CN115153426A - 睡眠呼吸中止的监测系统和监测方法 - Google Patents

Abstract

本发明提供一种睡眠呼吸中止的监测系统和监测方法。监测方法包含：取得回归模型；向受测者传送射频信号并且接收对应于射频信号的反射信号，其中反射信号包含心跳信号、呼吸信号以及活动信号；分别为心跳信号以及呼吸信号执行小波熵分析以产生对应于心跳信号的第一熵以及对应于呼吸信号的第二熵；基于回归模型而根据第一熵、第二熵以及活动信号计算睡眠呼吸中止指数；根据睡眠呼吸中止指数判断受测者是否发生睡眠呼吸中止事件，从而产生判断结果；以及输出判断结果。

Description

睡眠呼吸中止的监测系统和监测方法

技术领域

本发明涉及一种睡眠呼吸中止的监测系统和监测方法。

背景技术

当患有睡眠呼吸中止症的患者睡觉时，患者的上呼吸道(包括鼻咽、口咽以及喉部)会发生反复性的塌陷，因而使患者的呼吸道堵塞。患者的呼吸会变浅且变得更费力。当症状严重时，患者甚至可能因呼吸不到空气而窒息。大多数患者是因为肥胖造成呼吸道狭窄，或造成用于维持呼吸道的肌肉张力不足而导致上呼吸道塌陷。此外，部分患者可能因下巴较狭窄或后缩、扁条线或悬壅垂过大或先天颅颜缺陷等因素而导致呼吸道狭窄。

睡眠呼吸中止症的患者在白天时容易嗜睡而造成注意力无法集中。如此，不仅会降低患者的工作效率，还可能因开车打瞌睡等原因而发生意外。此外，患者在睡眠期间可能发生心绞痛、心肌梗塞或脑中风。再者，患者还可能突然记忆力衰退或提早罹患失智症。另一方面，睡眠呼吸中止症也可能改变患者的人格特质(例如：焦虑、失眠、脾气暴躁或躁动不安等)，甚至使患者得到忧郁症或失眠症。

据此，如何早期发现人员是否罹患睡眠呼吸中止症，是本领域的重要课题。

发明内容

本发明提供一种睡眠呼吸中止的监测系统和监测方法，可监视受测者的睡眠状况。

本发明的一种睡眠呼吸中止的监测系统，适用于监视受测者，包含处理器、存储介质以及收发器。存储介质存储回归模型。处理器耦接存储介质以及收发器，其中处理器经配置以执行：通过收发器向受测者传送射频信号并且接收对应于射频信号的反射信号，其中反射信号包含心跳信号、呼吸信号以及活动信号；分别为心跳信号以及呼吸信号执行小波熵分析以产生对应于心跳信号的第一熵以及对应于呼吸信号的第二熵；基于回归模型而根据第一熵、第二熵以及活动信号计算睡眠呼吸中止指数；根据睡眠呼吸中止指数判断受测者是否发生睡眠呼吸中止事件，从而产生判断结果；以及通过收发器输出判断结果。

在本发明的一实施例中，上述的处理器根据活动信号判断受测者的活动次数，并且将第一熵、第二熵以及活动次数输入至回归模型以计算睡眠呼吸中止指数。

在本发明的一实施例中，上述的处理器响应于睡眠呼吸中止指数大于阈值而判断睡眠呼吸中止事件发生，从而产生判断结果。

在本发明的一实施例中，上述的存储介质更存储受测者的生理信息，其中处理器响应于睡眠呼吸中止指数小于或等于阈值而根据生理信息判断睡眠呼吸中止事件是否发生。

在本发明的一实施例中，上述的存储介质更存储查找表，其中处理器从查找表找出对应于生理信息的查找值以产生判断结果。

在本发明的一实施例中，上述的生理信息包含性别、年纪、身高、体重以及脖围的至少其中之一。

在本发明的一实施例中，上述的处理器对反射信号执行快速傅立叶变换以产生频谱，其中处理器对频谱执行第一带通滤波以产生呼吸信号，并且对频谱执行第二带通滤波以产生心跳信号。

