸部运动信号进行对比，
若呼吸暂停事件前半部分的胸部运动信号中振幅下降超过90%的片段时间占比超过60%，且呼吸暂停事件后半部分的胸部运动信号中振幅正常的时间占比超过70%，则将该呼吸暂停时间记为混合性呼吸暂停事件；
若呼吸暂停事件范围内胸部运动信号中振幅下降超过90%的片段时间占比超过70%，则将该呼吸暂停时间记为中枢性呼吸暂停事件；
非上两种情况的呼吸暂停时间记为阻塞性呼吸暂停事件。
因此，本发明的优点是：根据口鼻气流信号、胸部运动信号和血氧饱和度信号，通过对口鼻气流信号和胸部运动信号进行时域划分分析，根据片段的振幅情况来判断低通气事件和呼吸暂停事件具体类型，相比人工判别呼吸时间，本发明判别时间更短，判别标准统一，判别结构更加准确，使得能够快速准确自动分析出一个结构供医生进行参考。
附图说明
图1是本发明的一种流程示意图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本实施例一种基于时域的成人呼吸事件检测方法，如图1所示，包括以下步骤：
S1.获取口鼻气流信号、胸部运动信号和血氧饱和度信号；对抠鼻气流信号、胸部运动信号分别进行0.5Hz的低通滤波。
S2.对口鼻气流信号进行时域划分分析，获取信号振幅数据并记录信号事件；时域划分分析过程包括：
S21.将信号根据一次呼吸时间划分n个片段，获得信号片段序列W(wn)，wn为片段；
S22.将每个片段中最大值与最小值之差作为片段的振幅，获得片段振幅序列A(an)，an为片段振幅；
S23.设定振幅基线abase，以振幅序列A(an)的第一个值a0作为振幅基线初始值，遍历片段振幅序列A(an)；
若当前振幅ak＞振幅基线abase，则获取当前振幅相邻的两个振幅ak-1、ak+1，振幅基线更新为abase=( ak-1+ak+ak+1)/3；
若当前振幅ak＜μabase，其中μ为设定比例系数，0≤μ≤1，对口鼻气流信号进行时域划分分析，μ取值0.7。开始记录信号事件，若持续m个片段的振幅ak、ak-1…ak+m均小于μabase，直到ak+m+1＞0.7abase，信号事件记录结束，振幅基线更新为abase= ak+m+1。
其中一次呼吸时间优选2.5秒。正常成人每分钟呼吸次数在16至20次之间，也就是每3至4秒呼吸一次，采用2.5秒的窗口，略小于一次呼吸的时间，可以更精准的估计振幅的变化情况。记录的信号事件可能构成一个呼吸事件，记为可能呼吸事件{wk，wk+1，…，wk+m}。由于片段长度为2.5秒，可能出现事件范围不准确的问题，通过计算相邻两个片段wk-1和wk+m+1的微分来调整事件范围，把范围向左右两边延展，记左右延展的片段为wleft和wright，其长度分别为Δtleft和Δtright；
判断（2.5*m+Δtleft+Δtright）是否大于10s，若是，则m+2个片段{ wleft，wk，wk+1，…，wk+m，wright}记录为一个呼吸事件，若否，事件不记录。
S3.根据口鼻气流信号和气流鼾声信号对口鼻气流信号事件进行初步分类，分类为暂定呼吸暂停事件和暂定低通气事件；具体过程包括：
S31.对于呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}，检测振幅小于0.7abase且大于0.1abase的片段，这些片段个数记为n1，检测振幅是否小于等于0.1abase的片段，这些片段个数记为n2；
S32.判断是否n2≥n1，若是，呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}记为第一呼吸暂停事件ap1，若否，呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}记为第一低通气事件hp1；
S33.将口鼻气流信号进行5Hz高通滤波，获得气流鼾声信号，将第一呼吸暂停事件ap1结合气流鼾声信号，其中第一呼吸暂停事件ap1中包含气流鼾声信号的事件记为第二低通气事件hp2，剩余第一呼吸暂停事件ap1记为第二呼吸暂停事件ap2；
S34.将第一低通气事件hp1和第二低通气事件hp2记为暂定低通气事件hp，将第二呼吸暂停事件ap2记为暂定呼吸暂停事件ap。
S4.将暂定低通气事件结合血氧饱和度信息确定低通气事件；过程包括：
检测每个暂定低通气事件在开始之后45秒内血氧饱和度是否减少3%，若是记录为一个低通气事件，若否不记录，得到所有低通气事件。
将暂定呼吸暂停事件结合胸部运动信号振幅数据比较情况确定呼吸暂停事件类型。过程包括：
S41.胸部运动信号根据步骤S21-S23进行时域划分分析，其中μ取值0.2。获取胸部运动信号的片段振幅序列和振幅基线，将片段振幅序列中每个片段的振幅与振幅基线比较，标记其中振幅下降超过90%的片段；
S42.将呼吸暂停事件与胸部运动信号进行对比，
若呼吸暂停事件前半部分的胸部运动信号中振幅下降超过90%的片段时间占比超过60%，且呼吸暂停事件后半部分的胸部运动信号中振幅正常的时间占比超过70%，则将该呼吸暂停时间记为混合性呼吸暂停事件；
若呼吸暂停事件范围内胸部运动信号中振幅下降超过90%的片段时间占比超过70%，则将该呼吸暂停时间记为中枢性呼吸暂停事件；
非上两种情况的呼吸暂停时间记为阻塞性呼吸暂停事件。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种基于时域的成人呼吸事件检测方法，其特征在于：包括以下步骤，
S1.获取口鼻气流信号、胸部运动信号和血氧饱和度信号；
S2.对口鼻气流信号进行时域划分分析，获取信号振幅数据并记录信号事件；
S3.根据口鼻气流信号和气流鼾声信号对口鼻气流信号事件进行初步分类，分类为暂定呼吸暂停事件和暂定低通气事件；
S4.将暂定低通气事件结合血氧饱和度信息确定低通气事件；
将暂定呼吸暂停事件结合胸部运动信号振幅数据比较情况确定呼吸暂停事件类型。
2.根据权利要求1所述的一种基于时域的成人呼吸事件检测方法，其特征是步骤S2中时域划分分析过程包括：
