CN115089207A - 一种呼吸音监测方法和呼吸音监测设备 - Google Patents
一种呼吸音监测方法和呼吸音监测设备 Download PDFInfo
- Publication number
- CN115089207A CN115089207A CN202210655241.4A CN202210655241A CN115089207A CN 115089207 A CN115089207 A CN 115089207A CN 202210655241 A CN202210655241 A CN 202210655241A CN 115089207 A CN115089207 A CN 115089207A
- Authority
- CN
- China
- Prior art keywords
- breath sound
- signal
- breath
- sound
- breathing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 65
- 230000005236 sound signal Effects 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000012806 monitoring device Methods 0.000 claims abstract description 18
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 14
- 206010002091 Anaesthesia Diseases 0.000 claims description 13
- 230000037005 anaesthesia Effects 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 13
- 210000004072 lung Anatomy 0.000 description 13
- 238000002555 auscultation Methods 0.000 description 11
- 230000000241 respiratory effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 5
- 238000009423 ventilation Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004202 respiratory function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 101000934888 Homo sapiens Succinate dehydrogenase cytochrome b560 subunit, mitochondrial Proteins 0.000 description 2
- 235000015429 Mirabilis expansa Nutrition 0.000 description 2
- 244000294411 Mirabilis expansa Species 0.000 description 2
- 102100025393 Succinate dehydrogenase cytochrome b560 subunit, mitochondrial Human genes 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000013536 miso Nutrition 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 101001003569 Homo sapiens LIM domain only protein 3 Proteins 0.000 description 1
- 101000639972 Homo sapiens Sodium-dependent dopamine transporter Proteins 0.000 description 1
- 102100026460 LIM domain only protein 3 Human genes 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003434 inspiratory effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 210000001034 respiratory center Anatomy 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000002636 symptomatic treatment Methods 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007371 visceral function Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及医护监测技术领域，尤其涉及一种呼吸音监测方法和呼吸音监测设备。一种呼吸音监测方法通过呼吸音监测装置对呼吸音进行采集、分析处理、输出结果的方法，所述检测方法包括：S100、实时采集呼吸音信号，对采集到的所述呼吸音信号转换为呼吸音数字量信息，传送至处理器；S200、处理呼吸音数字信息：S300、对处理结果进行分析，判断呼吸音是否正常；S400、输出判断结果。本发明所述的一种呼吸音监测方法，具有以下优势：有效地对呼吸音信号做出及时、准确地判断，保证手术医生可以随时观察患者的呼吸情况，能够及时地获悉患者的发生异常呼吸的情况，避免误诊、保证了手术的顺利进行，有效地避免了危及患者的生命安全。
