CN116033867A - 用于从指示个体的外周动脉张力的信号检测睡眠干扰事件的方法和装置 - Google Patents

用于从指示个体的外周动脉张力的信号检测睡眠干扰事件的方法和装置 Download PDF

Info

Publication number
CN116033867A
CN116033867A CN202180054408.5A CN202180054408A CN116033867A CN 116033867 A CN116033867 A CN 116033867A CN 202180054408 A CN202180054408 A CN 202180054408A CN 116033867 A CN116033867 A CN 116033867A
Authority
CN
China
Prior art keywords
event
amplitude
vasoconstrictor
signal
baseline
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
CN202180054408.5A
Other languages
English (en)
Inventor
史蒂文·维特司
弗雷德里克·马西
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.)
Aitu Sensing Co ltd
Original Assignee
Aitu Sensing 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 Aitu Sensing Co ltd filed Critical Aitu Sensing Co ltd
Publication of CN116033867A publication Critical patent/CN116033867A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—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
    • A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—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 using optical sensors, e.g. spectral photometrical oximeters 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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6825—Hand
    • A61B5/6826—Finger
    • 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
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Hematology (AREA)
  • Vascular Medicine (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明涉及用于从指示个体的外周动脉张力的信号检测睡眠干扰事件的方法和装置，信号受静脉小动脉反射的影响，其中睡眠干扰事件通过以下方式来检测：根据信号的变化确定血管收缩事件；针对所述血管收缩事件导出参考幅值和基线幅值，所述参考幅值不同于所述基线幅值；将血管收缩事件的参考幅值与血管收缩事件的基线幅值相关联，从而获得血管收缩事件的大小测量值；以及由此检测睡眠干扰事件。