在本发明的一实施例中，上述的收发器与受测者相距0.5米至2米之间。

在本发明的一实施例中，上述的处理器通过收发器接收训练数据，并且根据训练数据训练回归模型，其中训练数据包含关联于睡眠多项生理检查的检查结果。

本发明的一种睡眠呼吸中止的监测方法，适用于监视受测者，包含：取得回归模型；向受测者传送射频信号并且接收对应于射频信号的反射信号，其中反射信号包含心跳信号、呼吸信号以及活动信号；分别为心跳信号以及呼吸信号执行小波熵分析以产生对应于心跳信号的第一熵以及对应于呼吸信号的第二熵；基于回归模型而根据第一熵、第二熵以及活动信号计算睡眠呼吸中止指数；根据睡眠呼吸中止指数判断受测者是否发生睡眠呼吸中止事件，从而产生判断结果；以及输出判断结果。

基于上述，本发明的监测系统可以在受测者未配戴任何穿戴式装置的情况下，以非接触式的方式测量受测者的睡眠状态，并且根据睡眠状态产生指示受测者是否发生睡眠呼吸中止事件的判断结果。

附图说明

图1根据本发明的一实施例示出一种睡眠呼吸中止的监测系统的示意图；

图2根据本发明的一实施例示出一种睡眠呼吸中止的监测方法的流程图；

图3根据本发明的一实施例示出反射信号的频谱的示意图；

图4根据本发明的另一实施例示出一种睡眠呼吸中止的监测方法的流程图。

附图标记说明

100：监测系统；

110：处理器；

120：存储介质；

121：回归模型；

122：查找表；

123：生理信息；

130：收发器；

31、32、33：峰值；

41、42、43：窗函数；

S201、S202、S203、S204、S205、S206、S207、S208、S209、S401、S402、S403、S404、S405、S406：步骤。

具体实施方式

现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同元件符号在附图和描述中用来表示相同或相似部分。

为了使本发明的内容可以被更容易明了，以下特举实施例作为本发明确实能够据以实施的范例。另外，凡可能之处，在附图及实施方式中使用相同标号的组件/构件/步骤，是代表相同或类似部件。

为了要测量受测者的睡眠状态，受测者通常需要在睡眠中心过夜，以在睡眠期间接受睡眠多项生理检查(polysomnography，PSG)。睡眠多项生理检查可取得受测者的睡眠脑波、眼动图、肌电图、心电图、打鼾次数、口鼻呼吸流量、胸腹呼吸动作、血氧饱和指数、睡眠呼吸中止指数(apnea hypopnea index，AHI)、肢体活动或睡眠姿势等信息。医疗人员可根据睡眠多项生理检查的结果判断受测者是否有罹患睡眠呼吸中止症的风险。然而，执行此方法需要花费大量的成本以及时间，且需要由受过高度训练的技术人员执行。因此，上述的方法难以普及。

因应于此，本发明提供一种居家型的监测系统，可通过非接触式的方式测量受测者的睡眠状态，从而判断受测者是否有罹患睡眠呼吸中止症的风险。因此，受测者不仅不需花费金钱与时间前往睡眠中心，也不需配戴任何穿戴式装置而导致睡眠质量受到影响。

图1根据本发明的一实施例示出一种睡眠呼吸中止的监测系统100的示意图，其中监测系统100适用于监视受测者的睡眠状态。监测系统100可包含处理器110、存储介质120以及收发器130。

处理器110例如是中央处理单元(central processing unit，CPU)，或是其他可程序化的一般用途或特殊用途的微控制单元(micro control unit，MCU)、微处理器(microprocessor)、数字信号处理器(digital signal processor，DSP)、可程序化控制器、特殊应用集成电路(application specific integrated circuit，ASIC)、图形处理器(graphics processing unit，GPU)、图像信号处理器(image signal processor，ISP)、图像处理单元(image processing unit，IPU)、算数逻辑单元(arithmetic logic unit，ALU)、复杂可程序逻辑装置(complex programmable logic device，CPLD)、现场可程序化逻辑门阵列(field programmable gate array，FPGA)或其他类似组件或上述组件的组合。处理器110可耦接至存储介质120以及收发器130，并且存取和执行存储于存储介质120中的多个模块和各种应用程序。