Description
技术领域
本发明涉及医护监测技术领域，尤其涉及一种呼吸音监测方法和呼吸音监测设备。
背景技术
病人不论是呼吸系统本身的病变，或是其他重要脏器的病变，当发展到一定程度都会影响到呼吸中枢；多脏器系统功能衰竭，往往被累及呼吸功能的衰竭；呼吸功能的衰竭又促进其他脏器功能的衰竭；互为因果，所以我们必须高度重视麻醉中呼吸功能的检测与管理。在手术中，与麻醉相关的死亡事件绝大多数与对患者的呼吸管理不善有关。因此，对接收麻醉的患者进行呼吸监测受到了越来越多的重视。
目前国内呼吸监测系统的研究包括对呼吸信号的采集，分析人体的呼吸率、呼吸流量等。但仅仅对呼吸波形进行分析还是不够的。由于人在呼气和吸气过程中，气流经上呼吸道、支气管到肺，在这一过程中，气压的快速变化及器官固体组织的振动将会产生声能，这种声能通过各种组织传输到胸壁，形成的呼吸音中包含许多与气道结构有关的信息，因此对呼吸音的定量、准确的分拆，能准确诊断出术中病人呼吸状态。
呼吸音的振幅同局部的换气功能之间具有一定的相关性，据此，通过呼吸音的振幅便可以推测出每一次的呼吸的局部相对换气量。目前，呼吸音和通气之间的关系问题是研究热点。有研究显示，影响呼吸音的变化的一个重要因素是流率。据此，呼吸音的特征和流率二者之间的相关性成为了呼吸音和通气关系研究方面的热点问题。有研究显示，流率和气管音的包络面积(即积分值)之间呈线性关系，流率和气管音的振幅之间呈一定的函数关系。与此同时，流率和气管音的频域参数之间也呈函数关系。所以，有专家表示在实现肺通气功能监测方面，把呼吸音作为参数有广阔的应用和发展前景。
公开号为CN112687281A的中国发明专利涉及一种异常肺部听诊音智能识别系统，系统包括肺部听诊音采集装置、控制器、终端和云端，肺部听诊音采集装置采集监测对象的数字肺部听诊音信号，控制器对数字肺部听诊音信号进行数字带通滤波，并将数字肺部听诊音信号转换为wav格式的肺部听诊音信号，终端将wav格式的肺部听诊音信号传输至云端，云端获得wav格式的肺部听诊音信号的肺部听诊音种类，当肺部听诊音种类为异常声音时，获得异常声音所在的呼吸周期，并将异常声音所在的呼吸周期和异常声音均传输至终端进行显示，实现了呼吸音的实时、自动识别。
上述专利有效地对患者的呼吸音进行了实时监测，能够及时地诊断患者的病情，并且对患者进行对症治疗。但是，上述系统接收到呼吸音信号后需要通过网络传送到云端，对呼吸音信号进行处理、判断之后在通过网络传输到医生的终端，因此，该系统对呼吸的诊断过程依赖于网络，在网络信号不良，甚至没有网络信号的情况下，会导致误诊。如果将该系统应用于手术麻醉中，会影响手术的顺利进行，造成医生的误判，甚至危及患者的生命。
发明内容
有鉴于此，本发明旨在提供一种呼吸音监测方法，采用通过呼吸音传感器检测患者的呼吸音，通过信号转换器转换为数字信号后传送到处理器进行处理，首先对呼吸音信号通过黄变换进行降噪处理，提取潮气量、能量和频率后，获得异常呼吸信号，通过显示器实时显示呼吸音的波形和特征参数，通过警报器发送异常呼吸音信号警报，解决了不能及时准确地对异常呼吸音做出判断，导致误诊，影响手术的顺利进行，造成医生的误判，甚至危及患者的生命等的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种呼吸音监测方法，通过呼吸音监测装置对呼吸音进行采集、分析处理、输出结果的方法，所述检测方法包括：
S100、实时采集呼吸音信号，对采集到的所述呼吸音信号转换为呼吸音数字量信息，传送至处理器；
S200、处理呼吸音数字信息：
S210、对所述呼吸音数字量信息进行滤波，并且，提取潮气量；
S220、提取所述呼吸音数字量信息的信号能量和频率；
S300、对处理结果进行分析，判断呼吸音是否正常；
S400、输出判断结果。
进一步的，在步骤S210中，包括：
S211、信号预处理，对接受到的所述呼吸音数字型号进行降噪处理；
S212、提取潮气量，通过一个周期内呼吸音信号的包络面积来表征，提取出麻醉状态下的呼吸音信号包络。
进一步的，在步骤S211中，包括：
S2111、设定原信号为x(t)，确定x(t)的极值点，用3次样条插值分别连接极大值点和极小值点，得到x(t)的上包络线xmax(t)和x min(t)下包络线；
S2112、求出上包络线和下包络线的均值线m(t)：[xmax(t)+xmin(t)]/2，用原信号x(t)减去均值线m(t)得h(t)；
S2113、如果h(t)不满足预设条件，则将h(t)作为原信号重复步骤S2111和步骤S2112，直到h(t)满足所述预设条件为止；
S2114、设定固有模态函数c1(t)＝h(t)，求残差r1(t)＝x(t)-c1(t)；
S2115、将r1(t)看作新的原信号重复步骤S211-S214，直至残差rn(t)≤0.001时，则停止分解过程；