Description

用于从指示个体的外周动脉张力的信号检测睡眠干扰事件的方法和装置
技术领域
本发明涉及用于检测睡眠干扰事件的方法和装置，并且更具体地，用于检测来自指示个体的外周动脉张力PAT的信号的睡眠干扰事件。
背景技术
体积描记法，无论是基于气动的还是基于光学的，是一种测量技术，通常用于监测个体的大血管和微血管系统中血容量变化的测量技术，更具体地，是用于监测动脉或小动脉中包含的血容量变化的测量技术。动脉血容量的变化还受到动脉或小动脉的肌肉壁的收缩的影响。因此，用体积描记法监测动脉血容量的变化经验性地提供了关于小动脉平滑肌组织(也称为外周动脉张力，PAT)的肌肉张力或“张力”的相对变化的信息。
光学体积描记法或光电容积描记法通过将来自一个或多个光源(例如LED)的光照射到所研究的容量上并且通过在传感器上检测与在所研究的容量中反射或透射的光相对应的所收集的光来测量动脉血容量变化，其中该传感器可以例如包括或对应于光电探测器，例如光电二极管。光源和传感器形成所谓的体积描记探针，并且可以例如布置在所研究容量的相对侧上，例如个体的手指、鼻孔、耳朵、前额、嘴的内部、脚趾、手腕、脚踝等，从而允许测量透射模式光体积描记图PPG，或者布置在所研究容量的同一侧，从而允许测量反射模式PPG。不管所采用的测量技术如何，透射模式PPG和反射模式PPG都捕获所研究的容量中的动脉血容量的周期性波动，因此捕获个体的外周动脉张力的变化。
因为流向所研究容量的动脉血流可由多种其它生理现象如呼吸和心率调节，体积描记法也可用于监测呼吸和循环状况，血容量不足，甚至用于检测导致睡眠障碍或由睡眠障碍引起的睡眠干扰事件。睡眠障碍诊断是其中在一定时间例如一个或多个夜晚期间监测患者的睡眠的医疗领域。基于监测，可以识别不同的睡眠相关或更好的睡眠干扰事件，例如呼吸暂停事件、打鼾、肢体运动或其它。例如，在睡眠呼吸暂停事件结束时呼吸的再摄取通常与去甲肾上腺素释放一致。去甲肾上腺素在血流中释放并与所研究容量中的小动脉中的肾上腺素能受体结合，触发小动脉的肌肉张力的增加，导致小动脉直径的减小和所研究容量中动脉血容量的减小。因此，例如通过体积描记法监测外周动脉张力PAT可以提供关于这些睡眠干扰事件(例如睡眠呼吸暂停)的发生的有价值的信息。这种观察在上个世纪被广泛报道，并在Hamunen等人于2012年5月1日发表在《英国麻醉学杂志》(British Journal ofAnesthesia)第108卷，第5期，第838-844页的题为“Effect of pain on autonomicnervous systemindices derived fromphotoplethysmography in healthy volunteers”的科学出版物中详细解释，作者描述了光电体积描记器的脉搏体积描记幅度或PPGA是由于组织容量(主要是动脉血)的脉动变化，并且在交感神经激活或血管收缩期间，PPGA降低。
然而，由于重力的作用，当身体的某些部分位于心脏水平以下时，流体静压力梯度自动产生。静水压力梯度影响静脉系统，一种固有的低压系统，导致静脉扩张，也称为静脉血汇集。静脉汇集可引起向静脉供血的动脉中的反射收缩反应，从而造成额外的生理变化，从而掩盖体积描记法所研究的所需动脉血管舒缩反应。这种反射通常称为静脉小动脉反射或VAR，在Bar等人的白皮书“睡眠医学中PAT信号图解图集(An Illustrated Atlas of PATSignals in Sleep Medicine)”的A部分中有详细描述。为了解决这个问题，US7374540B2提出了一种能够完全覆盖手指远端的表面，并提供一个均匀的压力场，一直延伸到手指的末端。US7374540B2提出了一种具有内膜和外膜的探针，内膜向身体部分施加预定的静态压力，外膜确保由内膜施加的预定的静态压力基本上不受身体部分的容量变化的影响。因此，据称由外膜施加的外部反压力减少了测量部位内的静脉血汇集和扩张，并据称减少了远端静脉汇集。这声称降低了诱发静脉小动脉反射血管收缩的可能性，否则会导致不确定程度的血管收缩的发展。因此，现有技术描述了一种复杂且昂贵的探针，用于提供均匀的压力探针以减少与不确定程度的血管收缩相关的问题。
发明内容
本发明的实施例的目的是提供一种能够检测导致睡眠障碍或由睡眠障碍引起的睡眠干扰事件的解决方案，以克服传统解决方案的缺点，并且更具体地，提供一种能够基于通过传统的现成医疗装置获取的生理信息以准确且稳健的方式检测包括睡眠障碍的睡眠干扰事件的解决方案。本发明的实施例的另一个目的是提供一种解决方案，该解决方案能够基于由常规的现成医疗装置(例如不提供均匀压力的体积描记探针)采集的指示个体的外周张力的信号，以准确且稳健的方式检测包括睡眠障碍的睡眠干扰事件。
本发明的各种实施例所寻求的保护范围由独立权利要求给出。本说明书中描述的不落入独立权利要求的范围内的实施例和特征，如果有的话，将被解释为对理解本发明的各种实施例有用的实例。
根据本发明的第一示例性方面，通过根据权利要求1所限定的用于检测睡眠干扰事件的计算机实现的方法来实现这些目的。具体地，计算机实现的方法能够根据指示受静脉小动脉反射VAR影响的个体的外周动脉张力PAT的信号来检测睡眠干扰事件。信号可以通过传统的现成医疗装置获得，只要所获得的信号提供指示PAT和由静脉小动脉反射VAR引起的对信号影响的信息。这种医疗装置的实例包括采用气动体积描记法或光体积描记法(PPG)的标准探针，能够获得受VAR影响的PAT信号的探针。因此，方法包括处理从PPG探针获得的信号以从中导出睡眠干扰事件。更具体地，方法包括根据信号的变化确定一个或多个血管收缩事件。方法还包括为所确定的血管收缩事件导出参考幅值和基线幅值。参考幅值和基线幅值彼此不同。参考和基线幅值对应于血管收缩事件的信号中的特征点的幅值，其允许血管收缩事件的表征。然后将所获得的参考幅值和基线幅值彼此相关，以获得指示血管收缩事件的大小的测量值，即表征血管收缩事件的强度或显著性的大小测量值，并因此表征所观察到的生理事件的强度或显著性的幅度测量值。一旦获得了所检测到的生理事件的大小，方法就继续从中检测睡眠干扰事件。将参考幅值与基线幅值相关联允许充分地减少在信号中观察到的较慢变化(即，稳态变化)的影响。稳态变化是在信号中观察到的，以比血管收缩事件产生的信号变化更慢的速率变化的效应。如上所述，这种稳态变化可以例如由静脉小动脉反射引起。换句话说，参考和基线幅值彼此相关，使得当确定血管收缩事件的大小时，考虑信号中的稳态变化，并因此考虑静脉小动脉反射。这样做确保了对血管收缩事件的大小的正确评估，并且由此确保了对睡眠干扰事件的正确检测和表征。结果，睡眠干扰事件的假阳性和假阴性检测基本上被消除。
血管收缩事件的参考和基线幅值优选地从信号的基线不变版本导出。可以专门针对血管收缩事件或完整信号来计算基线不变信号。即，可以计算血管收缩事件的部分基线不变信号或完整信号的基线不变信号。然后从基线不变信号中选择参考幅值和血管收缩事件的基线值。如上所述，参考和基线幅值对应于血管收缩事件的信号中的特征点的幅值，其允许血管收缩事件的表征。因此，优选以允许计算血管收缩事件的大小测量值的方式来选择参考和基线幅值。
基线不变信号优选地通过将获得的信号除以基线来计算。可以相对于对应于血管收缩事件的信号部分或完整信号执行分割。在第一种情况下，通过将对应于血管收缩事件的信号部分除以事件的基线来计算血管收缩事件的基线不变信号。基线是基线水平，其可以是相应血管收缩事件的基线值或信号部分。在第二种情况下，通过将完整信号除以完整信号的基线来获得基线不变信号。这里，基线是基线信号。这样做导致至少对于血管收缩事件消除了对动脉张力的静脉小动脉反射效应，从而确保了对血管收缩事件的大小的正确评估，并因此确保了对睡眠干扰事件的正确检测和表征。参考幅值和基线幅值则是从基线不变信号导出的。例如，在对应于血管收缩事件的基线不变信号部分中观察到的最大幅值可被选作参考幅值，而在对应于血管收缩事件的基线不变信号部分中观察到的平均幅值可被选作基线幅值。
如此选择的参考幅值和基线幅值彼此相关以获得血管收缩事件的大小测量值。优选地，通过幅值通过从参考幅值和基线幅值计算血管收缩事件的绝对大小而与基线幅值相关。由于参考和基线幅值是从信号的基线不变版本中选择的，因此可以导出血管收缩事件的大小，例如，作为它们之间的差值。这样计算的大小测量值是允许在绝对标度上量化血管收缩事件的强度的绝对值。
血管收缩事件的基线优选通过计算信号的包络导出。计算信号的包络允许提取在信号中观察到的静脉小动脉反射。换言之，所计算的信号的包络表征了整个完整信号中的静脉小动脉反射。例如，可以计算信号的峰值包络、波谷包络、峰谷平均包络、基于百分位数的包络或平滑版本，并将其用作信号的包络。或者，代替计算完整信号的包络，可以计算血管收缩事件的幅值，其可以用作血管收缩事件的基线。例如，可以计算血管收缩事件的峰值幅度，波谷幅度，峰谷平均幅度或百分位数，并将其用作血管收缩事件的基线。
或者，血管收缩事件的参考幅值和基线幅值可以直接从获得的信号导出。这可以通过例如直接从所获得的信号计算血管收缩事件的峰值幅度、波谷幅度、峰谷平均幅度或百分位完成。这些幅值可以用作血管收缩事件的基线幅值或参考幅值，只要基线和参考幅值被选择为彼此不同。例如，血管收缩事件的峰值的峰值幅度作为参考幅值，并且可以选择表征血管收缩事件的任何其它幅值，即波谷幅度、峰谷平均幅度或平均幅度，作为基线幅值。
这样选择的参考幅值和基线幅值然后彼此相关以获得血管收缩事件的大小测量值。优选地，通过从血管收缩事件的参考幅值和基线幅值计算血管收缩事件的相对大小，将参考幅值与基线幅值相关。血管收缩事件的相对大小可以例如作为它们的相对差异或相对变化或任何其它基本上相对的大小测量值来导出。这样计算的大小测量值是允许在相对尺度上量化血管收缩事件的强度的相对值。
