CN115919255A - 识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质 - Google Patents
识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质 Download PDFInfo
- Publication number
- CN115919255A CN115919255A CN202211473869.9A CN202211473869A CN115919255A CN 115919255 A CN115919255 A CN 115919255A CN 202211473869 A CN202211473869 A CN 202211473869A CN 115919255 A CN115919255 A CN 115919255A
- Authority
- CN
- China
- Prior art keywords
- sleep apnea
- signal
- flow
- pressure
- respiratory
- 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
- 206010021079 Hypopnoea Diseases 0.000 title claims abstract description 79
- 201000002859 sleep apnea Diseases 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000000241 respiratory effect Effects 0.000 claims abstract description 98
- 230000010355 oscillation Effects 0.000 claims abstract description 70
- 230000000414 obstructive effect Effects 0.000 claims abstract description 33
- 238000009423 ventilation Methods 0.000 claims abstract description 24
- 208000008784 apnea Diseases 0.000 claims abstract description 18
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 17
- 208000003417 Central Sleep Apnea Diseases 0.000 claims description 43
- 230000003534 oscillatory effect Effects 0.000 claims description 25
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 description 42
- 208000001797 obstructive sleep apnea Diseases 0.000 description 37
- 238000010586 diagram Methods 0.000 description 23
- 210000004072 lung Anatomy 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 8
- 210000000621 bronchi Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 210000002345 respiratory system Anatomy 0.000 description 3
- 230000007958 sleep Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 210000004177 elastic tissue Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010041235 Snoring Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 208000014486 central sleep apnea syndrome Diseases 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种识别睡眠呼吸暂停低通气类型的方法,包括以下步骤:确定待测者出现睡眠呼吸暂停类型事件或睡眠呼吸暂停低通气类型事件;使用振荡波发生器产生频率变化的振荡波;在产生所述振荡波期间内,利用传感器采集呼吸气流的压力信号和流量信号;分别对所述压力信号和流量信号进行功率谱分析,获得所述压力信号和流量信号对应的压力功率谱图和流量功率谱图;根据所述压力功率谱图和流量功率谱图,计算不同振荡频率下对应的呼吸总阻抗;判断在预设范围内的呼吸总阻抗值是否大于等于预设阻抗阈值;若是,则判定出现了阻塞性呼吸暂停类型事件或阻塞性呼吸暂停低通气类型事件,提高了类型识别的精度。
Description
技术领域
本发明涉及医疗器械技术领域,尤其涉及一种无创呼吸机的识别睡眠呼吸暂停低通气类型的识别方法。
背景技术
目前,在病人被诊断存在睡眠呼吸暂停综合征之后,大多数医生会建议病人通过使用家用呼吸机来减缓和治疗睡眠呼吸暂停综合征,对于睡眠呼吸暂停综合征可以分类为睡眠呼吸暂停类型和低通气类型,睡眠呼吸暂停类型可以进一步分类为阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停,低通气类型可以分类为阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气。