S2116、获得结果：
进一步的，在步骤S212中，包括：
S2121、定义实信号x(t)，
S2122、构成复信号z(t)，z(t)＝x(t)+jx^(t)；
S2123、获得实信号x(t)的包络；
S2124、通过对所述实信号x(t)的包络求得的积分值与潮气量呈线性正比例关系。
进一步的，在步骤S220中，包括：
S221、获得离散的呼吸音信号序列x(n)；
S222、对x(n)进行多层小波分解，提取各节点的一维小波系数矩阵，计算小波系数的能量。
S223、构造特征向量。
一种呼吸音监测设备，通过如上述任意一项所述的呼吸音监测方法进行呼吸音监测的设备，所述呼吸音监测设备包括:
传感器，用于检测呼吸音信息；
处理器，接收所述传感器检测的所述呼吸音信息，并且，对所述呼吸音信息进行分析，获取异常呼吸信号，发送警报启动指令；
警报器，接收所述警报启动指令，发出警报信息；
存储器，接收并存储所述处理器发送的所述呼吸音信息、所述异常呼吸信号，所述存储器通过SPI模式与所述处理器连接。
进一步的，所述的呼吸音监测设备，还包括：
信号转换器，所述呼吸音信息通过所述信号转换器转换为呼吸音数字信息后发送到所述处理器。
进一步的，在所述信号转换器和所述处理器之间至少设有单向控制通道和数据传输通道。
进一步的，所述的呼吸音监测设备，还包括：
显示器，与所述处理器连接，接收并输出所述处理器处理的呼吸音波形和特征参数。
进一步的，所述的呼吸音监测设备，还包括：
输入设备，与所述处理器连接，输入初始检测参数，操作检测过程；
供电设备，包括：电源和变压器。
相对于现有技术，本发明所述的一种呼吸音监测方法，具有以下优势：
本技术方案优点在于采用通过呼吸音传感器检测患者的呼吸音，通过信号转换器转换为数字信号后传送到处理器进行处理，首先对呼吸音信号通过黄变换进行降噪处理，排除了噪音信号对呼吸音信号的影响，保证了后期信号处理的准确性，提取潮气量、能量和频率后，获得异常呼吸信号，有效地对呼吸音信号做出及时、准确地判断，通过显示器实时显示呼吸音的波形和特征参数，保证手术医生可以随时观察患者的呼吸情况，通过警报器发送异常呼吸音信号警报，能够及时地获悉患者的发生异常呼吸的情况，对发生异常呼吸的患者采取有效地抢救措施，避免误诊、保证了手术的顺利进行，有效地避免了危及患者的生命安全。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的呼吸音监测方法的流程图；
图2为本发明实施例所述的呼吸音监测设备的结构框图；
图3为本发明实施例所述的SD卡和处理器连接的电路图；
图4为本发明实施例所述的信号转换器和处理器连接的电路图；
图5为本发明实施例所述的显示器和处理器连接的电路图。
附图标记说明：
100-处理器，200-传感器，300-存储器，400-信号转换器，500-显示器，600-警报器，700-供电设备，800-输入设备。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明中涉及“第一”、“第二”、“上”、“下”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”、“上”、“下”的特征可以明示或者隐含地包括至少一个该特征。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，当实施例之间的技术方案能够实现结合的，均在本发明要求的保护范围之内。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示，一种呼吸音监测方法，通过呼吸音监测装置对呼吸音进行采集、分析处理、输出结果的方法。
对于麻醉状态下的呼吸监测，处理这种状态下的呼吸音信号主要从以下几个量入手：
1.潮气量
潮气量(Tidal volume,VT)通常是指在静息状态下每次吸入或呼出的气量。它与年龄、性别、体积表面、呼吸习惯、肌体新陈代谢有关。设定的潮气量通常指吸入气量。潮气量的设定并非恒定，不同的人有不同的值。当手术过程中病人情况产生变化时，潮气量往往是最先发生变化的，所以对潮气量变化的监测是非常重要的。
2.频率
正常情况下，病人的呼吸音应该在大致的一个范围之内，如果在某段时间变化比较剧烈，有可能是病人产生变化，所以要分析麻醉状态下呼吸音信号的频率分布，监测频率变化。
3.信号能量
正常情况下和非正常情况下的呼吸音，频带能量的分布也是有差异的。通过对麻醉状态下的呼吸音信号一个呼吸周期内的进气相和吸气相分别进行研究，能够更好的表征信号特征。
具体的，信号处理主要过程和方法如下：
S100、实时采集呼吸音信号，对采集到的所述呼吸音信号转换为呼吸音数字量信息，传送至处理器；
S200、处理呼吸音数字信息：
S210、对所述呼吸音数字量信息进行滤波，并且，提取潮气量；
S211、信号预处理，对接受到的所述呼吸音数字型号进行降噪处理；
采集到的呼吸音信号存在干扰信号，随意信号处理的第一步是去噪，由于希尔伯特-黄变换的EMD(经验模式分解)步骤具有自适应性，能处理非线性非平稳数据的优点，而且黄变换不但能够去除呼吸音信号中的噪声，而且能得到是单分量信号的固有模态函数。EMD算法主要实现如下：
S2111、设定原信号为x(t)，确定x(t)的极值点，用3次样条插值分别连接极大值点和极小值点，得到x(t)的上包络线xmax(t)和x min(t)下包络线；
