CN114832193A - 呼吸波形的识别方法、装置、设备及存储介质 - Google Patents

呼吸波形的识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114832193A
CN114832193A CN202210393093.3A CN202210393093A CN114832193A CN 114832193 A CN114832193 A CN 114832193A CN 202210393093 A CN202210393093 A CN 202210393093A CN 114832193 A CN114832193 A CN 114832193A
Authority
CN
China
Prior art keywords
flow data
initial
initial flow
respiratory
respiratory waveform
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
Application number
CN202210393093.3A
Other languages
English (en)
Inventor
邓武雄
陈超
张家佳
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.)
Hunan Beyond Medical Technology Co ltd
Original Assignee
Hunan Beyond 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 Hunan Beyond Medical Technology Co ltd filed Critical Hunan Beyond Medical Technology Co ltd
Priority to CN202210393093.3A priority Critical patent/CN114832193A/zh
Publication of CN114832193A publication Critical patent/CN114832193A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • 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
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A61B5/72—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • A61M2016/003—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A61M2230/42—Rate

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pulmonology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Emergency Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Signal Processing (AREA)
  • Computational Mathematics (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请的实施例提供了一种呼吸波形的识别方法、装置、设备及存储介质，涉及数据处理技术领域，方法包括：按预设频率采集初始流量数据；通过预设移动窗口过滤所述初始流量数据，并拟合过滤后的初始流量数据得到至少一个初始呼吸波形，其中，所述初始呼吸波形包括至少一个波峰值和至少一个波谷值；将相邻的波峰值和波谷值分别对应于横轴的横向间距大于或等于第一预设阈值，且相邻的波峰值和波谷值分别对应于纵轴的纵向间距大于或等于第二预设阈值的初始呼吸波形作为目标呼吸波形。本申请相当于以相对幅值替代绝对幅值作为波形的识别依据，可以有效减小外部机械通气的影响，得出用户精准的呼吸波形。