睡眠干扰事件的检测优选地包括识别由高于预定值的大小测量值表征的血管收缩事件。换句话说，具有一定大小测量值的血管收缩事件被认为是睡眠干扰事件。预定值可以基于例如在临床试验期间获得的测量值来确定。优选地，检测睡眠干扰事件的步骤包括使用为检测而训练或开发的分类器。可以训练任何常规分类器，例如神经网络，决策树或支持向量机。
优选地，识别步骤还考虑血管收缩事件的持续时间，血管收缩事件的幅度下降期的持续时间和/或幅度上升期的持续时间，血管收缩事件的幅度下降期的陡度和/或幅度上升期的陡度中的至少一个。血管收缩事件的持续时间，幅度下降期的持续时间和/或幅度上升期的持续时间是可用于改进血管收缩事件的强度的量化的附加度量。类似地，幅度下降的陡度和/或幅度上升的陡度是也可用于改进血管收缩事件的强度的量化的其它附加度量。采用这些附加测量中的任何一个与大小测量值相结合允许根据各种信号特性对血管收缩事件的强度进行量化，并且因此改进对睡眠干扰事件的检测以及它们的更好表征。
血管收缩事件的确定优选地包括识别信号的一部分，信号的特征在于幅度下降，随后是幅度增加。换句话说，为了识别血管收缩事件，该方法搜索信号中的变化，该信号的特征在于幅度下降，随后是幅度增加。确定可以通过任何适合于该目的的信号处理技术来执行。
优选地，确定还考虑信号部分的幅度下降期和幅度上升周期的持续时间，信号部分的幅度下降期和/或幅度上升周期的持续时间，信号部分的幅度下降期的陡度和/或幅度上升周期的陡度中的至少一个。考虑到幅度下降和/或上升周期的持续时间，以及这些各个周期的陡度，允许根据各种信号特性对幅度进行量化，并因此改进根据所获得的信号对血管收缩事件的确定。
优选通过体积描记法获得指示受静脉小动脉反射影响的个体的外周动脉张力的信号。体积描记允许获得信号，即体积描记信号或体积描记图，其指示在患者的选定解剖位置(例如手指，鼻孔、耳朵、前额、嘴内部、脚趾、手腕、脚踝等)处的血量变化，例如脉动血量变化。体积描记信号可通过所谓的体积描记探针获得，体积描记探针可采用基于气动或基于光学的体积描记。由于体积描记信号经验性地提供关于小动脉的肌肉组织的肌肉张力或“张力”的相对变化的信息以及关于静脉小动脉反射的信息，因此体积描记信号允许从其导出指示受静脉小动脉反射影响的外周动脉张力的变化的信号。
优选地，指示外周动脉张力的信号来源于在所研究的个体容量处测量的光学体积描记信号通过光学体积描记在沿着光学体积描记信号的两个或更多个时间点采集的光强度。由此，通过确定光强度的函数的对数或其函数近似来导出两个或更多个时间点之间的所研究容量中的动脉血容量的变化，从而评估个体的外周动脉张力PAT。光强度函数的对数或函数近似在此被称为评估函数。优选地，这个评估函数对应于光强度的比率的对数，并且评估函数取决于以下各项中的一项或多项：光路长度；氧饱和度估计值或SpO2的函数；以及所研究容量中动脉血容量的变化。优选地，至少一个时间点对应于个体的心动周期中的心脏舒张，和/或其中至少一个时间点对应于个体的心动周期中的心脏收缩。
根据第二示例性方面，公开了一种装置，其被配置为从指示受静脉小动脉反射影响的个体的外周动脉张力的信号检测睡眠干扰事件，装置的特征在于权利要求13的特征。装置包括至少一个处理器和包括计算机程序代码的至少一个存储器，其中至少一个存储器和计算机程序代码被配置为利用至少一个处理器使得装置执行第一示例性方面的步骤。这样的装置因此可以提供关于第一示例性方面提到的一个或多个优点。
根据第三示例性方面，公开了一种包括根据第二示例性方面的装置的系统。优选地，系统还包括体积描记探针。优选地，体积描记探针是光学体积描记探针，其包括被配置为发射光的光源和被配置为通过光学体积描记法收集传播的光的传感器，传播的光对应于当在两个或更多个时间点在个体的被研究容量中传播时被透射或反射的光。传感器还被配置成确定在两个或多个时间点传播的光的光强度。可选地，探针还设置有加速度计以检测所研究容量的位置。可选地，系统还可以包括具有无线通信接口的无线发射器，其中，无线发射器被配置为无线地发射所确定的外周动脉张力，以由装置进一步处理。无线通信接口优选为低功率通信接口，例如蓝牙低能量BLE无线接口。这样的系统因此可以提供关于第一示例性方面的一个或多个优点。
根据第四示范性方面，提供了其对数或函数近似值用于评估指示通过光学体积描记法监测的个体的外周动脉张力PAT的信号的用途，其中评估指示外周动脉张力的信号包括：获得在个体的研究容量处测量的光学体积描记信号和在沿着光学体积描记信号的两个或更多个时间点处通过光学体积描记法采集的光强度；以及通过确定光强度的函数的对数或其函数近似来确定两个或更多个时间点之间的所研究容量中的动脉血容量的变化，由此评估个体的PAT。对数或函数近似的使用允许基于借助于光学体积描记法测量的光强度获得指示个体的PAT的信号。
根据第五示例性方面，公开了一种计算机程序产品，其包括用于使计算机执行根据第一示例性方面的方法的计算机可执行指令。
根据第六示例性方面，公开了一种计算机可读存储介质，其包括用于使计算机执行根据第一示例性方面的方法的计算机可执行指令。
这样的计算机程序产品和计算机可读存储介质可以提供关于第一示例性方面的一个或多个优点。
附图说明
现将参考附图描述示例性实施例。
图1A示出了根据本发明的示例性实施例的用于检测睡眠干扰事件的系统的简化框图；
图1B示出了根据本发明的示例性实施例的用于检测睡眠干扰事件的步骤；
图2示出了根据本发明的示例性实施例的从指示外周动脉张力的信号导出的血管收缩事件的实例；
图3示出了指示根据本发明的示例性实施例预处理的外周动脉张力的信号和原始的未处理形式的信号的比较实施例；
图4A示出了指示根据本发明的示例性实施例预处理的外周动脉张力的信号和原始的未处理形式的信号的比较实施例；
图4B示出了根据本发明的示例性实施例的用作基线幅值的血管收缩事件的各种幅值；
图5示出了根据本发明的示例性实施例的预处理信号中的各种特征点；
图6示出了呼吸事件的末期如何与在各种生理信号中观察到的特征现象一致的实例；以及
图7示出了用于执行本发明实施例中的一个或多个步骤的合适的计算系统的示例性实施例。
具体实施方式
本发明一般涉及用于评估指示个体的外周动脉张力PAT的信号以检测睡眠相关或更好的睡眠干扰事件的方法和装置。更具体地，以这样的方式执行对信号的评估，以确保对在信号中观察到的任何稳态变化的基本不变性，稳态变化例如可以由诸如静脉小动脉反射的生理现象引起，从而确保对睡眠干扰事件的准确和稳健的检测。
在本发明的上下文中，个体的研究容量是例如在个体的研究组织中定义的容量，其通过基于气动的或基于光学的体积描记法监测。光学体积描记法是一种测量技术，其中发射的光通过光学体积描记法收集在传感器上。换言之，个体的所研究容量例如是在个体的所研究组织中定义的容量，针对容量采集光学体积描记法信号。例如，所研究的容量是个体的外周组织容量。例如，所研究的容量是在个体的手指、指尖、指趾的远端、个体的鼻孔、耳朵、前额、嘴的内部、脚趾、趾尖、手腕、脚踝中定义的容量。在本发明的上下文中，个体的研究容量包括包含在研究容量中的个体的皮肤，并且还包括存在于研究容量中的血容量。
在本发明的上下文中，动脉血容量应理解为所研究容量中的动脉血容量。在本发明的上下文中，外周动脉张力或PAT被理解为个体的研究容量中的研究动脉床中的动脉张力变化。换言之，确定个体的所研究容量的血管床中的脉动容量变化允许确定或评估指示所研究容量中的小动脉的平滑肌组织的肌肉张力或'紧张性'的信息，并且因此允许确定或评估由交感神经系统调节的外周动脉张力性。确定外周动脉张力是非侵入性的，并且可以例如用于检测心脏病、勃起功能障碍、睡眠呼吸暂停、阻塞性睡眠呼吸暂停、心血管病症等。
在本发明的上下文中，光学体积描记信号是通过光学体积描记法测量的信号。例如，光学体积描记信号是光学体积描记图。例如，光学体积描记信号是PPG信号。光学体积描记信号例如通过包括至少一个光源和传感器的光学体积描记装置在个体的指尖处测量。在本发明的上下文中，光强度对应于在光学体积描记装置的传感器上收集的光的强度，其中在传感器上收集的光对应于由一个或多个光源产生的光，其透射通过或反射在个体的研究体积中。
在本发明的上下文中，氧饱和度估计值或SpO2或血红蛋白组成对应于与所研究容量中的动脉血容量中的血红蛋白总量相关的氧合血红蛋白的分数。例如，氧饱和度估计值或SpO2或血红蛋白组成对应于在所研究容量中监测的动脉血容量中氧合血红蛋白的浓度与去氧血红蛋白的浓度之和的比率。或者，氧饱和度估计值或SpO2或血红蛋白组成对应于在所研究容量中监测的动脉血容量中氧合血红蛋白的容量分数与去氧血红蛋白的容量分数之和的比率。
在本发明的上下文中，脱氧血红蛋白被定义为不具有结合氧并且不具有任何其他结合分子(例如一氧化碳，二氧化碳或铁)的血红蛋白的形式。在本发明的上下文中，氧合血红蛋白被定义为具有结合氧的血红蛋白的形式。在本发明的上下文中，由光学体积描记装置的光源发射的光包括通过一个或多个散射事件的概率路径到达传感器的光子。光学路径不是直的，并且通常被假定为遵循弯曲的空间概率分布。沿着弯曲光学路径的所研究的容量形成通过光学体积描记法采样或研究的容量。
在本发明的上下文中，评估两个或更多个时间点之间所研究容量中的动脉血容量的一个或多个变化，从而评估个体的PAT。在本发明的上下文中，两个时间点之间所研究容量中的动脉血容量的变化对应于在第一时间点所研究容量中存在的动脉血容量与在不同于第一时间点的第二时间点所研究容量中存在的动脉血容量之间的相对变化。