S2112、求出上包络线和下包络线的均值线m(t)：[xmax(t)+xmin(t)]/2，用原信号x(t)减去均值线m(t)得h(t)；
S2113、如果h(t)不满足预设条件，则将h(t)作为原信号重复步骤S2111和步骤S2112，直到h(t)满足所述预设条件为止；
在本实施例中，所述预设条件为IMF的两个条件：
1.整个数据集的极大极小值数目与过零点数目相等或最多相差一个；
2.数据集的任意点上，由极大值确定的包络与由极小值确定的包络的均值始终为零。
S2114、设定固有模态函数c1(t)＝h(t)，c1(t)即为所求的IMF，求残差r1(t)＝x(t)-c1(t)；
S2115、将r1(t)看作新的原信号重复步骤S211-S214，直至残差rn(t)≤0.001时，则停止分解过程；
S2116、按此过程依次分解可获得结果：
x(t)＝r1(t)+c1(t)
r1(t)＝r2(t)+c2(t)
……
rn-1(t)＝rn(t)+cn(t)
可以看出EMD过程是对残差ri(t)进行不断分离得到固有模态函数c1(t)的过程，而且随着IMF结束的增高，c(t)的频率逐渐降低。此时保留频率在150hz～1500hz内的固有模态函数，对保存的函数求和即可得到去噪后的所需信号。
S212、提取潮气量，主要采用的方法是希尔伯特-黄变换，由于潮气量可以通过一个周期内呼吸音信号的包络面积来表征，所以需要有效提取出麻醉状态下的呼吸音信号包络。采用的方法是希尔伯特-黄变换中的第二部分——HSA(希尔伯特谱分析)。
希尔伯特变换可以把一个实信号表示成其频谱仅在正频域有值得复信号(解析信号)，对研究实信号有重要意义。
S2121、定义实信号x(t)，其希尔伯特变换记为H[x(t)]或x^(t)，其定义为
可以看出，希尔伯特变换本质上是一个理想的90度移相器。
S2122、由实信号x(t)作实部，其希尔伯特变换x^(t)做虚部，构成复信号z(t)，即为x(t)的解析信号，z(t)＝x(t)+jx^(t)。
S2123、对z(t)求模就可获得实信号x(t)的包络；
S2124、通过对所述实信号x(t)的包络求得的积分值与潮气量呈线性正比例关系。
S220、提取所述呼吸音数字量信息的信号能量和频率；
主要采用的方法是小波变换。由于麻醉状态下的呼吸音是非平稳信号，而且信号多位于低频段，不同时刻有不同的频率成分，单纯在时域和频域都不足以表示信号的特征。因此，把时域和频域联合起来的时频联合分析法是一种更有效的呼吸音分析方法。
研究麻醉状态下呼吸音特征提取算法，对比多分辨率小波分析和小波包分析，选取适用于麻醉状态下呼吸音信号的小波基，分别进行分析。
小波包分析可以得到比小波分析更加灵活的频带划分，能够逐级对低频部分进行分解。而且小波包分析可以根据被分析信号的特征，自适应的选则相应的频带，使之与信号的频谱相匹配，从而提高时频分辨率。选取haar小波、db小波等进行分析来提取特征。小波分析的实质是对原始信号的滤波过程(一系列恒Q的带通滤波器)。它将信号投影到一组互相正交的小波函数构成的子空间上，形成信号在不同尺度上的展开。不同的呼吸音信号在不同的频段上应该具有不同的能量，因此可以将信号特征定义为小波系数的能量，特征的提取步骤如下：
S221、获得离散的呼吸音信号序列x(n)；
S222、对x(n)进行多层小波分解，提取各节点的一维小波系数矩阵，计算小波系数的能量。
S223、构造特征向量。
S300、对处理结果进行分析，判断呼吸音是否正常；
经过上述步骤，得到信号经小波分解后不同频带的能量，从而可以找出呼吸音信号能量的变化规律。由于离散序列x(n)进行小波分解后的小波系数矩阵的维数巨大(N维、N/2维、…)，而利用小波系数能量所构造的特征向量的维数较低，这就把原始的高维空间转变成了低维的特征空间，从而能够有效地进行呼吸音信号的识别分类。
S400、输出判断结果。
将判断结果输出到显示器，以供手术中的医护人员实时监测，当出现异常呼吸时，处理器将向警报器下达警报指令，警报器发出警报，提醒医护人员及时采取抢救措施。
一种呼吸音监测设备，通过如上述任意一项所述的呼吸音监测方法进行呼吸音监测的设备，如图2所示，所述呼吸音监测设备包括:传感器200、处理器100、警报器600和存储器300。传感器200用于检测呼吸音信息。处理器100，接收所述传感器200检测的所述呼吸音信息，并且，对所述呼吸音信息进行分析，获取异常呼吸信号，发送警报启动指令。报器600，接收所述警报启动指令，发出警报信息。存储器300，接收并存储所述处理器100发送的所述呼吸音信息、所述异常呼吸信号，所述存储器300通过SPI模式与所述处理器100连接。
上述结构的呼吸音监测设备通过传感器200实时接收患者的呼吸音。作为一个实施例，传感器200采用HKY-06F呼吸音传感器，是一款专业用于采集呼吸音的产品，采用了高灵敏度微音敏感元件采集人体呼吸声音，经过放大、调理电路输出电压信号。有良好的抗环境噪音功能、电源电压3-6VDC、工作电流4mA、频率响应60-4500Hz、输出幅度0.5-1V。通过传感器200采集的呼吸音信号传送到处理器100，作为处理器100的一个实施例，处理器100采用TMS320VC5509A定点DSP芯片作为主控芯片。VC5509A是C55X系列一款典型的处理器，在VC5509A中集成了一个C55X内核，128KB*16位片上RAM存储器，并具有最大8M*16位的外部寻址空间，片上还集成了USB总线、McBSP和I2C等外部接口。呼吸音信号在处理器100中进行计算、分析等处理后，当判断有异常呼吸音信号时，处理器100向警报器600传送发送警报指令，警报器600发出警报，提醒手术中的医护人员及时采取抢救措施。