Description

呼吸波形的识别方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种呼吸波形的识别方法、装置、设备及存储介质。
背景技术
现有的高流量湿化氧疗仪及家用呼吸机等设备主要是通过移动窗口计算用户的自主呼吸频率，以及通过快速傅里叶变换(Fast Fourier Transform，简称FFT)计算与最大振幅对应的频率，然后再设置一个小频率的移动窗口，在窗口中检测两个波峰或两个波谷便可得到一个呼吸波形。但在用户的自主呼吸幅度较小或者机械通气的流量过大的情形下，自主呼吸的最大幅值可能会被机械通气干扰，导致FFT计算出来的最大振幅频率出现较大偏差，进而将直接导致呼吸波形的识别出错，无法得到用户准确的呼吸波形。
发明内容
有鉴于此，本申请的目的之一在于提供一种呼吸波形的识别方法、装置、设备及存储介质，至少解决上述部分技术问题。
第一方面，本申请实施例提供了一种呼吸波形的识别方法，包括：
按预设频率采集初始流量数据；
通过预设移动窗口过滤所述初始流量数据，并拟合过滤后的初始流量数据得到至少一个初始呼吸波形，其中，所述初始呼吸波形包括至少一个波峰值和至少一个波谷值；
将相邻的波峰值和波谷值分别对应于横轴的横向间距大于或等于第一预设阈值，且相邻的波峰值和波谷值分别对应于纵轴的纵向间距大于或等于第二预设阈值的初始呼吸波形作为目标呼吸波形；
其中，所述第一预设阈值为使用所述呼吸设备的当前用户的最大呼吸频率，所述第二预设阈值为与所述呼吸设备的机械通气流速对应的标定阈值。
可选的，所述波峰值和/或所述波谷值的计算步骤包括：
计算与各初始流量数据前向邻接的第一预设数量个初始流量数据的平均值，得到第一均值，以及与各初始流量数据后向邻接的第二预设数量个初始流量数据的平均值，得到第二均值；
将大于所述第一均值和所述第二均值的任一初始流量数据确定为波峰值，和/或，
将小于所述第一均值和所述第二均值的任一初始流量数据确定为波谷值。
可选的，各初始呼吸波形上的波峰值和/或所述波谷值的计算步骤，包括：
获取与各初始呼吸波形的对应时间范围内的初始流量数据的斜率；
若目标流量数据的前向邻接的初始流量数据的斜率大于零且后向邻接的初始流量数据的斜率小于零，则确定所述目标流量数据为波峰值，和/或，
若目标流量数据的前向邻接的初始流量数据的斜率小于零且后向邻接的初始流量数据的斜率大于零，则确定所述目标流量数据为波谷值；
其中，所述目标流量数据为在所述初始呼吸波形上的斜率为零的任一初始流量数据。
可选的，所述标定阈值的获取步骤，包括：
获取当前时刻所述呼吸设备的机械通气流速和外接面罩型号；
查找预设面罩型号表中与所述外接面罩型号对应的修正系数，以及预设流速表中与所述机械通气流速对应的机械系数；
根据所述外接面罩型号、所述外接面罩型号的修正系数、所述机械通气流速和机械系数计算所述标定阈值。
可选的，所述“根据所述外接面罩型号、所述外接面罩型号的修正系数、所述机械通气流速和机械系数计算所述标定阈值”的计算公式包括：
Th＝(K1*L+B1)+(K2*S+B2)，
其中，Th表示所述标定阈值，L表示所述机械通气流速，S表示所述外接面罩型号，K1表示所述机械系数，K2表示所述外接面罩型号的修正系数，B1表示流速修正常数，B2表示型号修正常数。
可选的，在所述“按预设频率采集初始流量数据”的步骤后，所述呼吸波形的识别方法还包括：
将所述初始流量数据通过预设滤波器进行滤波，其中，所述预设滤波器包括巴特沃斯滤波器、滑动平均滤波器、限幅滤波器、切比雪夫滤波器和贝塞尔滤波器中的至少一种。
第二方面，本申请实施例提供了一种呼吸波形的识别装置，应用于呼吸设备，包括：
采集模块，用于按预设频率采集初始流量数据；
第一过滤模块，用于通过预设移动窗口过滤所述初始流量数据，并拟合过滤后的初始流量数据得到至少一个初始呼吸波形，其中，所述初始呼吸波形包括至少一个波峰值和至少一个波谷值；
第二过滤模块，用于将相邻的波峰值和波谷值分别对应于横轴的横向间距大于或等于第一预设阈值，且相邻的波峰值和波谷值分别对应于纵轴的纵向间距大于或等于第二预设阈值的初始呼吸波形作为目标呼吸波形；
其中，所述第一预设阈值为当前用户的最大呼吸频率，所述第二预设阈值为与所述呼吸设备的机械通气流速对应的标定阈值。