当出现阻塞性睡眠呼吸暂停类型事件时,呼吸机需要升高一定程度的治疗压力。当出现中枢性睡眠呼吸暂停类型事件时,呼吸机将不进行升压的操作。
脉冲振荡法(IOS)是一种在强迫振荡法(FOT)的基础上发展起来的测量呼吸阻抗(Zrs)的新方法,它通过振荡发生器产生多频率的压力振荡,振荡波施加于受试者的口腔并叠加在呼吸气流之上,随气流进入气道和肺组织,通过测量口腔处的压力和流速,进而计算呼吸系统的总阻抗。基于此,本发明将脉冲振荡法的设计思想应用到睡眠呼吸暂停类型的识别上,提出一种基于多频率振荡波实现睡眠呼吸暂停类型的识别方法。
目前,市面上的呼吸机在进行睡眠呼吸暂停的分类时,都选择强迫振荡技术(FOT)用于阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停类型的分类,即当发生呼吸暂停事件时,通过单一频率,比如4Hz,1cmH2o的压力振荡波,进行睡眠呼吸暂停类型的分类。但是这种单一频率的分类方法无法对睡眠呼吸暂停低通气类型进一步分类为阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气,另外,现有方法对于识别中枢性睡眠呼吸暂停时,容易出现识别错误。
发明内容
本发明的目的在于提供一种识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质。
为了实现上述发明目的,本发明提供一种识别睡眠呼吸暂停低通气类型的方法,所述方法包括步骤:确定待测者出现睡眠呼吸暂停类型事件或睡眠呼吸暂停低通气类型事件;使用振荡波发生器产生频率变化的振荡波;在产生所述振荡波期间内,利用传感器采集呼吸气流的压力信号和流量信号;分别对所述压力信号和流量信号进行功率谱分析,获得所述压力信号和流量信号对应的压力功率谱图和流量功率谱图;根据所述压力功率谱图和流量功率谱图,计算不同振荡频率下对应的呼吸总阻抗;判断在预设范围内的呼吸总阻抗值是否大于等于预设阻抗阈值;若是,则判定出现了阻塞性呼吸暂停类型事件或阻塞性呼吸暂停低通气类型事件。
作为本发明的进一步改进,所述方法还包括:判断在预设范围内的呼吸总阻抗值是否大于等于预设阻抗阈值;若否,则判定出现了中枢性呼吸暂停类型事件或中枢性呼吸暂停低通气类型事件。
作为本发明的进一步改进,所述“确定待测者出现睡眠呼吸暂停类型事件或睡眠呼吸暂停低通气类型事件”具体包括:对待测者的呼吸生理信号产生的气流信号和气压信号进行监测识别;根据所述气流信号和气压信号判断睡眠呼吸暂停或睡眠呼吸暂停低通气。
作为本发明的进一步改进,所述方法还包括:所述频率变化的振荡波具体指所述振荡波发生器提供2-10Hz振荡频率范围内的振荡波。
作为本发明的进一步改进,所述方法还包括:所述流量信号通过流量传感器采集;所述压力信号通过压力传感器采集。
作为本发明的进一步改进,所述方法还包括:所述压力信号和流量信号是在持续正压通气模式下的压力水平上,叠加所述振荡波的情况下采集的。
作为本发明的进一步改进,所述方法还包括:所述振荡发生器包括离心风机。
作为本发明的进一步改进,所述方法还包括:所述振荡波产生的振荡频率是递增且周期性的。
本发明还提供一种无创呼吸机,该呼吸机包括呼吸面罩、至少一个传感器和风机,所述风机用于提供满足所述呼吸机治疗压力的气流和提供频率递增且周期性的振荡波;所述传感器包括压力传感器和流量传感器,用于采集在持续正压通气模式下产生振荡波期间内的呼吸气流的流量信号和压力信号;并对该压力信号和流量信息进行功率谱分析,得到压力信号和流量信号的功率谱图,计算在该功率谱图中不同振荡频率下的呼吸总阻抗;判断预设范围内的呼吸总阻抗是否大于等于预设阻抗阈值,若是,则判定为出现了阻塞性呼吸暂停类型事件或阻塞性呼吸暂停低通气类型事件。
本发明还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项识别睡眠呼吸暂停低通气类型的方法。
与现有技术相比,本发明实施例具有如下至少一种有益效果:
当用户使用呼吸机时,检测到用户出现睡眠呼吸暂停症状时,驱动呼吸机中的风机,提供一定范围内频率递增的振荡波,利用传感器采集产生振荡波期间内的呼吸气流的压力信号和流量信号,进而分析其功率谱,并计算固定振荡频率范围内的不同频率下的呼吸总阻抗,比较呼吸总阻抗值与预设阻抗阈值大小,以区分睡眠呼吸暂停是阻塞性还是中枢性。同时采用高低不同的振荡频率,可以采集到人体更深层的细小支气管的气道信号,还可以很好的完成了对睡眠呼吸暂停低通气的分类,一定程度上提高了对阻塞性和中枢性分类的精度,降低了中枢性分类识别的错误率。
附图说明
图1是本发明实施例中识别睡眠呼吸暂停低通气类型的呼吸机气动原理示意图。
图2是本发明实施例中识别睡眠呼吸暂停类型方法的步骤流程图。
图3是本发明实施例中睡眠呼吸暂停事件识别方法的流程图。
图4是本发明实施例中基于频率递增变化的振荡波下的压力信号示意图。
图5是本发明实施例中基于频率递增变化的振荡波下的流量信号示意图。
图6是本发明实施例中基于频率递增变化的振荡波下的压力信号功率谱示意图。
图7是本发明实施例中基于频率递增变化的振荡波下的流量信号功率谱示意图。
图8是本发明实施例中阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停的总阻抗对比示意图。
图9是本发明实施例中阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停的顺应性对比示意图。
图10是本发明实施例中阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停的惯性阻力对比示意图。
图11是本发明实施例中识别睡眠呼吸暂停低通气类型方法的步骤流程图。
图12是本发明实施例中睡眠呼吸暂停低通气事件识别方法的流程图。
图13是本发明实施例中基于频率递增变化的振荡波下的阻塞性睡眠呼吸暂停低通气压力信号示意图。
图14是本发明实施例中基于频率递增变化的振荡波下的中枢性睡眠呼吸暂停低通气压力信号示意图。