在监测的过程中，处理器100将接收的呼吸音信号实时输出到存储器600进行储存。存储器600可以为硬盘、U盘等各种存储介质。优选存储器600采用SD存储卡。
作为一个实施例，手术中采集的呼吸音信号，除实时显示外，为后续科研或建立病人档案需存储备用。另因手术次数多、病人的多样性都需大量的存储空间，系统中的FLASH芯片存储有限，每个手术又需要换新的存储芯片，SD卡是个更灵活的选择。SD卡具有很多优点，如容量大、设计简单、重量轻、体积小、功耗低、数据回收简便等,同时PC机通过读卡器可识别SD卡，读取病人记录的呼吸音数据，可在电脑上用专用的分析软件处理数据并保存到硬盘中。
SD卡共有9个连接口：DAT0～DAT3、CMD、VSS(2个)、CLK、VCC。在SPI模式下，DAT1和DAT2无需用到，可与高电平之间接上拉电阻；片选信号线DAT3识别SD卡；时钟信号线CLK；MISO信号线DAT0；MOSI信号线CMD。SD卡可以工作与SD模式，TMS320VC5509A的CSL库中可以实现对SD卡的直接读写通过McBSP2口，但是不适合于4G的SDHC卡，SD Ver2.0以下的版本CSL库才可直接调用，另外，CSL库函数会对McBSP2口频繁的启动或关闭，因为存储信息时多次对SD卡的扇区进行读写操作，这样在数据读写过程中，可能会有数据丢失现象发生，所以，本系统认为不易选用SD模式。SD卡还可以工作在SPI模式下，既可以用硬件SPI进行，也能软件模拟SPI的方式，5509A有3个McBSP口，其中的McBSP2口可以复用成SD/MMC卡驱动口，但是McBSP0、McBSP1口已被使用，硬件SPI方式必须选用McBSP2口；如果McBSP2口设置成硬件SPI方式，FSX帧同步信号引脚会作为SD卡的片选信号，片选信号每次都会自动产生当传输数据前，这对于普通SPI从设备没有任何影响，但4G的SDHC卡在某些命令发送和响应过程中，时序操作会变得混乱，也会出现数据丢失现象发生。因此我们虽然硬件SPI方式连接，但在实际操作中，应用软件模拟SPI方式。SPI连接方式中，DSP是主机，SD卡的时钟信号由GPIO7引脚模拟输出，片选信号线连接XF引脚，低电平有效，SD卡的MISO接收引脚连接DSP的GPIO6引脚，MOSI引脚连接GPIO4引脚。SD卡存储模块与DSP的连接如图3所示。
进一步的，所述的呼吸音监测设备，还包括：信号转换器400，所述呼吸音信息通过所述信号转换器400转换为呼吸音数字信息后发送到所述处理器100。
作为一个实施例，信号转换器400采用TLV320AIC23音频编解码芯片，对接收的呼吸音的模拟信号进行A/D转换，转换成数字信号，以精确采集微弱的肺音信号。
TLV320AIC23是TI公司生产的一种高性能立体声音频编解码器,该芯片同时高度集成了模拟电路功能。TLV320AIC23中的模数与数模转换器使用了多比特sigma-delta工艺,并在内部集成了高采样率的数字内插滤波器。该器件的数字传输字长可以是16、20、24、32Bit,它支持8～96kHz的采样率。模数转换器的sigma-delta调制器决定了其三阶多比特结构,这种结构在采样率为96kHz的情况下,能够达到90dB信噪比,从而可在小型低功耗设计中实现高保真录音。同样,在数模转换器中的二阶多比特结构还可在采样率为96kHz的情况下使信躁比达到100dB,从而使得高质量的数字音频回放成为可能。该芯片在回放中的功率消耗小于23mW。TLV320AI23与DSP的连接如图4所示。
进一步的，在所述信号转换器400和所述处理器100之间至少设有单向控制通道和数据传输通道。
DSP与AIC23进行通信时用到两个独立的通道，5509A的I2C总线作为AIC23的控制通道，且是单向的，只在配置AIC23时才使用，其它时间都是空闲的，尤其在持续传输数字呼吸音信号时。I2C总线由时钟线SCL和数据线SDA构成串行总线，可发送和接收数据。采集后的呼吸音数据主要就是通过McBSP通道来传输。图中MODE和数字地相连接，表示是通过I2C控制接口控制AIC23。CS和数字地连接，表示0011010是I2C总线上AIC23作为从器件的外设地址。AIC23控制端口移位时钟为SCLK，与5509A的I2C模块端口SCL相连，数据输入端为SDIN，与5509A的I2C模块端口SDA相连。AIC23的串行数据传输时钟BCLK提供McBSP的收发时钟CLKR0和CLKX0，并由AIC23的LRCIN和LROUT启动串口发送和接收数据异步传输，DX0和DR0分别与AIC23的DIN和DOUT相连，从而完成DSP与AIC23的呼吸音数据通信。
进一步的，所述的呼吸音监测设备，还包括：
显示器500，与所述处理器100连接，接收并输出所述处理器100处理的呼吸音波形和特征参数。
作为一个实施例，显示器500优选为液晶显示器，用来显示呼吸音波形及其特征参数,使医生在无听诊器听诊病人呼吸状况下也可以直观地观察到呼吸音波形及特征参数。在医疗设备开发过程中,一般都配有液晶显示屏用以显示相关的监测参数或波形。如手术中,医生们为了观察病人呼吸功能和发展趋势,需要从屏上观察到该时间段内呼吸音信号波形变化的趋势、特征参数的数值等。液晶显示器以其低电压驱动、低功耗、成本低、体积小、有效面积大等优点,在监测医疗仪器中得以广泛应用。