可选的，所述呼吸波形的识别装置还包括计算模块，用于计算与各初始流量数据前向邻接的第一预设数量个初始流量数据的平均值，得到第一均值，以及与各初始流量数据后向邻接的第二预设数量个初始流量数据的平均值，得到第二均值；将大于所述第一均值和所述第二均值的任一初始流量数据确定为波峰值，和/或，将小于所述第一均值和所述第二均值的任一初始流量数据确定为波谷值。
第三方面，本申请实施例提供了一种计算机设备，所述计算机设备包括计算机可读存储介质及处理器，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被所述处理器执行时，实现第一方面提供的呼吸波形的识别方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被一个或多个处理器执行时，实现本申请提供的呼吸波形的识别方法。
本申请实施例提供的呼吸波形的识别方法、装置、设备及存储介质，通过采集到的初始流量数据并经拟合得到至少一个初始呼吸波形，并通过限定呼吸波形中相邻波峰值和波谷值分别对应于横轴的横向间距和对应于纵轴的纵向间距以实现判断初始呼吸波形的有效性，进而确定出目标呼吸波形，即使是在用户的自主呼吸幅度较小或机械通气的流量过大的情形下，也能够得出用户精准的呼吸波形。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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获得其他相关的附图。
图1示出了本申请实施例提供的一种呼吸设备的结构组成示意图；
图2示出了本申请实施例提供的一种呼吸波形的识别方法的方法流程图；
图3示出了本申请实施例提供的一种呼吸波形的识别装置的功能模块示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
再本申请的各种实施例汇总，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
请参见图1，图1为本申请实施例提供的一种呼吸设备的结构组成示意图，所提供的呼吸设备100可以为具有呼吸数据采集及处理能力的呼吸设备，例如，家用呼吸机等，主要包括呼吸波形的识别装置110、存储器120和处理器130。其中，呼吸设备100可以作为下述呼吸波形的识别方法的实施例的实施主体，存储器120及处理器130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述呼吸设备100包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器120中或固化在所述呼吸设备100的操作系统(Operating System，OS)中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行模块，例如所述呼吸波形的识别装置110所包括的软件功能模块及计算机程序等。
其中，所述存储器120可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器120用于存储程序，所述处理器130在接收到执行指令后，执行所述程序。
所述处理器130可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Process，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参见图2，图2为本申请实施例提供的一种呼吸波形的识别方法的方法流程图，以下将对呼吸波形的识别方法的各个步骤进行详细阐述。
S210，按预设频率采集初始流量数据。
本实施例中，可以通过上述实施例中的呼吸设备100来获取初始流量数据，具体的，可以通过与呼吸设备100外接的流量传感器来采集初始流量数据。本实施例中的初始流量数据是按预设频率采集的，该预设频率的范围在50Hz至100Hz之间，可便于专业的医护工作者根据呼吸设备100的具体使用环境设定预设频率。
具体的，采集到的初始流量数据可以先通过先进先出(First Input firstOutput，FIFO)存储器进行存储，对应的采集时间可视用户的具体呼吸情况进行选择。其中，使用FIFO存储器可以增加初始呼吸数据的传输率，也得益于FIFO存储器的自身特点，能够处理采集到的大量的初始流量数据，匹配具有不同传输率的系统。