图15是本发明实施例中基于频率递增变化的振荡波下的阻塞性睡眠呼吸暂停低通气流量信号示意图。
图16是本发明实施例中基于频率递增变化的振荡波下的中枢性睡眠呼吸暂停低通气流量信号示意图。
图17是本发明实施例中基于频率递增变化的振荡波下的阻塞性睡眠呼吸暂停低通气压力信号功率谱分析示意图。
图18是本发明实施例中基于频率递增变化的振荡波下的中枢性睡眠呼吸暂停低通气压力信号功率谱分析示意图。
图19是本发明实施例中基于频率递增变化的振荡波下的阻塞性睡眠呼吸暂停低通气流量信号功率谱分析示意图。
图20是本发明实施例中基于频率递增变化的振荡波下的中枢性睡眠呼吸暂停低通气流量信号功率谱分析示意图。
图21是本发明实施例中阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气的总阻抗对比示意图。
图22是本发明实施例中阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气的顺应性对比示意图。
图23是本发明实施例中阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气的惯性阻力对比示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
需要说明的是,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明的实施例针对用于识别睡眠呼吸暂停中的阻塞性和中枢性,以及睡眠呼吸暂停低通气中的阻塞性和中枢性的类型方法。该技术包括在持续正压通气模式下的压力水平上,叠加频率不断改变的振荡波,采集这段期间内的压力信号和流量信号,以计算出对应的呼吸总阻抗值,进而区分出阻塞性和呼吸性的类型。基于常规或者无需创造性的劳动,所述方法在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施方式中所提供的执行顺序。
如图1所示,为本发明实施例提供的一种识别睡眠呼吸暂停低通气类型的呼吸机气动原理示意图。该呼吸机包括呼吸面罩、至少一个传感器和风机,比如离心风机,该离心风机既提供满足所述呼吸机治疗压力的气流,提供满足呼吸机治疗压力的气流,也作为振荡波发生器,提供一定频率范围内频率递增且周期性的振荡波,例如,提供2-10Hz频率范围内递增的振荡波。所述传感器包括压力传感器和流量传感器,用于采集并存储在持续正压通气模式下,驱动振荡波发生器产生振荡波时呼吸气流的压力变化和流量变化。
具体地,参照图2所示,本发明一实施例提供一种识别睡眠呼吸暂停类型的方法,包括如下步骤:
步骤101,当检测到用户出现睡眠呼吸暂停时,振荡波发生器发出频率递增且周期性的振荡波。
主要是通过呼吸机对待测者睡眠呼吸时产生的生理信号进行监测识别,比如睡眠时产生的鼾声、呼吸气流、呼吸频率、呼吸时间信号和通气量,这些生理信号的变化在呼吸罩中都会产生压力信号和流量信号的变化,根据所述气压信号和气流信号的变化,以判断是否出现睡眠呼吸暂停或睡眠呼吸暂停低通气事件。监测的方式可以通过监测预定时长范围内是否出现呼吸流量的变化,或者是呼吸流量的变化值是否超过预定范围,比如当监测到待测者气道的气流量小于等于正常气道流量的10%时,判定待测者出现了睡眠呼吸暂停事件;当监测到的气道流量大于正常气道流量的10%且小于等于正常呼吸时气道流量的70%时,判定待测者出现了睡眠呼吸暂停低通气事件。
在本实施例中,当确定出现睡眠呼吸暂停事件时,在呼吸机处于持续正压通气模式下的压力水平上,叠加振荡频率不断改变的振荡波,该振荡波是通过驱动呼吸机中的振荡波发生器产生的。按照脉冲振荡学原理,在适当的范围内,采用低频率振荡波时,振荡波可以达到细小支气管,比如肺部的细小支气管,此时可以表现出总的气道阻力;采用高频率振荡波时,振荡波无法达到细小支气管,此时可以表现出中心气道的阻力。在本发明中振荡波发生器产生的频率范围优选为2-10Hz,此范围的振荡波不仅有利于风机的正常工作,同时也是容易区分睡眠呼吸暂停事件的最佳频率范围,在该频率范围内提供频率递增且周期性的振荡波会引起气道流量信号和压力信号的变化。
步骤102,压力传感器和流量传感器采集并存储压力信号和流量信号。
在产生频率不断变化的振荡波期间内,主要是通过呼吸机上的压力传感器和流量传感器来采集并存储待测者气道中压力信号和流量信号的变化情况,具体信号变化情况如图4和图5所示。
步骤103,对压力信号和流量信息进行功率谱分析,产生压力信号和流量信号的功率谱图。
所述功率谱是功率谱密度函数(PSD)的简称,是指用密度的概念表示信号功率在各个频率点的分布情况,也就是说,对功率谱的频域上积分就可以得到信号的功率,功率谱是针对功率信号来说的,根据维纳-辛钦定理可知一段信号的功率谱等于这段信号自相关函数的傅里叶变化。在本实施例中,对所述压力信号和流量信号分别进行功率谱的分析计算,再利用Matlab工具展示出对应的功率谱示意图,具体包括压力信号功率谱图和流量信号功率谱图,如图6和图7所示。
步骤104,基于压力信号和流量信号的功率谱图,计算不同频率下的呼吸总阻抗值。
所述呼吸总阻抗值是根据呼吸的压力和流速之间关系而计算出的一种机械负荷。当待测者的气道压力信号和流量信号发生变化时,待测者的呼吸系统中各种大小不同的气道、肺组织和胸廓等产生的气道阻力也是不同的,因此所述呼吸总阻抗一般包括呼吸的黏性阻力、弹性阻力和惯性阻力,它是一个复数量,包括实部和虚部,具体计算公式如(1)所示,
Zrs=Rrs+j*Xrs (1)
其中,Zrs为呼吸总阻抗,Rrs为呼吸系统阻力,描述了气道和肺组织的粘性阻力,主要分布在大、小气道之中。Xrs为呼吸系统电抗,描述了气道和肺组织的弹性阻力和惯性阻力,弹性阻力主要分布在肺组织和细小支气管,而惯性阻力则主要存在于大气道和胸廓。
基于此,在本实施例中,对公式(1)中虚部部分Xrs进一步分解,如公式(2)所示:
Zrs=Rrs+j*(ω·Irs-Ers/ω) (2)