为了减少5509A引脚占用和液晶显示功耗，系统选用了KM12864的LCD串行液晶。TMS320VC5509A有8个专用的通用输入/输出引脚IO0～IO7，每个引脚的方向都可由I/O方向寄存器IODIR独立地进行配置，引脚上的输入/输出逻辑状态由I/O数据寄存器IODATA反映。本系统通过GPIO0引脚、GPIO1引脚和GPIO2引脚，三根线即可实现与LCD的串行传输，如图3-11所示。DSP的GPIO0引脚为LCD提供片选信号，连接到CS。GPIO1连接LCD的SID引脚，作为串行的数据位。GPIO2接CLK，作串行的数据同步时钟。DSP与液晶显示连接示意图如图5所示。
进一步的，所述的呼吸音监测设备，还包括：
输入设备800，与所述处理器100连接，输入初始检测参数，操作检测过程；
供电设备700，包括：电源和变压器。
TMS320VC5509A DSP片内集成了一个全双工异步串口,可以实现呼吸音监测分析仪模块和PC机或者其他设备的通信。但是RS232电平和TT L电平不兼容,我们使用了一片电平转换芯片MAX232,它采用+5V单电源供电,电路简单,使用方便。为了设置方便系统还增加了输入设备800，输入设备800可以为键盘、鼠标、控制界面软按键、操控台硬按键等，用户可以通过按键来控制系统的一些功能,如启动和停止等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种呼吸音监测方法，其特征在于，通过呼吸音监测装置对呼吸音进行采集、分析处理、输出结果的方法，所述检测方法包括：
S100、实时采集呼吸音信号，对采集到的所述呼吸音信号转换为呼吸音数字量信息，传送至处理器；
S200、处理呼吸音数字信息：
S210、对所述呼吸音数字量信息进行滤波，并且，提取潮气量；
S220、提取所述呼吸音数字量信息的信号能量和频率；
S300、对处理结果进行分析，判断呼吸音是否正常；
S400、输出判断结果。
2.根据权利要求1所述的呼吸音监测方法，其特征在于，
在步骤S210中，包括：
S211、信号预处理，对接受到的所述呼吸音数字型号进行降噪处理；
S212、提取潮气量，通过一个周期内呼吸音信号的包络面积来表征，提取出麻醉状态下的呼吸音信号包络。
3.根据权利要求2所述的呼吸音监测方法，其特征在于，
在步骤S211中，包括：
S2111、设定原信号为x(t)，确定x(t)的极值点，用3次样条插值分别连接极大值点和极小值点，得到x(t)的上包络线x max(t)和x min(t)下包络线；
S2112、求出上包络线和下包络线的均值线m(t)：[x max(t)+x min(t)]/2，用原信号x(t)减去均值线m(t)得h(t)；
S2113、如果h(t)不满足预设条件，则将h(t)作为原信号重复步骤S2111和步骤S2112，直到h(t)满足所述预设条件为止；
S2114、设定固有模态函数c1(t)＝h(t)，求残差r1(t)＝x(t)-c1(t)；
S2115、将r1(t)看作新的原信号重复步骤S211-S214，直至残差rn(t)≤0.001时，则停止分解过程；
S2116、获得结果：
4.根据权利要求2所述的呼吸音监测方法，其特征在于，
在步骤S212中，包括：
S2121、定义实信号x(t)，
S2122、构成复信号z(t)，z(t)＝x(t)+jx^(t)；
S2123、获得实信号x(t)的包络；
S2124、通过对所述实信号x(t)的包络求得的积分值与潮气量呈线性正比例关系。
5.根据权利要求2所述的呼吸音监测方法，其特征在于，
在步骤S220中，包括：
S221、获得离散的呼吸音信号序列x(n)；
S222、对x(n)进行多层小波分解，提取各节点的一维小波系数矩阵，计算小波系数的能量。
S223、构造特征向量。
6.一种呼吸音监测设备，其特征在于，通过如权利要求1至5任意一项所述的呼吸音监测方法进行呼吸音监测的设备，所述呼吸音监测设备包括：
传感器(200)，用于检测呼吸音信息；
处理器(100)，接收所述传感器(200)检测的所述呼吸音信息，并且，对所述呼吸音信息进行分析，获取异常呼吸信号，发送警报启动指令；
警报器(600)，接收所述警报启动指令，发出警报信息；
存储器(300)，接收并存储所述处理器(100)发送的所述呼吸音信息、所述异常呼吸信号，所述存储器通过SPI模式与所述处理器(100)连接。
7.根据权利要求6所述的呼吸音监测设备，其特征在于，还包括：
信号转换器(400)，所述呼吸音信息通过所述信号转换器(400)转换为呼吸音数字信息后发送到所述处理器(100)。
8.根据权利要求7所述的呼吸音监测设备，其特征在于，
在所述信号转换器(400)和所述处理器(100)之间至少设有单向控制通道和数据传输通道。
9.根据权利要求6所述的呼吸音监测设备，其特征在于，还包括：
显示器(500)，与所述处理器(100)连接，接收并输出所述处理器(100)处理的呼吸音波形和特征参数。
10.根据权利要求6所述的呼吸音监测设备，其特征在于，还包括：
输入设备(800)，与所述处理器(100)连接，输入初始检测参数，操作检测过程；