另外，本申请实施例并不局限于通过采集到的流量数据来识别到精准的呼吸波形，本申请实施例还可以通过与呼吸设备100外接的压力传感器来采集初始压力数据，通过初始压力数据同样能够得到精准的呼吸波形。其中，根据初始压力数据得到精准的呼吸波形也即下述实施例中的目标呼吸波形的过程同根据初始流量数据得到目标呼吸波形的过程一致，在本实施例及下述实施例中，仅以初始流量数据确定出目标呼吸波形进行示例说明，但绝非仅能通过初始流量数据确定出目标呼吸波形。
可选的，在所述“按预设频率采集初始流量数据”的步骤后，所述呼吸波形的识别方法还包括：
将采集到的初始流量数据通过预设滤波器进行滤波，其中，预设滤波器包括巴特沃斯滤波器、滑动平均滤波器、限幅滤波器、切比雪夫滤波器和贝塞尔滤波器中的至少一种。
在本实施例中，可使用巴特沃斯滤波器和滑动平均滤波器对采集到的初始流量数据进行滤波，其中，巴特沃斯滤波器可以去除初始流量数据的频域噪声，滑动平均滤波器可以去除初始流量数据的随机噪声。在本实施例中，可以先使用巴特沃斯滤波器对初始流量进行第一次滤波，然后再使用滑动平均滤波器对经过第一次滤波后的初始流量数据进行第二次滤波，能够实现对初始流量数据的精准滤波。当经过巴特沃斯滤波器和滑动平均滤波器对初始流量数据进行滤波后，可能还无法完全避免单个异常的初始流量数据的出现，在这种情形下，还可以选用限幅滤波器对经过第二次滤波后的初始流量数据进行第三次滤波，以消除单个异常的初始流量数据，便于得到精准的目标呼吸波形。
S220，通过预设移动窗口过滤所述初始流量数据，并拟合过滤后的初始流量数据得到至少一个初始呼吸波形，其中，所述初始呼吸波形包括至少一个波峰值和至少一个波谷值。
本实施例中的预设移动窗口能够用于对初始流量数据进行初步过滤，具体的，预设移动窗口可以过滤得到一个呼吸波形内的最大值与最小值，并显示出拐点的方向，并且预设移动窗口的数量可根据使用环境进行选择，在本实施例中一般选择5个数或5个数以上的预设移动窗口，以增加采样点，得到更多的初始呼吸波形。其中，在一个初始呼吸波形中，波峰值为该初始呼吸波形中的最大值，波谷值为该初始呼吸波形中的最小值。
可选的，本实施例中的波峰值和/或波谷值的计算步骤包括：
计算与各初始流量数据前向邻接的第一预设数量个初始流量数据的平均值，得到第一均值，以及与各初始流量数据后向邻接的第二预设数量个初始流量数据的平均值，得到第二均值；
将大于所述第一均值和所述第二均值的任一初始流量数据确定为波峰值，和/或，
将小于所述第一均值和所述第二均值的任一初始流量数据确定为波谷值。
在本实施例中，判定出一个呼吸波形内的波峰值和/或波谷值，并非如常规波形中的波峰值和/或波谷值的判断。如常规方式中的判断为在检测到波形上连续的三个数据时，若中间数据在数值上大于前向邻接的数据且小于后向邻接的数据，则判定该中间数据为波峰值，若中间数据在数值上小于前向邻接的数据且小于后向邻接的数据，则判定该中间数据为波谷值。在上述常规判断波峰值和/或波谷值的过程中，难以避免因单个数据出现突变或异常导致错误判断波峰值和/或波谷值的情形，其中，单个数据出现突变或异常也经常用户的自主呼吸副幅度受机械通气的影响时发生。
而本实施例通过计算每一个初始流量数据及每一个初始流量数据前向相邻的第一预设数量个初始流量数据的第一均值和每一个初始流量数据后向相邻的第二预设数量个初始流量数据的第二均值。可以通过比较一个初始流量数据在数值上与前向的第一均值和后向的第二均值的大小来确定出波峰值和/或波谷值，可避免因单个数据出现突变或异常导致错误判断波峰值和/或波谷值的情形，精准地确定出波峰值和/或波谷值。其中，第一预设数量和第二预设数量可相同，也可根据实际需要进行选择。
在一种可能的实施方式中，初始呼吸波形上的波峰值和/或波谷值的计算步骤，包括：
获取与各初始呼吸波形的对应时间范围内的初始流量数据的斜率；
若目标流量数据的前向邻接的初始流量数据的斜率大于零且后向邻接的初始流量数据的斜率小于零，则确定所述目标流量数据为波峰值，和/或，
若目标流量数据的前向邻接的初始流量数据的斜率小于零且后向邻接的初始流量数据的斜率大于零，则确定所述目标流量数据为波谷值；
其中，所述目标流量数据为在所述初始呼吸波形上的斜率为零的任一初始流量数据。