分解后可以认为公式(2)中的Rrs为粘性阻力,Irs为惯性阻力,Ers为弹性阻力,ω为一个系数,与频率有关,具体关系如公式(3)所示:
ω=2πf (3)
其中,f为当前信号的频率,比如当前信号频率为2Hz,则ω为4π。具体地,本发明实施例中,粘性阻力、惯性阻力和弹性阻力的具体按照如下公式(4)、公式(5)和公式(6)来计算:
其中,所述粘性阻力是呼吸气体运动时的摩擦阻力,通常与组织管道的长度、半径、气流速度和气体的特性有关,本发明中是与振荡波期间内产生的呼吸波形压力差与流量有关。所述惯性阻力是指改变物体原有状态时遇到的阻力,与组织的单位体积的重量和运动的加速度有关。所述弹性阻力是指弹性组织扩张时的阻力,通常与组织的弹性有关,而顺应性也是人体肺部的一个特征表现,是弹性阻力的倒数,所以在本发明中弹性阻力是指在产生振荡波期间内压力的变化所引起的肺部的容量变化。
步骤105,比较呼吸总阻抗值和设定阈值的大小关系,识别出阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停类型事件。
具体地,在本发明的这个实施例中,采用脉冲振荡法(IOS)技术测量气道阻力时,不同的振荡频率测量气道压力以及呼气流速的数值,从而可测得一系列呼吸阻抗值,根据上述实施例中描述的呼吸总阻抗计算公式,对固定频率范围2-10Hz内每个特定振荡频率都进行呼吸总阻抗的计算,以一定的步长来进行频率的递增计算,其中对步长的要求本发明是不做具体限制的。在本发明实施例中,以步长是1为例进行频率递增计算,具体地,计算2Hz、3Hz、4Hz…、10Hz对应的呼吸总阻抗,计算得到一组不同特定频率下的呼吸总阻抗值。将这组数据中的每一个呼吸总阻抗值都与预设阻抗阈值进行比较,若在预设的范围内呼吸总阻抗值大于等于预设阻抗阈值,则判断当前待测者出现了阻塞性睡眠呼吸暂停事件;若在预设范围内呼吸总阻抗值小于预设阻抗阈值时,则判断当前待测者出现了中枢性睡眠呼吸暂停事件。
根据上述实施例的描述,对于睡眠呼吸暂停事件是阻塞性的还是中枢性的判断方法如图3所示,图3是睡眠呼吸暂停事件识别方法的流程图。当监测到待测者出现睡眠呼吸暂停时,在无创呼吸机处于持续正压通气模式下的压力水平上,驱动振荡波发生器产生频率不断改变的振荡波,并通过呼吸罩内的压力传感器和流量传感器完成对呼吸压力信号和流量信号的采集和存储。再对采集到的压力信号和流量信号进行功率谱分析,得到对应的压力信号功率谱和流量信号流量谱,进而计算出不同振荡频率下的呼吸总阻抗值,判断在预设范围内的呼吸总阻抗值是否大于等于预设阻抗阈值,若是,则判断待测者当前出现了阻塞性呼吸暂停类型事件,若否,则表示预设范围内的呼吸总阻抗值小于预设阻抗阈值时,判断为出现了中枢性呼吸暂停类型事件。
图4是本发明实施例中基于频率递增变化的振荡波下,呼吸压力波形变化示意图。其中呼吸压力波形,指的是呼吸罩中压力信号在一定时间内的变化情况,同时该压力信号特征数据还应当反应在一个呼吸周期内的变化趋势。图中的横轴代表是的时间,单位是秒,是指呼吸机中产生一段数据所需要的时间,在本发明实施例中,具体地是选取约40秒的压力波形特征数据,纵轴代表压力信号,单位为cmH2o。在待测者未出现睡眠呼吸暂停时,即是在正常的呼吸情况下,产生的是正常呼吸压力波形特征数据,当检测到发生睡眠呼吸暂停持续一段时间后,比如持续5秒时间,开始发送振荡波。具体地,在图4中约7秒-11秒时出现了睡眠呼吸暂停事件,持续了约5秒后,驱动振荡波发生器发出振荡波。
同样地,图5是本发明实施例中基于频率递增变化的振荡波下,呼吸流量波形变化示意图。其中呼吸流量波形是指呼吸罩中流量信号在一定时间内地变化情况,同时该流量信号特征数据还应当反应在一个呼吸周期内地变化趋势。图5中的横轴也代表时间,单位是秒,纵轴代表流量信号,单位为L/min。图5也是显示出了待测者睡眠期间内出现的三种波形,这三种波形分别是待测者睡着后未出现睡眠呼吸暂停时的正常呼吸流量波形、出现睡眠呼吸暂停时呼吸暂停流量波形和振荡波期间内振荡呼吸流量波形,详细情况如图5所示。
在本发明实施例中,根据上述图4和图5中描述的呼吸压力波形图和呼吸流量波形图,对其波形进行功率谱分析,产生对应的压力信号功率谱和流量信号功率谱,具体如图6和图7所示,图6和图7中的横轴都代表的是振荡频率,单位为Hz,纵轴分别代表的是压力信号功率谱和流量信号功率谱,单位为dB。图6是本发明实施例中基于频率递增变化的振荡波下的压力信号功率谱分析示意图,在出现睡眠呼吸暂停时,此时的呼吸压力信号和流量信号都是非常低的,所以功率谱也是趋于下降趋势,当驱动振荡发生器发出2-10Hz的振荡波时,在特定频率下,比如2Hz、3Hz、…10Hz,产生的信号的幅值大,比如,如果收集到的信号是在2Hz的特定频率下产生的,对应的2Hz的信号成分多,他的功率谱中横坐标2Hz的部位的幅值就大,对应功率大,产生了一个波峰,同理,其他特定频率下产生的信号也是一样的原理。所以在图中约2-10Hz的频率范围内,对应的功率谱比较大,后续由于信号中没有高频信号了,所以对应的功率谱也就慢慢趋于平缓,且是低于振荡波期间内的功率,大多数是噪音的信号。同样的,图7是本发明实施例中基于频率递增变化的振荡波下的流量信号功率谱分析示意图,图中的流量信号功率谱也是在约2-10Hz的频率范围内,对应的功率谱比较大,后续的功率谱也就慢慢趋于平缓。
图8为阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停呼吸总阻抗值对比图,图中的横轴是振荡波频率,单位是Hz,纵轴是呼吸总阻抗值,单位为cmH2o/L/s。在本发明实施例中,基于上述图6和图7所示的压力信号功率谱图和流量信号功率谱图,计算在功率谱图中不同特定频率下的呼吸总阻抗值,比较每个特定频率对应的呼吸总阻抗值与预设阻抗阈值的大小,若其中在预设范围内的呼吸总阻抗值都是大于等于预设阻抗阈值时,则判断为阻塞性睡眠呼吸暂停事件;若在预设范围内的呼吸总阻抗值都是小于预设阻抗阈值时,则判断为中枢性睡眠呼吸暂停事件。如图8所示,阻塞性睡眠呼吸暂停事件对应的呼吸总阻抗值远远大于中枢性睡眠呼吸暂停事件产生的呼吸总阻抗值,所以可以通过与预设阻抗阈值的大小比较来区分这两种类型。