在本发明的上下文中，发色团是吸收或散射所研究容量中的光的分子单元。例如，在本发明的上下文中，发色团的实例是黑色素分子、氧合血红蛋白、去氧血红蛋白等。在所研究的容量中，由光学体积描记法设置的光源发射的入射光的光强度的衰减遵循可以如等式(1)中公式化的啤酒－朗伯定律：
Figure BDA0004106208170000071
其中：
——I0对应于由光学体积描记装置的光源发射的入射光的强度；
——εi包括发色团的一个吸收系数和/或一个散射系数和/或一个消光系数；
——Vi对应于所研究容量中发色团的容量分数或浓度；
——d对应于光学路径长度，其中光学路径长度对应于光子在到达光学体积描记装置的传感器之前沿其行进的路径长度，其中光学路径长度是入射光的波长和所研究容量中的发色团组成的函数，并且其中光学路径长度取决于发射光子的光源和传感器之间的距离。根据Chatterjee等人于2019年2月15日在Sensors(Basel)19(4)：789中发表的的标题为“Monte Carlo Analysis of Optical Interactions in Reflectance andTransmittance Finger Photoplethysmography”的的出版物：doi：10.3390/s19040789，对于发射光子的光源与传感器之间的距离为几毫米，例如3mm或小于3mm，可以近似认为光路长度是恒定的；
——G对应于依赖于散射的光强度损失参数，并且其取决于由光源发射的入射光的波长。
考虑以下参数：
——Vi,d对应于在沿着光学体积描记法信号的第一时间在所研究的容量中的发色团的容量分数或浓度；
——Vi,s对应于在沿着光学体积描记信号的第二时间点所研究的容量中的发色团的容量分数或浓度；
——Ih对应于光学体积描记法设置的传感器在第一时间点测量的光强度；以及
——Il对应于由光学体积描记装置的传感器在第二时间点测量的光强度；
公式(1)中所表述的啤酒－朗伯定律可以在第一时间点和第二时间点进行评估。当取两个表达式的比率时，得到等式(2)：
Figure BDA0004106208170000072
然后，通过取等式(2)两侧的自然对数得到等式(3)，如下：
Figure BDA0004106208170000073
如果用欧拉数e用的另一基数b的对数，方程(3)则变为：
Figure BDA0004106208170000074
可以看出，等式(3')等于等式(3)直到常数
Figure BDA0004106208170000075
当差值Vi,s-Vi,d被重新命名为ΔVi时，方程(3)可以简化为方程(4)，从而得到：
Figure BDA0004106208170000081
从等式(4)可以看出，第一时间点和第二时间点的光强度分数的对数与第一时间点和第二时间点之间的发色团的容量分数或浓度的差线性相关。
一些发色团在沿着光学体积描记信号的两个时间点之间保持附着于个体的表皮。例如，黑色素分子在沿着光学体积描记信号的两个时间点之间保持固定到所研究的容量。因此，这两个时间点之间的这种发色团(例如黑色素分子)的容量分数或浓度的差异是零。因此，这种发色团对方程(4)右手侧的贡献也是零。
其容量分数或浓度沿着光学体积描记信号在两个时间点之间波动的主要发色团是动脉血容量中的氧合和去氧血红蛋白。在本发明的上下文中，血红蛋白的两种主要形式，即氧合血红蛋白和脱氧血红蛋白，表现出对于大多数光波长显著不同的吸收和散射系数。
所有其它发色团的效果，其中所有其它发色团不是氧合血红蛋白也不是脱氧血红蛋白，其容量分数或浓度沿着光学体积描记信号在两个时间点之间波动，可以写为它们的组合消光系数的乘积，其他，1减去氧合血红蛋白和脱氧血红蛋白的容量分数或浓度之和，其中所有容量分数或所有浓度之和等于1。
考虑到上述因素，等式(4)然后可以被重写为等式(5)：
Figure BDA0004106208170000082
Figure BDA0004106208170000083
Figure BDA0004106208170000084
Figure BDA0004106208170000085
已知氧饱和度估计值可根据等式(6)定义：
Figure BDA0004106208170000086
其中：
——
Figure BDA0004106208170000087
对应于所研究容量中动脉血中包含的氧合血红蛋白的容量分数或浓度；
——VHb对应于所研究容量中动脉血中包含的脱氧血红蛋白的容量分数或浓度。
另外，V血被定义为所研究容量中动脉血内包含的氧合和脱氧血红蛋白的总容量分数或总浓度，并且在等式(7)中定义如下：
Figure BDA0004106208170000088
假设在正常情况下，在整个光学体积描记法信号的测量过程中，动脉血容量内的氧合血红蛋白和脱氧血红蛋白的容量分数或浓度的总和或动脉血容量内的氧合血红蛋白和脱氧血红蛋白的浓度的总和保持大致恒定。实际上，在通过光学体积描记法监测个体期间，例如在睡眠呼吸暂停期间，只有氧合血红蛋白和脱氧血红蛋白的比率，即只有氧饱和度估计可能显著改变。
从等式(6)和(7)，可以得到以下各项：
Figure BDA0004106208170000091
(1-SpO2)V血＝VHb  (8)
通过将表达式(8)代入等式(5)，可以得到以下表达式：
Figure BDA0004106208170000092
两个预定校准系数Q1和Q2，是两个常数，可以定义如下：
Figure BDA0004106208170000093
在考虑到两个预定校准系数Q1和Q2重写等式(9)之后，可获得等式(10)，其中等式(10)的左手侧对应于评估函数，且其中Q1SpO2+Q2对应于作为氧饱和度估计值的函数的补偿函数：
Figure BDA0004106208170000094
等式(10)在左手侧突出了术语，称为评估函数，其显示了线性关系：
——光程长度d；
——动脉血容量ΔV血的一个或多个变化，其是感兴趣的参数；以及
——系数(Q1SpO2+Q2)，其线性取决于氧饱和度估计值的。
在动脉血中氧合和脱氧血红蛋白总和的恒定容量分数或浓度的假设下，ΔV血是所研究容量内动脉血容量波动的线性代表，因此对应于外周动脉张力的测量。
对于氧饱和度估计值的恒定值，即SpO2＝恒定，当在两个时间点用光学体积描记法测量时确定在传感器上收集的光强度的比率的对数时，由此评估在两个时间点之间的所研究容量中的动脉血容量的变化。在数学上，这可以表示为
Figure BDA0004106208170000095
由于可测量参数之间仅有线性关系，并且ΔV血与研究ΔV血中相对变化而不是精确ΔV血值有关，因此如通过确定评估函数所执行的那样，确定ΔV血高达恒定因子就足够了。
如果SpO2不是常数，则评估函数也将随着SpO2变化而变化。然而，可以使用补偿方法来补偿SpO2变化的影响。例如，可以确定补偿函数
Figure BDA0004106208170000096
在这种情况下，等式(11)可以重写为：
Figure BDA0004106208170000097
结果，PAT通道是指示所研究的个体容量的外周动脉张力的信号。因此，PAT通道信号是可以通过确定光强度的函数的对数或其函数近似值而从用光学体积描记法测量的光强度和光学体积描记法信号获得的信号，光强度的函数可以任选地除以取决于SpO2的函数，其中光强度的函数对应于光强度的比率。
根据等式(3)，评估函数对应于光强度的函数的自然对数。可替代地，从等式(2)开始，可以使用被定义为光强度的函数的任何其他评估函数，例如，光强度的函数的对数的线性近似，或者例如光强度的函数的泰勒级数近似，或者例如光强度的函数的其他基对数的线性近似。可替代地，评估函数大致对应于光学体积描记信号的脉动波形或AC分量与光学体积描记信号的缓慢变化的基线或DC分量的比率，产生等式(13)：
Figure BDA0004106208170000101
评估函数因此对应于光强度的比率的对数；并且评估函数取决于以下中的一个或多个：
——光程长度；
——血氧饱和度估计值或SpO2的函数；
——研究容量中动脉血容量的变化。
此外，至少一个时间点对应于个体的心动周期中的心脏舒张，和/或其中至少一个时间点对应于个体的心动周期中的心脏收缩。
在心脏收缩期间，个体的研究容量中的动脉血的容量是最大的，导致在心动周期内的任何时间点(即，两次心跳之间的时段)的光的最大吸收和散射，因为血红蛋白是研究容量中的光子的主要吸收剂和散射之一，因此导致在光学体积描记装置的传感器上的最低测量光强度。相反，在心脏舒张期间，个体的研究容量中的动脉血的容量最小，导致心动周期内任何时间点的光的最低吸收和散射，并因此导致光学体积描记装置的传感器上的最高测量光强度。至少一个第一时间点例如对应于第一心动周期中的心脏舒张，和/或至少一个第二时间点例如对应于不同于第一心动周期的第二心动周期中的心脏收缩。或者，至少一个第一时间点对应于例如第一心动周期中的收缩期，和/或至少一个第二时间点对应于例如不同于第一心动周期的第二心动周期中的舒张期。或者，至少一个第一时间点对应于例如心动周期中的收缩期或舒张期，至少一个第二时间点对应于同一心动周期内或不同心动周期内的任何时间点。
如上所述，光强度可以借助于光学体积描记法通过以下获得：
——通过光源发射一定波长的光；以及
——通过光学体积描记法和通过传感器收集传播的光，传播的光对应于当在两个或更多个时间点在个体的所研究容量中传播时被透射或反射的波长的光；以及
——在两个或更多个时间点确定传感器上传播的光的光强度。