在本实施例中，通过初始流量数据的斜率来判断初始呼吸波形上的波峰值和/或波谷值，不仅可以直观地确定出波峰值和/或波谷值，而且参与判断的数据为分别与目标流量数据的前向邻接和后向邻接的初始流量数据的斜率，计算量明显减小，能够快速确定出初始呼吸波形中的波峰值和/或波谷值。可选的，为了提高波峰值和/或波谷值识别精准性，本实施例中前向邻接和后向邻接的初始流量数据可以不止一个，可以取多个前向邻接和后向邻接的初始流量数据的斜率进行识别判断。
S230，将相邻的波峰值和波谷值分别对应于横轴的横向间距大于或等于第一预设阈值，且相邻的波峰值和波谷值分别对应于纵轴的纵向间距大于或等于第二预设阈值的初始呼吸波形作为目标呼吸波形。
其中，所述第一预设阈值为使用所述呼吸设备的当前用户的最大呼吸频率，所述第二预设阈值为与所述呼吸设备的机械通气流速对应的标定阈值。
上述实施例已经精准地确定出初始呼吸波形中的波峰值和波谷值，在本实施例中，可根据一个初始呼吸波形中的波峰值和波谷值确定出目标呼吸波形。由初始呼吸波形得到目标呼吸波形的过程也可以理解为对初始呼吸波形进行有效性判断的过程，通过有效性的判断，可以筛除掉用户的自主呼吸受机械通气影响而形成的初始呼吸波形。
需要说明的是，无论用户的自主呼吸幅度低，机械通气的流量或大或小时干扰用户自主呼吸的幅值，从而导致流量传感器采集到的初始流量数据的幅值存在较大的差别，但初始呼吸波形的基本形态是相同的，也即用户在吸气的时候，对应的初始流量数据在数值上是低于基准状态，在呼气的时候，对应的初始流量数据在数值上是高于该基准状态的，用户在一个自主呼吸的全过程中的整个波形形态是相似的。本实施例则通过初始呼吸波形中的波峰值和波谷值对初始呼吸波形进行有效性判断，得到波形形态相似的初始呼吸波形，也即识别出目标呼吸波形。
具体的，可通过相邻波峰值和波谷值分别对应横轴的横向间距和对应纵轴的纵向间距来判断相邻波峰值和波谷值所对应的初始呼吸波形的有效性。其中，若横向间距大于或等于最大呼吸频率且纵向间距大于或等于标定阈值，则可判定对应的初始呼吸波形为目标呼吸波形。
在用户的自主呼吸较弱或者外部机械通气流速较大时，自主呼吸带来的绝对幅值会被外部机械通气所掩盖，而相对幅值在同等的外部机械通气的情况下基本保持在一个稳定的能识别的一个范围。本实施例中通过横向间距和纵向间距的判断方式相当于以相对幅值替代绝对幅值作为波形的识别依据，可以有效减小外部机械通气的影响。
在一种实施方式中，标定阈值的获取步骤，包括：
获取当前时刻所述呼吸设备的机械通气流速和外接面罩型号；
查找预设面罩型号表中与所述外接面罩型号对应的修正系数，以及预设流速表中与所述机械通气流速对应的机械系数；
根据所述外接面罩型号、所述外接面罩型号的修正系数、所述机械通气流速和机械系数计算所述标定阈值。
在本实施例中，外接面罩可以与呼吸设备100相连接，外接面罩也是与用户身体直接接触的设备。其中，标定阈值参与初始呼吸波形的有效性判断，在这种情形下，能够引入不同机械通气流速和不同型号的外接面罩来进行辅助判断，便于得到精准的目标呼吸波形。
具体的，计算标定阈值的计算公式包括：
Th＝(K1*L+B1)+(K2*S+B2) (公式1)
其中，Th表示所述标定阈值，L表示所述机械通气流速，S表示所述外接面罩型号，K1表示所述机械系数，K2表示所述外接面罩型号的修正系数，B1表示流速修正常数，B2表示型号修正常数。公式1考虑了机械通气流速和呼吸设备外接的外接口罩对初始呼吸数据的影响，也即对初始呼吸波形的影响，引入了含机械通气流速和外接口罩型号等参数来确定用于判断目标呼吸波形的标定阈值，公式1中是将分别含机械通气流速和外接口罩型号的两个线性方程相加来确定标定阈值，适用于对精度要求不高的计算场景。
作为一种可选的实施方式，标定阈值Th包括：
Th＝C1(K1*L+B1)+C2(K2*S+B2) (公式2)
其中，C1为含机械通气流速的线性方程的加权系数，C2为含外接口罩型号的线性方程的加权系数，公式2考虑了机械通气流速和外接口罩对标定阈值的影响程度，对含机械通气流速和外接口罩型号的两个线性方程进行了加权处理，再将两个经加权处理后的线性方程相加，充分考虑到了机械通气流速和外接口罩型号对标定阈值的影响大小，得到的标定阈值更加精准，也能够得出精准的目标呼吸波形，适用于对精度要求高的计算场景。
作为一种可选的实施方式，标定阈值Th包括：
Th＝(K1*L+B1)*K3 (公式3)