S21.将信号根据一次呼吸时间划分n个片段，获得信号片段序列W(wn)，wn为片段；
S22.将每个片段中最大值与最小值之差作为片段的振幅，获得片段振幅序列A(an)，an为片段振幅；
S23.设定振幅基线abase，以振幅序列A(an)的第一个值a0作为振幅基线初始值，遍历片段振幅序列A(an)；
若当前振幅ak＞振幅基线abase，则获取当前振幅相邻的两个振幅ak-1、ak+1，振幅基线更新为abase=( ak-1+ak+ak+1)/3；
若当前振幅ak＜μabase，其中μ为设定比例系数，0≤μ≤1，开始记录信号事件，若持续m个片段的振幅ak、ak-1…ak+m均小于μabase，直到ak+m+1＞μabase，信号事件记录结束，振幅基线更新为abase= ak+m+1。
3.根据权利要求2所述的一种基于时域的成人呼吸事件检测方法，其特征是口鼻气流信号进行时域划分分析中，记录呼吸事件，过程包括：
记录获得可能呼吸事件{wk，wk+1，…，wk+m}，计算相邻两个片段wk-1和wk+m+1，记为wleft和wright，其长度分别为Δtleft和Δtright；
判断（2.5*m+Δtleft+Δtright）是否大于10s，若是，则m+2个片段{ wleft，wk，wk+1，…，wk+m，wright}记录为一个呼吸事件，若否，事件不记录。
4.根据权利要求3所述的一种基于时域的成人呼吸事件检测方法，其特征是步骤S3的具体过程包括：
S31.对于呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}，检测振幅小于0.7abase且大于0.1abase的片段，这些片段个数记为n1，检测振幅是否小于等于0.1abase的片段，这些片段个数记为n2；
S32.判断是否n2≥n1，若是，呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}记为第一呼吸暂停事件ap1，若否，呼吸事件{ wleft，wk，wk+1，…，wk+m，wright}记为第一低通气事件hp1；
S33.将口鼻气流信号进行5Hz高通滤波，获得气流鼾声信号，将第一呼吸暂停事件ap1结合气流鼾声信号，其中第一呼吸暂停事件ap1中包含气流鼾声信号的事件记为第二低通气事件hp2，剩余第一呼吸暂停事件ap1记为第二呼吸暂停事件ap2；
S34.将第一低通气事件hp1和第二低通气事件hp2记为暂定低通气事件hp，将第二呼吸暂停事件ap2记为暂定呼吸暂停事件ap。
5.根据权利要求4所述的一种基于时域的成人呼吸事件检测方法，其特征是步骤S4中确定低通气事件的过程包括：
检测每个暂定低通气事件在开始之后X秒内血氧饱和度是否减少Y，若是记录为一个低通气事件，若否不记录，得到所有低通气事件，其中X为45秒，Y为3%。
6.根据权利要求4所述的一种基于时域的成人呼吸事件检测方法，其特征是步骤S4中确定呼吸暂停事件类型过程包括：
S41.胸部运动信号进行时域划分分析，获取胸部运动信号的片段振幅序列和振幅基线，将片段振幅序列中每个片段的振幅与振幅基线比较，标记其中振幅下降超过90%的片段；
S42.将呼吸暂停事件与胸部运动信号进行对比，
若呼吸暂停事件前半部分的胸部运动信号中振幅下降超过90%的片段时间占比超过60%，且呼吸暂停事件后半部分的胸部运动信号中振幅正常的时间占比超过70%，则将该呼吸暂停时间记为混合性呼吸暂停事件；
若呼吸暂停事件范围内胸部运动信号中振幅下降超过90%的片段时间占比超过70%，则将该呼吸暂停时间记为中枢性呼吸暂停事件；
非上两种情况的呼吸暂停时间记为阻塞性呼吸暂停事件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111342122.5A CN114557687A (zh) | 2021-11-12 | 2021-11-12 | 一种基于时域的成人呼吸事件检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111342122.5A CN114557687A (zh) | 2021-11-12 | 2021-11-12 | 一种基于时域的成人呼吸事件检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114557687A true CN114557687A (zh) | 2022-05-31 |
Family
ID=81712704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111342122.5A Pending CN114557687A (zh) | 2021-11-12 | 2021-11-12 | 一种基于时域的成人呼吸事件检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114557687A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102579010A (zh) * | 2012-03-01 | 2012-07-18 | 上海大学 | 据鼾声确定阻塞性睡眠呼吸暂停与低通气综合症的方法 |
| WO2017185128A1 (en) * | 2016-04-26 | 2017-11-02 | Resmed Limited | Diagnosis and monitoring of respiratory disorders |
| CN108283490A (zh) * | 2017-12-16 | 2018-07-17 | 湖南明康中锦医疗科技发展有限公司 | 睡眠呼吸系统及方法 |
| CN109091112A (zh) * | 2018-08-29 | 2018-12-28 | 深圳融昕医疗科技有限公司 | 呼吸暂停事件类型的判断方法、装置和存储介质 |