同样地,根据上述公式(6)可知,顺应性是弹性阻力的倒数,根据图6和图7所示的功率谱图和呼吸总阻抗的计算方法,可以很容易的计算出不同特定频率对应的顺应性值,图9为阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停顺应性对比图,从图中很容易看出阻塞性睡眠呼吸暂停事件对应的呼吸总阻抗值远远小于中枢性睡眠呼吸暂停事件产生的顺应性,这和呼吸总阻抗值的大小关系是相反的。而图10为阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停惯性阻力的对比图,所述惯性阻力是指呼吸压力的变化所能引起的肺部的容量变化,从图中可以看出,在2-10Hz频率范围内的阻塞性呼吸睡眠暂停对应的惯性阻力远远大于中枢性呼吸睡眠暂停对应的惯性阻力,其中图9和图10的横轴都代表振荡频率,单位是Hz,纵轴分别代表顺应性值和惯性阻力值,其中顺应性的单位为L/cmH2o,惯性阻力的单位为cmH2o/L/s2。
在本发明实施例中,睡眠呼吸暂停低通气类型的识别方法和前面所述的睡眠呼吸暂停类型的识别方法是类似的,具体识别过程如图11所示,包括如下步骤:
步骤201,当检测到用户出现睡眠呼吸暂停低通气事件时,振荡器发生器发出频率递增且周期性的振荡波。
步骤202,压力传感器和流量传感器采集压力信号和流量信号。
步骤203,对压力信号和流量信息进行功率谱分析,产生压力信号和流量信号的功率谱图。
步骤204,基于压力信号和流量信号的功率谱图,计算不同振荡频率下的呼吸总阻抗值。
步骤205,比较呼吸总阻抗值和设定阈值的大小关系,识别出阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气类型事件。
当待测者出现了睡眠呼吸暂停低通气事件,在持续正压通气模式下的压力水平上,叠加上振荡波发生器产生的2-10Hz频率递增且周期性的振荡波,利用呼吸罩中的传感器采集振荡波发生期间内的压力信号和流量信号,并存储到对应的数据模块中,然后对采集的压力信号和流量信号进行功率谱分析,得到对应的压力信号功率谱和流量信号功率谱,同时还计算在功率谱图中不同特定频率的呼吸总阻抗值,该呼吸总阻抗值的计算方法和睡眠呼吸暂停对应的呼吸总阻抗计算方法一样,详见上述公式(1)-(6),此处就不做详细描述了。
具体地,比较振荡频率范围(比如2-10Hz)内的不同特定频率下的呼吸总阻抗值与预设阻抗阈值大小,若在预设范围内的呼吸总阻抗值都大于等于预设阻抗阈值时,则判断出现了阻塞性睡眠呼吸暂停低通气;否则,即在预设范围内呼吸总阻抗值都小于预设阻抗阈值时,则判断出现了中枢性睡眠呼吸暂停低通气,识别方法和呼吸暂停是类似的,具体的识别过程详见图12所示,由于过程同睡眠呼吸暂停类似,此处就不做详细描述了。
图13和图14分别是本发明实施例中基于频率递增变化的振荡波下的阻塞性睡眠呼吸暂停低通气压力信号和中枢性睡眠呼吸暂停低通气压力信号,图中的横轴代表的是时间,单位为秒,纵轴代表的是压力信号的大小,单位为cmH2o。
当识别出现阻塞性低通气时,升高呼吸机的治疗压力,使人体气道通顺,不再出现阻塞性低通气事件,但是由于中枢性低通气是因为大脑发送的呼吸信号出现偏差导致的,所以当出现中枢性低通气事件时,通过呼吸机的治疗虽然可以改善人体的通气情况,但是不会减少中枢性低通气事件的发生,只会减弱因为中枢性低通气造成的影响,治疗中枢性低通气事件需要药物治疗。阻塞性低通气和中枢性低通气产生的呼吸压力波形和呼吸流量波形是具有差异的,阻塞性低通气是气道存在部分阻塞,空气受到阻塞部分阻碍,无法全部进入人体内,传感器处收集的呼吸信号,振荡波明显。而中枢性的气道是敞开的,空气没有受到阻碍,传感器处收集的呼吸信号,掺杂的振荡波不明显,详细情况可参照图13和图14所示。
图15和图16分别是本发明实施例中基于频率递增变化的振荡波下的阻塞性睡眠呼吸暂停低通气流量信号和中枢性睡眠呼吸暂停低通气流量信号,图中的横轴代表的是时间,单位是秒,纵轴代表的是流量信号的大小,单位为L/s。
在本发明实施例中,根据上述图13和图14中描述的阻塞性低通气呼吸压力波形图和中枢性低通气呼吸压力波形,对其波形进行功率谱分析,产生对应的阻塞性低通气压力信号功率谱和中枢性低通气压力信号功率谱,具体如图17和图18所示,图中横轴都代表的是振荡频率,单位Hz,纵轴分别代表的是阻塞性低通气压力信号功率谱和中枢性低通气压力信号功率谱,单位为dB。从图17和图18中的波形可知,呼吸信号频率小于1,所以在0到1赫兹之间的信号的功率会相对比较大,具体可参见图17和图18中的约2-10H在的位置。
同理,根据上述图15和图16中描述的阻塞性低通气呼吸流量波形图和中枢性低通气呼吸流量波形,对其波形进行功率谱分析,产生对应的阻塞性低通气流量信号功率谱和中枢性低通气流量信号功率谱,具体如图19和图20所示,图中横轴都代表的是振荡频率,单位为Hz,纵轴分别代表的是阻塞性低通气流量信号功率谱和中枢性低通气流量信号功率谱,单位为dB,具体如图19和图20所示。
在本发明实施例中,根据呼吸总阻抗的定义和公式(1)计算出功率图谱中不同特定频率下的呼吸总阻抗值,如图21所示。比较每个特定振荡频率对应的呼吸总阻抗值与预设阻抗阈值的大小,若其中在预设范围内的呼吸总阻抗值都大于等于预设阻抗阈值时,则判断为阻塞性睡眠呼吸暂停低通气事件;若在预设范围内的呼吸总阻抗值都是小于预设阻抗阈值时,则判断为中枢性睡眠呼吸暂停低通气事件。从图21可知,阻塞性睡眠呼吸暂停低通气事件对应的呼吸总阻抗值大于中枢性睡眠呼吸暂停低通气事件对应的呼吸总阻抗值。
同理,图22是本发明实施例中阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气的顺应性对比示意图。根据公式(6)可知,顺应性是弹性阻力的倒数,所以和呼吸总阻抗值得大小关系是相反的,即中枢性睡眠呼吸暂停低通气事件对应的顺应性值大于阻塞性睡眠呼吸暂停低通气事件对应的顺应性值,详细情况可参见图22所示。