供电设备(700)，包括：电源和变压器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210655241.4A CN115089207A (zh) | 2022-06-10 | 2022-06-10 | 一种呼吸音监测方法和呼吸音监测设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210655241.4A CN115089207A (zh) | 2022-06-10 | 2022-06-10 | 一种呼吸音监测方法和呼吸音监测设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115089207A true CN115089207A (zh) | 2022-09-23 |
Family
ID=83290949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210655241.4A Pending CN115089207A (zh) | 2022-06-10 | 2022-06-10 | 一种呼吸音监测方法和呼吸音监测设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115089207A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538823A (zh) * | 2001-06-13 | 2004-10-20 | 用于监测意识的方法和设备 | |
| JP2005066045A (ja) * | 2003-08-25 | 2005-03-17 | Konica Minolta Medical & Graphic Inc | 音データ処理装置及びプログラム |
| CN200994792Y (zh) * | 2007-01-29 | 2007-12-26 | 王煜东 | 麻醉用呼吸监测器 |
| CN101496716A (zh) * | 2009-02-26 | 2009-08-05 | 周洪建 | 利用ecg信号检测睡眠呼吸暂停的测量方法 |
| CN206507970U (zh) * | 2016-08-31 | 2017-09-22 | 钟海 | 一种对呼吸运动幅度、频率进行实时监控的听诊器 |
| CN107280674A (zh) * | 2017-06-02 | 2017-10-24 | 南京理工大学 | 基于音频录取设备的呼吸模式判决方法 |
| CN107545906A (zh) * | 2017-08-23 | 2018-01-05 | 京东方科技集团股份有限公司 | 肺音信号处理方法、处理设备以及可读存储介质 |
| CN107536611A (zh) * | 2017-07-21 | 2018-01-05 | 青岛康庆和医药科技有限责任公司 | 一种体征监测系统 |
| CN108417225A (zh) * | 2018-02-11 | 2018-08-17 | 广州市碳码科技有限责任公司 | 一种呼吸音监测方法、装置、终端及计算机可读存储介质 |
| CN109273085A (zh) * | 2018-11-23 | 2019-01-25 | 南京清科信息科技有限公司 | 病理呼吸音库的建立方法、呼吸疾病的检测系统及处理呼吸音的方法 |
| CN113628641A (zh) * | 2021-06-08 | 2021-11-09 | 广东工业大学 | 一种基于深度学习的用于检查口鼻呼吸的方法 |
-
2022
- 2022-06-10 CN CN202210655241.4A patent/CN115089207A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538823A (zh) * | 2001-06-13 | 2004-10-20 | 用于监测意识的方法和设备 | |
| JP2005066045A (ja) * | 2003-08-25 | 2005-03-17 | Konica Minolta Medical & Graphic Inc | 音データ処理装置及びプログラム |
| CN200994792Y (zh) * | 2007-01-29 | 2007-12-26 | 王煜东 | 麻醉用呼吸监测器 |
| CN101496716A (zh) * | 2009-02-26 | 2009-08-05 | 周洪建 | 利用ecg信号检测睡眠呼吸暂停的测量方法 |
| CN206507970U (zh) * | 2016-08-31 | 2017-09-22 | 钟海 | 一种对呼吸运动幅度、频率进行实时监控的听诊器 |
| CN107280674A (zh) * | 2017-06-02 | 2017-10-24 | 南京理工大学 | 基于音频录取设备的呼吸模式判决方法 |
| CN107536611A (zh) * | 2017-07-21 | 2018-01-05 | 青岛康庆和医药科技有限责任公司 | 一种体征监测系统 |
| CN107545906A (zh) * | 2017-08-23 | 2018-01-05 | 京东方科技集团股份有限公司 | 肺音信号处理方法、处理设备以及可读存储介质 |