光学体积描记技术使用简单且非侵入性的设置探针或生物传感器。光学体积描记生物传感器通过收集光学体积描记信号非侵入性地测量所研究容量中的脉动容量变化，并由此评估PAT。光源例如是LED或任何其它合适的光源，其可以被小型化以适合光学体积描记生物传感器。波长例如包括在红色光谱中。或者，波长包括在红外光谱中。光源和传感器之间的物理距离例如为几毫米，例如小于3mm。
现在将参考附图详细描述用于检测睡眠干扰事件的个体的指示外周动脉张力PAT的信号的评估。
图1A示出了根据本发明的示例性实施例的系统的简化方框图。系统100包括：设备102，其被配置为通过光学体积描记法来测量个体的所研究容量的动脉血容量的波动；以及装置104，其被配置为获得由设备102测量的光强度，并且处理所获得的光强度以由此检测睡眠干扰事件14。设备102例如放置在个人的手指上。设备102因此测量随时间通过个人手指传播的光的光强度。如上面详细描述的和例如在等式(10)中示出的，测量的光强度反映了个体的动脉血容量的波动。此外，如上面详细描述并在等式(11)和(12)中示出的，测量的光强度凭经验提供关于个体的外周动脉张力的信息。设备102因此输出随时间测量的反映个体的外周动脉张力的光强度12。测量的光强度被馈送到装置104。装置104包括至少一个处理器和至少一个存储器，至少一个存储器被配置为存储以软件或程序指令的形式存储在至少一个存储器中的操作装置的算法。除了存储软件之外，至少一个存储器还可以存储由装置生成的任何数据以及其正确操作所需的任何其它数据。然而，数据可以存储在装置外部的另一个存储器中。至少一个处理器可以执行存储在至少一个存储器中的程序指令，从而控制装置的操作。换句话说，在一个实施例中，装置104包括计算系统，计算系统包括用于处理所获得的测量光强度12并从中确定睡眠干扰事件14的硬件和软件组件。
图1B示出了由装置104执行以检测睡眠干扰事件14的各个步骤。在第一步骤(即步骤111)中，外周动脉张力信号(即，PAT通道信号)是从所获得的光强度和所测量的光学体积描记信号导出的，如以上详述的并且在等式(11)和(12)中示出的。总之，装置104例如在两个或更多个时间点通过光学体积描记法获得由设备102随时间获取的光强度12。然后，根据所获得的光强度12，装置104确定在两个或多个时间点之间所研究容量中的动脉血容量的变化。这是通过确定光强度函数的对数或其函数近似来完成的，光强度函数可任选地除以取决于SpO2的函数。结果是如等式(11)和(12)所示的个体的PAT通道信号。
在下一步骤，即步骤112中，根据PAT通道信号确定血管收缩事件。如上所述，血管收缩事件的特征在于PAT通道信号幅度的波动。更具体地，PAT通道信号中的血管收缩事件的特征在于幅度下降，随后幅度增加。PAT通道信号中的血管收缩事件可以通过任何适用于该目的的信号处理算法来确定。总之，在步骤中，PAT通道信号被分段为特征在于信号幅度下降接着信号幅度增加的事件片段。这些事件片段中的每一个反映了血管收缩，即所研究容量中动脉的收缩。换句话说，事件片段对应于在PAT通道信号中观察到的血管收缩事件。这些血管收缩事件可以例如涉及睡眠干扰事件，例如呼吸事件如呼吸暂停或呼吸不足，呼吸相关的觉醒事件或RERA事件，周期性或非周期性肢体运动、磨牙症事件或打鼾。
图2示出了指示个体的外周动脉张力PAT的信号的实例，其中突出显示的突然动脉张力变化的发作的特征在于幅度减小，随后是幅度增加。可以看出，每个检测到的事件片段的特征在于幅度下降，随后是幅度增加。图进一步显示，各个事件片段的外周动脉张力的波动与个体的氧饱和度估计和SpO2的波动有些相关。
在下一步骤，即步骤120中，装置根据表征特征来表征各个事件片段，即血管收缩事件。表征特征包括例如以下特征：事件片段的大小，即事件片段的最小和最大幅值之差；事件片段的持续时间；事件片段的幅度下降期的持续时间和/或幅度上升期的持续时间；事件片段的幅度下降期的陡度和/或幅度上升周期的陡度；事件片段的半高全宽；等等。然而，需要计算各个事件片段的特征化特征，使得VAR事件对事件片段中的幅度的影响显著减小。
为此，装置在步骤121中计算PAT通道信号的基线不变版本，即基线不变信号。基线不变信号可以通过将PAT通道信号的幅度与基线水平相关联来导出，例如，通过将PAT通道信号除以：
·对应于PAT通道信号上幅度的基线信号，即其峰值包络或峰值基线；
·对应于PAT通道信号较低幅度的基线信号，即其波谷包络或波谷基线；
·对应于PAT通道上下幅度平均值的基线信号，即其峰谷平均包络；
·对应于PAT通道的任何百分位幅值的基线信号，即百分位包络；
·任何上述的平滑版本，＝
·PAT通道信号的平滑版本，例如通过计算具有比血管收缩事件的持续时间更长的窗口大小的PAT通道信号的移动或滑动平均版本，以及对应于PAT通道信号的一个或多个样本的窗口滑动步长。
在基线信号是上述平滑信号中的任何一个的情况下，重要的是确保平滑信号的例如由时间常数表征的时间变化足够慢，使得所得到的平滑信号不遵循事件片段的形状到这样的程度，即事件片段或由平滑信号划分的PAT通道信号导致具有与原始事件片段的形态有关的信息的显著损失的基线不变信号。换句话说，由外周动脉张力引起的导出的基线不变信号中的波动应该基本上被保持，而由VAR发作引起的波动应该基本上被减小。
图3示出了指示受静脉血汇集引起的VAR发作影响的个体的外周动脉张力PAT的信号的实例，静脉血汇集由手指的手臂下降触发，在手臂处光学体积描记法PPG信号被测量为低于心脏水平，并且突出了在VAR期间PAT通道幅度如何被抑制。更具体地，上面两个曲线示出了在VAR发作期间PPG信号210的幅度及其滤波和归一化版本220的幅度如何被抑制。第三曲线图示出了如等式(11)或(12)所示导出的PAT通道230的幅度在VAR发作期间如何下降。第四曲线图示出了如何将PAT通道的每个样本除以基线值导致PAT通道240的基线不变版本，对于PAT通道240，基本上消除了VAR幅度调制的影响。从图中可以看出，在原始PAT通道220和PAT通道240的基线不变版本中的事件片段110_1至110_3和110_n中的外周动脉张力引起的幅度变化被保留，而由VAR事件引起的幅度调制在PAT通道240的基线不变版本中基本上被消除。
图4A示出了将PAT通道信号230的每个样本除以所提取的峰值包络231、波谷包络、峰谷平均包络和PAT通道信号的平滑版本的样本的效果的详细视图。峰值或波谷包络对应于PAT通道信号中的局部最大值和局部最小值幅值，而峰谷平均包络对应于峰值和波谷包络的平均值。可以看出，由原始PAT通道信号230的采样除以信号的上或下幅值，上和下幅值的平均值，或平滑版本的幅值而产生的基线不变信号232基本上消除了由VAR引起的幅值下降，同时保持了形态的完整性和各个事件片段的相对幅值变化。
一旦计算出基线不变信号，装置就继续表征事件片段。为此，装置从信号的基线不变版本导出表征事件片段的各种特征。表征特征包括例如以下特征：事件片段的最大和/或最小幅度、事件片段的大小；事件片段的中值和/或平均幅度；事件片段的四分位数幅度；血管收缩事件的持续时间；幅度下降期的持续时间；血管收缩事件的幅度上升期的一持续时间；幅度下降期的陡度；血管收缩事件的幅度上升期的陡度；事件片段的半高全宽，等等。
为了导出这些特征，装置在步骤122中从对应于事件片段的基线不变信号部分计算各种特征点。根据幅度和/或时间来描述特征点。例如，特征点可以是具有最大幅值的事件片段的样本，具有最小幅值的事件片段的样本、事件片段的第一和最后样本等等。
然后，装置使用从的特征点获得的信息来导出表征事件片段的各种特征。为此，在步骤123中，装置将所获得的信息相关以导出各种特征。例如，事件片段的大小可以被计算为在事件片段中观察到的最大和最小幅值之间的差。换句话说，事件片段的幅度下降的大小可以被计算为第一采样的幅值或具有最大幅值的采样的幅值与具有最小幅值的采样的幅值之间的差。典型地，第一采样与具有大幅值的采样一致或基本上一致。这里，第一样本或具有最大幅值的样本用作参考点，而具有最小幅值的样本用作基线点，并且它们各自的幅值用作参考幅值和基线幅值。事件片段的持续时间可以被计算为事件片段的第一和最后样本之间的时间差。事件片段的幅度下降的陡度可以被计算为第一采样或具有最大幅值的采样和具有最小幅值的采样的幅度差与时间差的比率，等等。
图5示出基线不变信号240的事件片段310的实例，其示出允许计算表征事件片段的各种特征的各种特征点。在实例中，参考幅值和基线幅值分别对应于具有最大和最小幅值的信号样本313和311。事件片段的持续时间322由对应于事件段中的第一个和最后一个样本的样本313和312来识别。事件片段的幅度下降部分和事件片段的幅度上升部分对应于具有相应持续时间323和324的斜率325和326。在实例中，幅度下降的陡度被简单地图示为幅度下降的绝对大小321。类似地，幅度上升周期的陡度在这里被示为采样312和311之间的绝对大小。
可替换地，可以通过将对应于事件片段的信号部分的幅度与基线水平相关联来导出在绝对标度上表征事件片段的特征。例如，这可以通过将对应于事件片段的PAT通道信号部分除以事件片段的基线电平来完成。例如，事件片段的基线水平可以是：
·事件片段的最大幅值，即其峰值；
·事件片段的最小幅值，即其波谷值；或
·事件片段的平均或中值幅值；
·事件片段的四分位数或任何百分位数幅值；或
·事件片段的任何其他特征点的幅值，例如事件片段的最大向上或向下斜率的点，或
·事件片段的平滑版本。