其中，K3为另一种修正系数，同K2一样，K3也是一个离散值，公式3则去除了含外接口罩型号这一参数的线性方程，仅考虑机械通气流速这一参数对初始呼吸数据的影响，相应地简化了计算量，适用于对计算精度要求不高且能够快速计算出标定阈值的场景。
综上，本申请实施例提供的呼吸波形的识别方法，通过采集到的初始流量数据并经拟合得到至少一个初始呼吸波形，并通过限定呼吸波形中相邻波峰值和波谷值分别对应于横轴的横向间距和对应于纵轴的纵向间距以实现判断初始呼吸波形的有效性，进而确定出目标呼吸波形，相当于以相对幅值替代绝对幅值作为波形的识别依据，可以有效减小外部机械通气的影响，得出用户精准的呼吸波形。并且能够引入不同机械通气流速和不同型号的外接面罩来进行辅助判断，便于进一步识别出精准的目标呼吸波形。
与上述方法实施例相对应，本申请还提供一种呼吸波形的识别装置。
请参见图3，图3为本申请实施例提供的一种呼吸波形的识别装置的功能模块示意图，所述呼吸波形的识别装置300包括：
采集模块310，用于按预设频率采集初始流量数据；
第一过滤模块320，用于通过预设移动窗口过滤所述初始流量数据，并拟合过滤后的初始流量数据得到至少一个初始呼吸波形，其中，所述初始呼吸波形包括至少一个波峰值和至少一个波谷值；
第二过滤模块330，用于将相邻的波峰值和波谷值分别对应于横轴的横向间距大于或等于第一预设阈值，且相邻的波峰值和波谷值分别对应于纵轴的纵向间距大于或等于第二预设阈值的初始呼吸波形作为目标呼吸波形；
其中，所述第一预设阈值为当前用户的最大呼吸频率，所述第二预设阈值为与所述呼吸设备的机械通气流速对应的标定阈值。
本申请实施例提供的呼吸波形的识别装置，通过采集到的初始流量数据并经拟合得到至少一个初始呼吸波形，并通过限定呼吸波形中相邻波峰值和波谷值分别对应于横轴的横向间距和对应于纵轴的纵向间距以实现判断初始呼吸波形的有效性，进而确定出目标呼吸波形，相当于以相对幅值替代绝对幅值作为波形的识别依据，可以有效减小外部机械通气的影响，得出用户精准的呼吸波形。
可选的，所述呼吸波形的识别装置300还包括计算模块，用于计算与各初始流量数据前向邻接的第一预设数量个初始流量数据的平均值，得到第一均值，以及与各初始流量数据后向邻接的第二预设数量个初始流量数据的平均值，得到第二均值；将大于所述第一均值和所述第二均值的任一初始流量数据确定为波峰值，和/或，将小于所述第一均值和所述第二均值的任一初始流量数据确定为波谷值。
本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如方法实施例中所述的呼吸波形的识别方法。
本实施例提供的呼吸波形的识别装置、设备及存储介质的具体实施过程，可以参见上述呼吸波形的识别方法具体实施过程，在此不再一一赘述。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种呼吸波形的识别方法，其特征在于，应用于呼吸设备，所述呼吸波形的识别方法包括：
按预设频率采集初始流量数据；
通过预设移动窗口过滤所述初始流量数据，并拟合过滤后的初始流量数据得到至少一个初始呼吸波形，其中，所述初始呼吸波形包括至少一个波峰值和至少一个波谷值；
将相邻的波峰值和波谷值分别对应于横轴的横向间距大于或等于第一预设阈值，且相邻的波峰值和波谷值分别对应于纵轴的纵向间距大于或等于第二预设阈值的初始呼吸波形作为目标呼吸波形；
其中，所述第一预设阈值为使用所述呼吸设备的当前用户的最大呼吸频率，所述第二预设阈值为与所述呼吸设备的机械通气流速对应的标定阈值。
2.根据权利要求1所述的呼吸波形的识别方法，其特征在于，所述波峰值和/或所述波谷值的计算步骤包括：
计算与各初始流量数据前向邻接的第一预设数量个初始流量数据的平均值，得到第一均值，以及与各初始流量数据后向邻接的第二预设数量个初始流量数据的平均值，得到第二均值；
将大于所述第一均值和所述第二均值的任一初始流量数据确定为波峰值，和/或，
将小于所述第一均值和所述第二均值的任一初始流量数据确定为波谷值。
3.根据权利要求1所述的呼吸波形的识别方法，其特征在于，各初始呼吸波形上的波峰值和/或所述波谷值的计算步骤，包括：
获取与各初始呼吸波形的对应时间范围内的初始流量数据的斜率；
若目标流量数据的前向邻接的初始流量数据的斜率大于零且后向邻接的初始流量数据的斜率小于零，则确定所述目标流量数据为波峰值，和/或，