图23是本发明实施例中阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气的惯性阻力对比示意图。图中的横轴代表的是振荡频率,纵轴对应的惯性阻抗值,在振荡波发生期间内,阻塞性呼吸睡眠暂停对应的惯性阻力大于中枢性呼吸睡眠暂停对应的惯性阻力,详细情况可参见图23所示。
本发明一实施例提供了一种无创呼吸机,该无创呼吸机包括呼吸面罩、至少一个传感器和风机,所述风机用于提供满足所述呼吸机治疗压力的气流和提供频率递增且周期性的振荡波;所述传感器包括压力传感器和流量传感器,用于采集在持续正压通气模式下产生振荡波期间内的呼吸气流的流量信号和压力信号;并对该压力信号和流量信息进行功率谱分析,得到压力信号和流量信号的功率谱图,计算在该功率谱图中不同振荡频率下的呼吸总阻抗;判断预设范围内的呼吸总阻抗是否大于等于预设阻抗阈值,若是,则判定为出现了阻塞性呼吸暂停类型事件或阻塞性呼吸暂停低通气类型事件。
本发明实施例还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项所述识别睡眠呼吸暂停低通气类型的方法。
综上所述,本发明提供的一种识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质,本发明的技术方案不仅可以完成对于睡眠呼吸暂停类型中阻塞性睡眠呼吸暂停和中枢性睡眠呼吸暂停的分类,还可以很好的完成对于睡眠呼吸暂停低通气类型中阻塞性睡眠呼吸暂停低通气和中枢性睡眠呼吸暂停低通气的分类,并且一定程度上提高了对阻塞性和中枢性的分类精度,而且也降低了中枢性呼吸睡眠暂停事件识别的错误率。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种识别睡眠呼吸暂停低通气类型的方法,其特征在于,所述方法包括:
确定待测者出现睡眠呼吸暂停类型事件或睡眠呼吸暂停低通气类型事件;
使用振荡波发生器产生频率变化的振荡波;
在产生所述振荡波期间内,利用传感器采集呼吸气流的压力信号和流量信号;
分别对所述压力信号和流量信号进行功率谱分析,获得所述压力信号和流量信号对应的压力功率谱图和流量功率谱图;
根据所述压力功率谱图和流量功率谱图,计算不同振荡频率下对应的呼吸总阻抗;
判断在预设范围内的呼吸总阻抗值是否大于等于预设阻抗阈值;
若是,则判定出现了阻塞性呼吸暂停类型事件或阻塞性呼吸暂停低通气类型事件。
2.根据权利要求1所述识别睡眠呼吸暂停低通气类型的方法,其特征在于,所述方法还包括:
判断在预设范围内的呼吸总阻抗值是否大于等于预设阻抗阈值;
若否,则判定出现了中枢性呼吸暂停类型事件或中枢性呼吸暂停低通气类型事件。
3.根据权利要求1所述识别睡眠呼吸暂停低通气类型的方法,其特征在于,所述“确定待测者出现睡眠呼吸暂停类型事件或睡眠呼吸暂停低通气类型事件”具体包括:
对待测者的呼吸生理信号产生的气流信号和气压信号进行监测识别;
根据所述气流信号和气压信号判断睡眠呼吸暂停或睡眠呼吸暂停低通气。
4.根据权利要求1所述识别睡眠呼吸暂停低通气类型的方法,其特征在于,所述方法还包括:
所述频率变化的振荡波具体指所述振荡波发生器提供2-10Hz振荡频率范围内的振荡波。
5.根据权利要求1所述识别睡眠呼吸暂停低通气类型的方法,其特征在于,所述方法还包括:
所述流量信号通过流量传感器采集;
所述压力信号通过压力传感器采集。
6.根据权利要求5所述识别睡眠呼吸暂停低通气类型的方法,其特征在于,所述方法还包括:
所述压力信号和流量信号是在持续正压通气模式下的压力水平上,叠加所述振荡波的情况下采集的。
7.根据权利要求1所述的方法,其特征在于,
所述振荡发生器包括离心风机。
8.根据权利要求4所述的方法,其特征在于,
所述振荡波产生的振荡频率是递增且周期性的。
9.一种无创呼吸机,包括呼吸面罩、至少一个传感器和风机,其特征在于,所述风机用于提供满足所述呼吸机治疗压力的气流和提供频率递增且周期性的振荡波;所述传感器包括压力传感器和流量传感器,用于采集在持续正压通气模式下产生振荡波期间内的呼吸气流的流量信号和压力信号;并对该压力信号和流量信息进行功率谱分析,得到压力信号和流量信号的功率谱图,计算在该功率谱图中不同振荡频率下的呼吸总阻抗;判断预设范围内的呼吸总阻抗是否大于等于预设阻抗阈值,若是,则判定为出现了阻塞性呼吸暂停类型事件或阻塞性呼吸暂停低通气类型事件。
10.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时候实现如权利要求1-8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211473869.9A CN115919255A (zh) | 2022-11-22 | 2022-11-22 | 识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211473869.9A CN115919255A (zh) | 2022-11-22 | 2022-11-22 | 识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115919255A true CN115919255A (zh) | 2023-04-07 |
Family
ID=86555090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211473869.9A Pending CN115919255A (zh) | 2022-11-22 | 2022-11-22 | 识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115919255A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3572317A (en) * | 1968-10-02 | 1971-03-23 | Hoffmann La Roche | Respiratory distress monitor |