从列表可以看出，事件片段的基线水平可以是基线值或基线信号。图4B示出了两个事件片段的可能基线值的实例，其可用于例如通过将PAT通道信号部分除以对应于事件片段的基线水平来将事件片段的幅度与基线水平相关联。在图中，每个事件片段由一对虚线表示。示出了表示最大幅值、最小幅值、平均幅值、中值幅值以及下四分位幅值、lqr的幅值，以及事件片段的最大和最小斜率处的幅值。
将对应于事件片段的PAT通道信号部分除以事件片段的基线幅值导致获得相应事件片段的基线不变部分。因此，步骤121中的输出是各个事件片段的基线不变信号部分。一旦计算了各个事件片段的基线不变信号部分，装置就进行到如上所述的执行步骤122和步骤123，以导出各个事件的特征特性。即，在步骤122中，装置从对应于各个事件片段的各个基线不变信号部分导出各个特征点。然后，在步骤123中，装置使用从各个事件片段的特征点获得的信息，以与上述相同的方式导出表征各个事件片段的各种特征。例如，事件片段的大小可以被计算为最大和最小幅值之间的差。事件片段的幅度下降的大小可以被计算为第一采样的幅值或具有最大幅值的采样的幅值与具有最小幅值的采样的幅值之间的差，等等。
可替换地，可以在相对尺度上而不是在绝对尺度上获得任何大小相关的特征，诸如使用对应于事件片段的信号部分的一个或多个幅值计算的特征。在这种情况下，省略了步骤121，并且装置从原始的未修改的PAT通道信号230中导出各种特性特征，如图3的第三曲线图所示。在这种情况下，为了校正由VAR事件引起的幅度波动，在相对尺度上计算受VAR影响的特性特征，诸如大小和陡度特征。为此，如上面参考图5详细描述的，导出事件片段的特征幅度点，诸如峰值幅度、波谷幅度、峰谷平均幅度或百分位数。与上面不同，在这里，事件片段的大小是通过例如计算参考和基线幅值之间的相对差而导出的。类似地，基于从对应于事件片段的信号部分导出的一个或多个幅值导出的表征事件片段的其他幅度相关特征，诸如陡度特征，可以在相对尺度上导出。
因此，步骤120的输出是借助于表征事件片段的强度的至少一个大小测量值量来表征事件片段的一个或多个特征，并且可能是一个或多个附加特征，例如事件片段的持续时间、事件片段的幅度下降期的持续时间；事件片段的幅度上升期的持续时间、事件片段的幅度下降期的陡度、事件片段的幅度上升期的陡度、以及事件片段的半高全宽。
在方法的最后步骤，即步骤130中，方法进行到基于所确定的表征血管收缩事件的一个或多个特征来检测睡眠干扰事件14。可以例如至少基于血管收缩事件的大小测量值来检测睡眠干扰事件。如果大小测量值高于预定阈值，则血管收缩事件被认为是睡眠干扰事件。除了大小测量值之外，还可以考虑表征血管收缩事件的其他特征。这些附加特征可以进一步根据其形态特征来表征血管收缩事件。例如，可以例如与血管收缩事件的形状相关联。例如，事件片段的持续时间、事件片段的幅度下降期的持续时间中的至少一个或其组合；可以进一步考虑事件片段的幅度上升期的持续时间、事件片段的幅度下降期的陡度、事件片段的幅度上升期的陡度、以及事件片段的半高全宽。在这种情况下，可以评估参数化成本函数，其考虑所考虑的特征来评估血管收缩事件是否是睡眠干扰事件。
检测睡眠干扰事件的步骤可以通过分类器来实现，分类器被开发用于执行检测睡眠干扰事件的步骤。因此，分类器通过设计和输入用于检测的一组规则来实现参数化成本函数。如上所述，这些规则可以基于用于相应的一个或多个特征或用于特征的相应组合的阈值，阈值检查事件的特征如何良好地符合由规则定义的标准。相应特征的阈值可以例如基于在临床试验期间获得的测量来导出。根据这些测量，首先通过手动或计算机辅助评分来识别睡眠干扰事件，然后根据所识别的睡眠干扰事件来确定相应特征的阈值。此外，这些特征可以根据它们在检测某个睡眠干扰事件中的准确度来排序，然后可以选择一个或多个最佳特征用于检测相应的睡眠干扰事件。仅使用用于检测睡眠干扰事件的最佳特征允许简化分类器实现而不牺牲检测精度。这样开发的分类器然后可以评估实现这些规则的参数化成本函数，以确定事件是否是睡眠干扰事件。
装置104还可以基于以特定特征为特征的睡眠干扰事件的并发来提供某些医疗状况和生理状态的指示。例如，通过分析具有某些特征的血管收缩事件的并发性，某些特征某一最小事件持续时间和最小与最大样本值之间的某一最小距离，即事件的幅度下降的持续时间，和/或在其它生理信号中观察到的特征，例如在事件期间脉搏率或心率的增加和/或血氧饱和度的降低和/或肢体运动。肢体运动可以是随意或非随意运动，并且可以例如由加速度计拾取。睡眠干扰事件和附加生理特征的这种同时发生可以进一步帮助医务人员确定个人的某些医疗状况和生理状态。
图6示出了呼吸事件的实例，在实例中为呼吸暂停事件。从图中可以看出，呼吸暂停事件的结束阶段与PAT通道信号幅度的减小和/或脉搏率PR的增大和/或SpO2中的减小相一致。
如上所述，本解决方案可以提高从指示外周动脉张力的生理信号确定各种表征特征的准确性，并且因此可以提高从这种生理信号检测睡眠干扰事件的准确性。此外，如上所述，方法可以提供睡眠干扰事件和可能在其他生理信号中观察到的特征的并发的指示，以提供可以帮助医务人员确定个人的某些医疗状况和生理状态的附加信息。
此外，尽管上述观察和方法是针对光学体积描记法描述的，但是本领域技术人员将认识到，相同的观察和方法可以容易地应用于通过气动体积描记法获得的生理信号。
图7示出了能够实现根据本发明的用于检测睡眠干扰事件的方法的实施例的合适的计算系统600。计算系统600通常可以形成为合适的通用计算机，并且包括总线610，处理器602，本地存储器604，一个或多个可选输入接口614，一个或多个可选输出接口616，通信接口612，存储元件接口606以及一个或多个存储元件608。总线610可以包括允许计算系统600的组件之间通信的一个或多个导线。处理器602可以包括解释和执行编程指令的任何类型的常规处理器或微处理器。本地存储器604可以包括随机存取存储器，RAM或存储供处理器602执行的信息和指令的另一类型的动态存储设备，和/或只读存储器，ROM或存储供处理器602使用的静态信息和指令的另一类型的静态存储设备。因此，处理器可以执行存储在本地存储器中的指令以执行上述方法的各个步骤。输入接口614可以包括允许操作者或用户向计算设备600输入信息的一个或多个常规机制，诸如键盘620、鼠标630、笔、语音识别等和/或一个或多个PPG传感器。输出接口616可以包括向操作者或用户输出信息的一个或多个常规机制，例如显示器640等。通信接口612可以包括任何类似收发器的机制，例如使计算系统600能够与其它设备和/或系统(例如与其它计算设备701，702，703)通信的一个或多个以太网接口。从一个或多个PPG传感器获得的信号的处理因此可以由其他计算设备远程处理。计算系统600的通信接口612可以通过局域网LAN或广域网WAN(例如因特网)连接到这样的另一计算系统。存储元件接口606可包括存储接口，例如串行高级技术附件SATA接口或小型计算机系统接口SCSI，用于将总线610连接到一个或多个存储元件608，例如一个或多个本地磁盘，例如SATA磁盘驱动器，并控制对这些存储元件608的数据读取和/或从这些存储元件608的数据写入。虽然上述存储元件608被描述为本地磁盘，但是通常可以使用任何其它合适的计算机可读介质，例如可移动磁盘，光存储介质，例如CD或DVD，ROM盘，固态驱动器，闪存卡......计算系统600因此可以对应于用于处理从一个或多个PPG传感器获得的信号以从中检测如以上参考图1所描述的睡眠干扰事件的电路。
如本申请案中所使用，术语“电路”可指以下各项中的一者或一者以上或全部：
(a)仅硬件电路实现，例如仅模拟和/或数字电路中的实现，以及
(b)硬件电路和软件的组合，例如(如适用)：
(i)模拟和/或数字硬件电路与软件/固件的组合，以及
(ii)具有软件(包括数字信号处理器)，软件和存储器的硬件处理器的任何部分，它们一起工作以使诸如移动电话或服务器的装置执行各种功能)以及
(c)需要软件(例如固件)进行操作的硬件电路和/或处理器(例如微处理器或微处理器的一部分)，但是当不需要软件进行操作时，软件可能不存在。
电路的这个定义适用于本申请中这个术语的所有使用，包括在任何权利要求中。作为另一实例，如本申请案中所使用，术语电路还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其(或其)随附软件和/或固件的实施方案。术语“电路”还涵盖(例如)且如果适用于特定权利要求元素，用于移动设备的基带集成电路或处理器集成电路或服务器，蜂窝式网络设备或其它计算或网络设备中的类似集成电路。
尽管已经参考特定实施例说明了本发明，但是对于本领域的技术人员显而易见的是，本发明不限于前述说明性实施例的细节，并且在不脱离本发明的范围的情况下，可以通过各种改变和修改来实施本发明。因此，本实施例在所有方面都被认为是说明性的而不是限制性的，本发明的范围由所附权利要求书而不是由前面的描述来指示，并且因此在权利要求书的范围内的所有改变都旨在被包含在其中。
本专利申请的读者还将理解，词语“包括(comprising)”或“包括(comprise)”不排除其他元件或步骤，词语“一(a)”或“一(an)”不排除多个，并且诸如计算机系统，处理器或另一集成单元的单个元件可以实现权利要求中的若干装置的功能。权利要求中的任何附图标记不应解释为限制相关的各个权利要求。术语“第一”、“第二”、“第三”，“a”、“b”、“c”等"被引入以区分相似的元件或步骤，并且不一定描述顺序或时间顺序。类似地，术语“顶部”、“底部”、“之上”、“之下”等是为了描述的目的而引入的，并且不一定表示相对位置。应当理解，这样使用的术语在适当的情况下是可互换的，并且本发明的实施例能够根据本发明以其它顺序或以不同于上述或所示的方向操作。