存储介质120例如是任何型态的固定式或可移动式的随机存取内存(randomaccess memory，RAM)、只读存储器(read-only memory，ROM)、闪存(flash memory)、硬盘(hard disk drive，HDD)、固态硬盘(solid state drive，SSD)或类似组件或上述组件的组合，而用于存储可由处理器110执行的多个模块或各种应用程序。

收发器130以无线或有线的方式传送及接收信号。收发器130还可以执行例如低噪声放大、阻抗匹配、混频、向上或向下频率转换、滤波、放大以及类似的操作。收发器130例如是都卜勒雷达(Doppler radar)。监测系统100可通过收发器130发射诸如毫米波(mmWave)的射频信号。

存储介质120可存储回归模型(regression model)121。回归模型121可用于判断与生理信号相对应的睡眠呼吸中止指数。在一实施例中，处理器110可训练回归模型121，并将训练好的回归模型121存储在存储介质120中。具体来说，处理器110可通过收发器130接收训练数据。训练数据可包含关联于睡眠多项生理检查的检查结果，其中检查结果可包含受测者的睡眠脑波、眼动图、肌电图、心电图(即：心跳信号)、打鼾次数、口鼻呼吸流量、胸腹呼吸动作、与口鼻呼吸流量和/或胸腹呼吸动作相对应的呼吸信号、血氧饱和指数、睡眠呼吸中止指数、肢体活动、睡眠姿势或与肢体活动和/或睡眠姿势相对应的活动信号等信息。处理器110可对训练数据进行多元线性回归分析(multiple regression analysis)以产生对应于熵(entropy)、活动次数(movement number)以及睡眠呼吸中止指数的回归模型121。换句话说，回归模型121至少包含熵、活动次数以及睡眠呼吸中止指数等三个维度的信息。

图2根据本发明的一实施例示出一种睡眠呼吸中止的监测方法的流程图，其中所述监测方法适用于监视受测者的睡眠状态，并可由如图1所示的电子装置100实施。

在步骤S201中，监测系统100可检测受测者的睡眠状态。具体来说，处理器110可通过收发器130向受测者传送射频信号。受测者的身体会将射频信号反射回收发器130。处理器110可通过收发器130接收对应于射频信号的反射信号。反射信号可包含心跳信号(heartbeat signal)、呼吸信号(respiratory signal)以及活动信号(movement signal)。在一实施例中，收发器130与受测者可相距0.5米至2米之间。

处理器110可对反射信号进行信号处理以取得心跳信号、呼吸信号以及活动信号。在一实施例中，处理器110可根据反射信号判断受测者与收发器130之间的距离，进而根据所述距离的变化取得活动信号。在一实施例中，处理器110可从反射信号的频谱中取得心跳信号或呼吸信号。具体来说，处理器110可对反射信号执行快速傅立叶变换(fast Fouriertransform，FFT)以产生频谱。图3根据本发明的一实施例示出反射信号的频谱的示意图。频谱中可包含对应于呼吸信号(或其谐波)的峰值32以及对应于心跳信号(或其谐波)的峰值33，其中峰值33对应的频率高于峰值32对应的频率。

为了从频谱中获取出呼吸信号以及心跳信号，处理器110可使用不同频段的滤波器对反射信号的频谱进行滤波。举例来说，处理器110可对频谱执行第一带通滤波以产生呼吸信号，并可对频谱执行第二带通滤波以产生心跳信号，其中所述第一带通滤波可对应于窗函数42，并且所述第二带通滤波可对应于窗函数43。窗函数43所在的频段可高于窗函数42所在的频段。

回到图2，在步骤S202中，处理器110可分别为心跳信号以及呼吸信号执行小波熵分析(wavelet entropy analysis)以产生对应于心跳信号的第一熵以及对应于呼吸信号的第二熵。

在步骤S203中，处理器110可基于回归模型121而根据第一熵、第二熵以及活动信号计算睡眠呼吸中止指数。具体来说，处理器110可根据活动信号判断受测者的活动次数(例如：进行翻身动作的次数)。在取得活动次数后，处理器110可将第一熵、第二熵以及活动次数输入至回归模型121以计算睡眠呼吸中止指数。在后续的步骤中，处理器110可根据睡眠呼吸中止指数判断受测者是否发生睡眠呼吸中止事件，从而产生判断结果。