| CN109924980A (zh) * | 2017-12-19 | 2019-06-25 | 北京怡和嘉业医疗科技股份有限公司 | 呼吸事件判定系统及睡眠监测仪 |
-
2021
- 2021-11-12 CN CN202111342122.5A patent/CN114557687A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102579010A (zh) * | 2012-03-01 | 2012-07-18 | 上海大学 | 据鼾声确定阻塞性睡眠呼吸暂停与低通气综合症的方法 |
| WO2017185128A1 (en) * | 2016-04-26 | 2017-11-02 | Resmed Limited | Diagnosis and monitoring of respiratory disorders |
| CN108283490A (zh) * | 2017-12-16 | 2018-07-17 | 湖南明康中锦医疗科技发展有限公司 | 睡眠呼吸系统及方法 |
| CN109924980A (zh) * | 2017-12-19 | 2019-06-25 | 北京怡和嘉业医疗科技股份有限公司 | 呼吸事件判定系统及睡眠监测仪 |
| CN109091112A (zh) * | 2018-08-29 | 2018-12-28 | 深圳融昕医疗科技有限公司 | 呼吸暂停事件类型的判断方法、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6752766B2 (en) | Method and device for sleep monitoring | |
| EP1883349B1 (en) | Computer program product and device for diagnosing respiratory disorders | |
| US7704215B2 (en) | Daytime/nighttime respiration rate monitoring | |
| US6648833B2 (en) | Respiratory analysis with capnography | |
| US10004452B2 (en) | System and methods for estimating respiratory airflow | |
| Huq et al. | Acoustic breath-phase detection using tracheal breath sounds | |
| US9594874B2 (en) | Managing flow/volume loop information | |
| US20100191076A1 (en) | Daytime/nighttime respiration rate monitoring | |
| CN108109697B (zh) | 一种基于呼气数学模型的肺功能测试系统及方法 | |
| JP2006520227A (ja) | 睡眠関連呼吸障害に関する患者を観察することに併せて生理的測定信号を滴定するための方法及び装置 | |
| US10638971B2 (en) | Methods and applications for detection of breath flow and the system thereof | |
| Pride | Tests of forced expiration and inspiration | |
| JP2013533021A (ja) | 睡眠障害分析のための方法およびシステム | |
| JP7012005B2 (ja) | カプノグラフデバイス及び記憶媒体 | |
| CN108024759B (zh) | 具有决策支持系统架构的二氧化碳描记 | |
| US20180296124A1 (en) | Device, sysem and method for determining a respiratory feature of a subject based on a breathing gas | |
| Glos et al. | Tracheal sound analysis for detection of sleep disordered breathing | |
| van Houdt et al. | Automatic breath-to-breath analysis of nocturnal polysomnographic recordings | |
| CN114557687A (zh) | 一种基于时域的成人呼吸事件检测方法 | |
| EP1898786A2 (en) | A method for generating output data | |
| Soltanzadeh et al. | Sleep stage detection using tracheal breathing sounds: a pilot study | |
| Sabil et al. | Tracheal Sound Analysis | |
| EP4371481A1 (en) | Method and apparatus for determining arterial co2 concentration | |
| US20220296834A1 (en) | Analysis of mucus characteristics | |
| Enright et al. | Assessing the airways |
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 |