Claims (15)

1.一种用于从指示个体的外周动脉张力的信号(230)检测睡眠干扰事件的计算机实现的方法，所述信号受静脉小动脉反射的影响，所述方法包括：
——根据所述信号(230，240)的变化确定(110)血管收缩事件(310，110_1－110_n)；
——针对所述血管收缩事件(310，110_1－110_n)导出(122)参考幅值(313)和基线幅值(311)，所述参考幅值不同于所述基线幅值；
——将所述血管收缩事件的所述参考幅值(311)与所述血管收缩事件的所述基线幅值(313)关联(123)，从而获得所述血管收缩事件的大小测量值(321)；以及
——由此检测(130)睡眠干扰事件。
2.根据权利要求1所述的计算机实现的方法，其中，导出(122)包括：计算所述血管收缩事件的基线不变信号(232)，从中选择所述血管收缩事件的所述参考幅值(313)和所述基线幅值(311)，所述参考和所述基线幅值对应于所述血管收缩事件的幅值，允许计算所述血管收缩事件的所述大小测量值。
3.根据权利要求2所述的计算机实现的方法，其中，所述计算包括将对应于所述血管收缩事件的所述信号部分(310)除以所述血管收缩事件的基线(231，313)。
4.根据权利要求2或3所述的计算机实现的方法，其中，所述关联(123)包括从所述参考幅值(311)和所述基线幅值(313)计算所述血管收缩事件的绝对大小(321)。
5.根据权利要求2至4中任一项所述的计算机实现的方法，其中，所述血管收缩事件的所述基线(231，313)是通过计算表征所述信号中的所述静脉小动脉反射的所述信号的包络，诸如峰值包络(231)、波谷包络、峰谷平均包络、基于百分位数的包络、或所述信号的平滑版本，或通过计算表征所述血管收缩事件的所述静脉小动脉反射的所述血管收缩事件的幅值，诸如所述血管收缩事件的峰值幅度(311)、波谷幅度、峰谷平均幅度或百分位数来导出的。
6.根据权利要求1所述的计算机实现的方法，其中，所述血管收缩事件的所述参考幅值和所述基线幅值分别通过计算所述血管收缩事件的峰值幅度、波谷幅度、峰谷平均幅度或百分位数而导出。
7.根据权利要求6所述的计算机实现的方法，其中，所述关联(123)包括从所述血管收缩事件的所述参考幅值和所述基线幅值计算所述血管收缩事件的相对大小。
8.根据前述权利要求中任一项所述的计算机实现的方法，其中，所述检测(130)包括识别由高于预定值的大小测量值(321)表征的血管收缩事件(310，110_1－110_n)。
9.根据权利要求8所述的计算机实现的方法，其中，所述识别还考虑所述血管收缩事件的持续时间(322)，所述血管收缩事件的幅度下降期的持续时间(323)和/或幅度上升期的持续时间(324)，所述血管收缩事件的幅度下降期的陡度(325)和/或所述幅度上升期的陡度(326)中的至少一个。
10.根据前述权利要求中任一项所述的计算机实现的方法，其中，所述确定(110)包括识别所述信号(230，240)的由幅度下降(311)继之以幅度增加(312)表征的部分。
11.根据权利要求10所述的计算机实现的方法，其中，所述确定(110)还考虑所述信号部分的所述幅度下降期和所述幅度上升周期的持续时间(322)，所述信号部分的幅度下降期的持续时间(323)和/或幅度上升周期的持续时间(324)，所述信号部分的幅度下降期的陡度(325)和/或幅度上升周期的陡度(326)中的至少一个。
12.根据前述权利要求中任一项所述的计算机实现的方法，其中，所述方法还包括通过体积描记法获得指示所述患者的选定解剖位置处的脉动血容量的变化的信号，并由此导出指示外周动脉张力的变化的所述信号(230)。
13.一种配置为从指示受静脉小动脉反射影响的个体的外周动脉张力的信号(230)检测睡眠干扰事件的装置，所述装置包括配置为执行以下操作的工具：
——根据所述信号(230，240)的变化确定(110)血管收缩事件(310，110_1－110_n)；
——针对所述血管收缩事件(310，110_1－110_n)导出(122)参考幅值(313)和基线幅值(311)，所述参考幅值不同于所述基线幅值；
——将所述血管收缩事件的所述参考幅值(311)与所述血管收缩事件的所述基线幅值(313)关联(123)，从而获得所述血管收缩事件的大小测量值(321)；以及
——由此检测(130)睡眠干扰事件。
14.一种计算机程序产品，其包括用于使计算机执行根据权利要求1至12中任一项所述的计算机实现的方法的计算机可执行指令。
15.一种包括计算机可执行指令的计算机可读存储介质，当所述程序在计算机上运行时，所述计算机可执行指令用于执行根据权利要求1至12中任一项所述的计算机实现的方法。
CN202180054408.5A 2020-09-04 2021-08-11 用于从指示个体的外周动脉张力的信号检测睡眠干扰事件的方法和装置 Pending CN116033867A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063074960P 2020-09-04 2020-09-04
US63/074,960 2020-09-04
PCT/EP2021/072349 WO2022048871A1 (en) 2020-09-04 2021-08-11 Method and apparatus for detecting sleep-disturbing events from a signal indicative of a peripheral arterial tone of an individual