在步骤S204中，处理器110可判断睡眠呼吸中止指数是否大于阈值。若睡眠呼吸中止指数大于阈值，则进入步骤S205。若睡眠呼吸中止指数小于或等于阈值，则进入步骤S206。

在步骤S205中，处理器110可判断睡眠呼吸中止事件发生，并且产生判断结果。判断结果可指示受测者在睡眠期间发生了睡眠呼吸中止事件。

在一实施例中，处理器110可根据多个阈值来判断睡眠呼吸中止事件的严重程度，并且产生对应的判断结果，其中判断结果可指示发生在受测者身上的睡眠呼吸中止事件是轻度的、中度的或重度的。举例来说，处理器110可根据第一阈值、第二阈值以及第三阈值等三个阈值来判断睡眠呼吸中止事件的严重程度，其中第一阈值可为5、第二阈值可为15并且第三阈值可为30。上述的三个阈值的每一者关联于一个小时内的睡眠呼吸中止指数的平均值。若受测者在一个小时内的平均睡眠呼吸中止指数小于第一阈值，则处理器110可判断未发生睡眠呼吸中止事件。若受测者在一个小时内的平均睡眠呼吸中止指数小于第二阈值，并且大于或等于第一阈值，则处理器110可判断受测者发生了轻度的睡眠呼吸中止事件。若受测者在一个小时内的平均睡眠呼吸中止指数小于第三阈值，并且大于或等于第二阈值，则处理器110可判断受测者发生了中度的睡眠呼吸中止事件。若受测者在一个小时内的平均睡眠呼吸中止指数大于或等于第三阈值，则处理器110可判断受测者发生了重度的睡眠呼吸中止事件。

在步骤S206中，处理器110可从查找表120找出对应于受测者的生理信息130以及睡眠呼吸中止指数的查找值，其中所述查找值指示受测者是否为罹患睡眠呼吸中止症的高危险群。具体来说，存储介质120可预存受测者的生理信息130以及查找表120，其中生理信息130可包含但不限于性别、年纪、身高、体重或脖围等信息。生理信息130或查找表120例如是由处理器110通过收发器130取得。

在步骤S207中，处理器110可根据查找值判断受测者是否为罹患睡眠呼吸中止症的高危险群或判断睡眠呼吸中止事件是否可能发生于受测者。若处理器110判断受测者为罹患睡眠呼吸中止症的高危险群或受测者可能发生了睡眠呼吸中止事件，则进入步骤S205。若受测者非为罹患睡眠呼吸中止症的高危险群或可能并未发生睡眠呼吸中止事件，则进入步骤S208。

具体来说，查找表120可记载生理信息130以及查找值等信息的映像关系。在一实施例中，查找表120可记载受测者的年纪以及查找值的映像关系，其中查找值可指示受测者是否为罹患睡眠呼吸中止症的高危险群。举例来说，查找表120可记载“体重身高比大于0.45、年纪大于65岁以及脖围身高比大于0.24”对应于代表高危险群的查找值。当受测者的生理信息与“体重身高比大于0.45、年纪大于65岁以及脖围身高比大于0.24”相符时，处理器110可根据对应的查找值判断受测者为罹患睡眠呼吸中止症的高危险群。

在步骤S208中，处理器110可判断睡眠呼吸中止事件并未发生，并且产生判断结果。判断结果可指示受测者在睡眠期间并未发生睡眠呼吸中止事件。

在步骤S209中，处理器110可输出判断结果，以供医疗人员参考。

图4根据本发明的另一实施例示出一种睡眠呼吸中止的监测方法的流程图，其中所述监测方法可由如图1所示的监测系统100实施。在步骤S401中，取得回归模型。在步骤S402中，向受测者传送射频信号并且接收对应于射频信号的反射信号，其中反射信号包括心跳信号、呼吸信号以及活动信号。在步骤S403中，分别为心跳信号以及呼吸信号执行小波熵分析以产生对应于心跳信号的第一熵以及对应于呼吸信号的第二熵。在步骤S404中，基于回归模型而根据第一熵、第二熵以及活动信号计算睡眠呼吸中止指数。在步骤S405中，根据睡眠呼吸中止指数判断受测者是否发生睡眠呼吸中止事件，从而产生判断结果。在步骤S406中，输出判断结果。