| CN108417225A (zh) * | 2018-02-11 | 2018-08-17 | 广州市碳码科技有限责任公司 | 一种呼吸音监测方法、装置、终端及计算机可读存储介质 |
| CN109273085A (zh) * | 2018-11-23 | 2019-01-25 | 南京清科信息科技有限公司 | 病理呼吸音库的建立方法、呼吸疾病的检测系统及处理呼吸音的方法 |
| CN113628641A (zh) * | 2021-06-08 | 2021-11-09 | 广东工业大学 | 一种基于深度学习的用于检查口鼻呼吸的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110051380B (zh) | 对人体状态进行连续实时监测的系统和方法 | |
| Thiyagaraja et al. | A novel heart-mobile interface for detection and classification of heart sounds | |
| US6953436B2 (en) | Multi-modal cardiac diagnostic decision support system and method | |
| CN102458245B (zh) | 使用血氧饱和度信号辨别潮式呼吸模式 | |
| US7559903B2 (en) | Breathing sound analysis for detection of sleep apnea/popnea events | |
| US5058600A (en) | Graphical readout of laryngotracheal spectra and airway monitor | |
| CN102172328A (zh) | 从呼吸信号中检测和区别呼吸模式的方法 | |
| WO2001022883A1 (en) | Multi-modal cardiac diagnostic decision support system and method | |
| CA2464029A1 (en) | Non-invasive ventilation monitor | |
| CN102892349A (zh) | 用于预测胃肠损害的系统和方法 | |
| WO2005009226A2 (en) | Apparatus and method for identifying sleep disordered breathing | |
| CN108175382B (zh) | 基于cpc的非接触式睡眠评估方法及装置 | |
| Omarov et al. | Artificial Intelligence in Medicine: Real Time Electronic Stethoscope for Heart Diseases Detection. | |
| CN202262995U (zh) | 结合放松训练的心理测试仪 | |
| Shi et al. | Classification of sputum sounds using artificial neural network and wavelet transform | |
| Polat et al. | A simple computer-based measurement and analysis system of pulmonary auscultation sounds | |
| CN110731778A (zh) | 一种基于可视化的呼吸音信号识别方法及系统 | |
| Doheny et al. | Estimation of respiratory rate and exhale duration using audio signals recorded by smartphone microphones | |
| US20200138320A1 (en) | Handheld or Wearable Device for Recording or Sonifying Brain Signals | |
| CA2585824A1 (en) | Breathing sound analysis for detection of sleep apnea/hypopnea events | |
| CN115089207A (zh) | 一种呼吸音监测方法和呼吸音监测设备 | |
| CN110638482B (zh) | 一种肠鸣音和腹腔压力的实时监护系统 | |
| CN112294269A (zh) | 节律规则性提示方法、显示方法、监护设备及监护系统 | |
| Sung et al. | Computer-assisted auscultation: patent ductus arteriosus detection based on auditory time–frequency analysis | |
| CN201492411U (zh) | 一种心音诊断试验装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220923 |
|
| RJ01 | Rejection of invention patent application after publication |