US20070006924A1 (en) * | 2004-01-05 | 2007-01-11 | Kaczka David W | Servo-controlled pneumatic pressure oscillator for respiratory impedance measurements and high-frequency ventilation |
US20080058665A1 (en) * | 2006-08-24 | 2008-03-06 | Bernhard Scholler | Device and method for detecting obstructive events |
US20090151719A1 (en) * | 2004-02-04 | 2009-06-18 | Breathe Technologies, Inc. | Methods and devices for treating sleep apnea |
CN102488521A (zh) * | 2011-12-09 | 2012-06-13 | 东莞理工学院 | 医用呼吸监测仪呼吸阻力值计算装置 |
US20120296219A1 (en) * | 2009-10-20 | 2012-11-22 | Worcester Polytechnic Institute | Apparatus and method for respiratory rate detection and early detection of blood loss volume |
CN103608070A (zh) * | 2011-01-25 | 2014-02-26 | 艾派利斯控股有限责任公司 | 用于辅助呼吸的设备和方法 |
US20140350429A1 (en) * | 2011-09-21 | 2014-11-27 | Koninklijke Philips N.V. | Upper airway resistance measurement device |
CN104688232A (zh) * | 2015-03-23 | 2015-06-10 | 北京怡和嘉业医疗科技有限公司 | 一种睡眠呼吸暂停的检测方法及设备 |
US20160074606A1 (en) * | 2013-04-17 | 2016-03-17 | Fisher & Paykel Healthcare Limited | Distinguishing between central and obstructive sleep apnea |
US20160199607A1 (en) * | 2015-01-13 | 2016-07-14 | Resmed Limited | Respiratory therapy apparatus |
US20160354040A1 (en) * | 2014-01-27 | 2016-12-08 | Koninklijke Philips N.V. | System and method for analysis of the upper airway and a respiratory pressure support system |
CN108618750A (zh) * | 2017-03-21 | 2018-10-09 | 小牛科技河北有限公司 | 判别阻塞性睡眠呼吸暂停与中枢性睡眠呼吸暂停的方法 |
CN110638454A (zh) * | 2019-09-11 | 2020-01-03 | 北京航空航天大学 | 一种适用于正压通气条件下基于强迫振荡的呼吸力学参数检测装置及方法 |
US20200282161A1 (en) * | 2017-07-04 | 2020-09-10 | ResMed Pty Ltd | Acoustic measurement systems and methods |
-
2022
- 2022-11-22 CN CN202211473869.9A patent/CN115919255A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3572317A (en) * | 1968-10-02 | 1971-03-23 | Hoffmann La Roche | Respiratory distress monitor |
US20070006924A1 (en) * | 2004-01-05 | 2007-01-11 | Kaczka David W | Servo-controlled pneumatic pressure oscillator for respiratory impedance measurements and high-frequency ventilation |
US20090151719A1 (en) * | 2004-02-04 | 2009-06-18 | Breathe Technologies, Inc. | Methods and devices for treating sleep apnea |
US20080058665A1 (en) * | 2006-08-24 | 2008-03-06 | Bernhard Scholler | Device and method for detecting obstructive events |
US20120296219A1 (en) * | 2009-10-20 | 2012-11-22 | Worcester Polytechnic Institute | Apparatus and method for respiratory rate detection and early detection of blood loss volume |