综上所述，本发明的监测系统可利用无线信号检测受测者的睡眠状态。监测系统可利用不同的滤波器处理代表受测者的睡眠状态的信号以取得心跳信号、呼吸信号以及活动信号等信息。监测系统可进一步根据回归模型和上述的信息计算受测者的睡眠呼吸中止指数。睡眠呼吸中止指数可代表发生在受测者的睡眠呼吸中止的严重程度。若睡眠呼吸中止指数过高，监测系统可判断受测者于睡眠期间发生睡眠呼吸中止事件并产生判断结果。监测系统可输出判断结果。监测系统的判断结果可辅助医疗人员诊断受测者是否罹患睡眠呼吸中止症。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种睡眠呼吸中止的监测系统，适用于监视受测者，其特征在于，包括：

收发器；

存储介质，存储回归模型；以及

处理器，耦接所述存储介质以及所述收发器，其中所述处理器经配置以执行：

通过所述收发器向所述受测者传送射频信号并且接收对应于所述射频信号的反射信号，其中所述反射信号包括心跳信号、呼吸信号以及活动信号；

分别为所述心跳信号以及所述呼吸信号执行小波熵分析以产生对应于所述心跳信号的第一熵以及对应于所述呼吸信号的第二熵；

基于所述回归模型而根据所述第一熵、所述第二熵以及所述活动信号计算睡眠呼吸中止指数；

根据所述睡眠呼吸中止指数判断所述受测者是否发生睡眠呼吸中止事件，从而产生判断结果；以及

通过所述收发器输出所述判断结果。

2.根据权利要求1所述的监测系统，其中所述处理器根据所述活动信号判断所述受测者的活动次数，并且将所述第一熵、所述第二熵以及所述活动次数输入至所述回归模型以计算所述睡眠呼吸中止指数。

3.根据权利要求1所述的监测系统，其中所述处理器响应于所述睡眠呼吸中止指数大于阈值而判断所述睡眠呼吸中止事件发生，从而产生所述判断结果。

4.根据权利要求1所述的监测系统，其中所述存储介质更存储所述受测者的生理信息，其中所述处理器响应于所述睡眠呼吸中止指数小于或等于阈值而根据所述生理信息判断所述睡眠呼吸中止事件是否发生。

5.根据权利要求4所述的监测系统，其中所述存储介质更存储查找表，其中所述处理器从所述查找表找出对应于所述生理信息的查找值以产生所述判断结果。

6.根据权利要求4所述的监测系统，其中所述生理信息包括性别、年纪、身高、体重以及脖围的至少其中之一。

7.根据权利要求1所述的监测系统，其中所述处理器对所述反射信号执行快速傅立叶变换以产生频谱，其中所述处理器对所述频谱执行第一带通滤波以产生所述呼吸信号，并且对所述频谱执行第二带通滤波以产生所述心跳信号。

8.根据权利要求1所述的监测系统，其中所述收发器与所述受测者相距0.5米至2米之间。

9.根据权利要求1所述的监测系统，其中所述处理器通过所述收发器接收训练数据，并且根据所述训练数据训练所述回归模型，其中所述训练数据包括关联于睡眠多项生理检查的检查结果。

10.一种睡眠呼吸中止的监测方法，适用于监视受测者，其特征在于，包括：

取得回归模型；

向所述受测者传送射频信号并且接收对应于所述射频信号的反射信号，其中所述反射信号包括心跳信号、呼吸信号以及活动信号；

分别为所述心跳信号以及所述呼吸信号执行小波熵分析以产生对应于所述心跳信号的第一熵以及对应于所述呼吸信号的第二熵；

基于所述回归模型而根据所述第一熵、所述第二熵以及所述活动信号计算睡眠呼吸中止指数；

根据所述睡眠呼吸中止指数判断所述受测者是否发生睡眠呼吸中止事件，从而产生判断结果；以及

输出所述判断结果。

Images