若目标流量数据的前向邻接的初始流量数据的斜率小于零且后向邻接的初始流量数据的斜率大于零，则确定所述目标流量数据为波谷值；
其中，所述目标流量数据为在所述初始呼吸波形上的斜率为零的任一初始流量数据。
4.根据权利要求1所述的呼吸波形的识别方法，其特征在于，所述标定阈值的获取步骤，包括：
获取当前时刻所述呼吸设备的机械通气流速和外接面罩型号；
查找预设面罩型号表中与所述外接面罩型号对应的修正系数，以及预设流速表中与所述机械通气流速对应的机械系数；
根据所述外接面罩型号、所述外接面罩型号的修正系数、所述机械通气流速和机械系数计算所述标定阈值。
5.根据权利要求4所述的呼吸波形的识别方法，其特征在于，所述“根据所述外接面罩型号、所述外接面罩型号的修正系数、所述机械通气流速和机械系数计算所述标定阈值”的计算公式包括：
Th＝(K1*L+B1)+(K2*S+B2)，
其中，Th表示所述标定阈值，L表示所述机械通气流速，S表示所述外接面罩型号，K1表示所述机械系数，K2表示所述外接面罩型号的修正系数，B1表示流速修正常数，B2表示型号修正常数。
6.根据权利要求1所述的呼吸波形的识别方法，其特征在于，在所述“按预设频率采集初始流量数据”的步骤后，所述呼吸波形的识别方法还包括：
将所述初始流量数据通过预设滤波器进行滤波，其中，所述预设滤波器包括巴特沃斯滤波器、滑动平均滤波器、限幅滤波器、切比雪夫滤波器和贝塞尔滤波器中的至少一种。
7.一种呼吸波形的识别装置，其特征在于，应用于呼吸设备，所述呼吸波形的识别装置包括：
采集模块，用于按预设频率采集初始流量数据；
第一过滤模块，用于通过预设移动窗口过滤所述初始流量数据，并拟合过滤后的初始流量数据得到至少一个初始呼吸波形，其中，所述初始呼吸波形包括至少一个波峰值和至少一个波谷值；
第二过滤模块，用于将相邻的波峰值和波谷值分别对应于横轴的横向间距大于或等于第一预设阈值，且相邻的波峰值和波谷值分别对应于纵轴的纵向间距大于或等于第二预设阈值的初始呼吸波形作为目标呼吸波形；
其中，所述第一预设阈值为当前用户的最大呼吸频率，所述第二预设阈值为与所述呼吸设备的机械通气流速对应的标定阈值。
8.根据权利要求7所述的呼吸波形的识别装置，其特征在于，所述呼吸波形的识别装置还包括计算模块，用于计算与各初始流量数据前向邻接的第一预设数量个初始流量数据的平均值，得到第一均值，以及与各初始流量数据后向邻接的第二预设数量个初始流量数据的平均值，得到第二均值；将大于所述第一均值和所述第二均值的任一初始流量数据确定为波峰值，和/或，将小于所述第一均值和所述第二均值的任一初始流量数据确定为波谷值。
9.一种呼吸设备，其特征在于，所述呼吸设备包括设备本体、存储器及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器执行时实现如权利要求1至6中任一项所述的呼吸波形的识别方法。
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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的呼吸波形的识别方法。
CN202210393093.3A 2022-04-14 2022-04-14 呼吸波形的识别方法、装置、设备及存储介质 Pending CN114832193A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210393093.3A CN114832193A (zh) 2022-04-14 2022-04-14 呼吸波形的识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210393093.3A CN114832193A (zh) 2022-04-14 2022-04-14 呼吸波形的识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114832193A true CN114832193A (zh) 2022-08-02

Family