CN103608070A (zh) * | 2011-01-25 | 2014-02-26 | 艾派利斯控股有限责任公司 | 用于辅助呼吸的设备和方法 |
US20140350429A1 (en) * | 2011-09-21 | 2014-11-27 | Koninklijke Philips N.V. | Upper airway resistance measurement device |
CN102488521A (zh) * | 2011-12-09 | 2012-06-13 | 东莞理工学院 | 医用呼吸监测仪呼吸阻力值计算装置 |
US20160074606A1 (en) * | 2013-04-17 | 2016-03-17 | Fisher & Paykel Healthcare Limited | Distinguishing between central and obstructive sleep apnea |
US20160354040A1 (en) * | 2014-01-27 | 2016-12-08 | Koninklijke Philips N.V. | System and method for analysis of the upper airway and a respiratory pressure support system |
US20160199607A1 (en) * | 2015-01-13 | 2016-07-14 | Resmed Limited | Respiratory therapy apparatus |
CN104688232A (zh) * | 2015-03-23 | 2015-06-10 | 北京怡和嘉业医疗科技有限公司 | 一种睡眠呼吸暂停的检测方法及设备 |
CN108618750A (zh) * | 2017-03-21 | 2018-10-09 | 小牛科技河北有限公司 | 判别阻塞性睡眠呼吸暂停与中枢性睡眠呼吸暂停的方法 |
US20200282161A1 (en) * | 2017-07-04 | 2020-09-10 | ResMed Pty Ltd | Acoustic measurement systems and methods |
CN110638454A (zh) * | 2019-09-11 | 2020-01-03 | 北京航空航天大学 | 一种适用于正压通气条件下基于强迫振荡的呼吸力学参数检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102458245B (zh) | 使用血氧饱和度信号辨别潮式呼吸模式 | |
JP6246696B2 (ja) | 非同期性の検出 | |
JP5090155B2 (ja) | 呼吸速度、心拍速度、及び無呼吸に関する非侵襲性モニタリング | |
EP2348993B1 (en) | Method and apparatus for monitoring breathing cycle by frequency analysis of an acoustic data stream | |
EP2629661B1 (en) | Apparatus for diagnosing obstructive sleep apnea with an awake patient | |
CA2522006C (en) | Systems and methods for respiratory event detection | |
US9844336B2 (en) | Apparatus and method for diagnosing obstructive sleep apnea | |
US6893405B2 (en) | Analysis of Sleep Apnea | |
JP2008507316A5 (zh) | ||
US10004452B2 (en) | System and methods for estimating respiratory airflow | |
WO2007092492A2 (en) | Systems and methods for processing pulmonary function data | |
CA3118956C (en) | Method and apparatus for continuous management of airway pressure for detection and/or prediction of respiratory failure | |
CN115919255A (zh) | 识别睡眠呼吸暂停低通气类型的方法、呼吸机及存储介质 | |
WO2001015602A1 (en) | System and method for the diagnosis of respiratory disorders | |
Navajas et al. | Forced oscillation technique | |
AU2013221962B2 (en) | Discrimination of Cheyne-Stokes Breathing Patterns by Use of Oximetry Signals | |
AU743765B2 (en) | Monitoring the occurence of apneic and hypopneic arousals | |
CN117597063A (zh) | 用于检测睡眠障碍事件的方法和设备 | |
Navajas et al. | Oscillatory mechanics | |
AU3819002A (en) | Monitoring the occurence of apneic and hypopneic arousals |
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 |