ID=82566615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210393093.3A Pending CN114832193A (zh) 2022-04-14 2022-04-14 呼吸波形的识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114832193A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115267408A (zh) * 2022-09-26 2022-11-01 华能辛店发电有限公司 基于人工智能的配电开关设备故障精准定位系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115267408A (zh) * 2022-09-26 2022-11-01 华能辛店发电有限公司 基于人工智能的配电开关设备故障精准定位系统及方法
CN115267408B (zh) * 2022-09-26 2023-01-20 华能辛店发电有限公司 基于人工智能的配电开关设备故障精准定位系统及方法

Similar Documents

Publication Publication Date Title
CN109480783B (zh) 一种呼吸暂停检测方法、装置及计算设备
US10111616B2 (en) Apparatus, method and computer accessible medium for monitoring sleep quality and apparatus thereof
CA2588831A1 (en) Methods and systems for real time breath rate determination with limited processor resources
CN108324271B (zh) 心电信号识别方法、系统和心电监测设备
EP2173242A1 (en) Method and apparatus for measuring breathing rate
WO2008075288A2 (en) Patient monitoring system and method
CN113080857A (zh) 呼吸监测方法、装置及终端设备
US20140081088A1 (en) Computer-implemented method for determining physical movements of a body organ
CN114832193A (zh) 呼吸波形的识别方法、装置、设备及存储介质
CN108120803B (zh) 一种空气负氧离子浓度在线监测方法及其装置
WO2009127799A1 (en) Method and apparatus for measuring breathing rate
CN112806961A (zh) 体征数据评估方法及装置
CN111920429B (zh) 精神压力检测方法、装置和电子设备
WO2024066502A1 (zh) 呼吸监测方法及装置
CN114027799B (zh) 一种入睡时间点的确定方法及装置
CN115041544A (zh) 冲压件的异常检测方法、装置及存储介质
CN114404753B (zh) 一种呼吸机吸气检测方法、装置及计算机可读存储介质
JP2022106705A (ja) 自律型フルスペクトル生体モニタリング
CN113686757A (zh) 一种日用口罩透气性检测方法及装置
WO2020090763A1 (ja) 処理装置、システム、処理方法、およびプログラム
TW200820939A (en) Method for measuring heart rate
CN113768499A (zh) 血氧饱和度检测装置、系统及存储介质
CN118427525A (zh) 散点图数据去噪方法、装置、设备及可读存储介质
CN113749620A (zh) 一种睡眠呼吸暂停检测方法、系统、设备及存储介质
EP4437963A1 (en) Method and apparatus for processing human biological signal data, device, and storage medium

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