Publications (1)

Publication Number Publication Date
CN116033867A true CN116033867A (zh) 2023-04-28

Family

ID=77627095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180054408.5A Pending CN116033867A (zh) 2020-09-04 2021-08-11 用于从指示个体的外周动脉张力的信号检测睡眠干扰事件的方法和装置

Country Status (7)

Country Link
US (1) US20230346322A1 (zh)
EP (1) EP4208085A1 (zh)
JP (1) JP2023540539A (zh)
CN (1) CN116033867A (zh)
AU (1) AU2021336040A1 (zh)
IL (1) IL300878A (zh)
WO (1) WO2022048871A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220202359A1 (en) * 2020-12-30 2022-06-30 Itamar Medical, Ltd. System and method for arrhythmia detection during an at home sleep test

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2001237695B2 (en) * 2000-03-02 2004-11-04 Itamar Medical Ltd. Method and apparatus for the non-invasive detection of particular sleep-state conditions by monitoring the peripheral vascular system
US7374540B2 (en) 2001-04-05 2008-05-20 Itamar Medical Ltd. Non-invasive probe for detecting medical conditions
US8740806B2 (en) * 2012-11-07 2014-06-03 Somnarus Inc. Methods for detection of respiratory effort and sleep apnea monitoring devices
RU2731311C2 (ru) * 2016-06-08 2020-09-01 Итамар Медикал Лтд. Способ и устройство для неинвазивного выявления физиологических и патофизиологических состояний во время сна
EP3593707B1 (en) * 2018-07-11 2023-12-20 Ectosense NV System for diagnosing sleep

Also Published As

Publication number Publication date
WO2022048871A1 (en) 2022-03-10
EP4208085A1 (en) 2023-07-12
AU2021336040A1 (en) 2023-02-23
US20230346322A1 (en) 2023-11-02
JP2023540539A (ja) 2023-09-25
IL300878A (en) 2023-04-01

Similar Documents

Publication Publication Date Title
US9918666B2 (en) Systems and methods for physiological signal enhancement and biometric extraction using non-invasive optical sensors
US8529459B2 (en) Processing of photoplethysmography signals
Rong et al. A blood pressure prediction method based on imaging photoplethysmography in combination with machine learning
US10278595B2 (en) Analysis and characterization of patient signals
US20120150002A1 (en) Systems and Methods Utilizing Plethysmographic Data for Distinguishing Arterial and Venous Saturations
CN110944575B (zh) 通过使用相干光源进行生物组织询问的非侵入式血液动力学评估
EP3928689A1 (en) Apparatus and method for compensating assessment of peripheral arterial tone
JP2011521702A (ja) Ｃｏ２評価のための方法および装置
US20230263453A1 (en) Method and apparatus for assessing peripheral arterial tone
JP7195323B2 (ja) 組織オキシメトリと血圧を用いた自己調節能システムと方法
Venkat et al. Machine learning based spo 2 computation using reflectance pulse oximetry
Yuan et al. Motion artefact minimization from photoplethysmography based non-invasive hemoglobin sensor based on an envelope filtering algorithm
Byfield et al. Towards robust blood pressure estimation from pulse wave velocity measured by photoplethysmography sensors
CN116033867A (zh) 用于从指示个体的外周动脉张力的信号检测睡眠干扰事件的方法和装置
Aarthi et al. Fingertip based estimation of heart rate using photoplethysmography
Clarke Signal quality analysis in pulse oximetry: Modelling and detection of motion artifact
Leier et al. Respiration signal extraction from photoplethysmogram using pulse wave amplitude variation
US9402571B2 (en) Biological tissue function analysis
Zhang et al. Photoplethysmogram signal quality assessment using support vector machine and multi-feature fusion
Sood et al. Feature extraction for photoplethysmographic signals using pwa: Ppg waveform analyzer
DORIZZA Deep convolutional networks for concurrent photoplethysmographic and phonocardiographic signal processing
US20230404444A1 (en) Arterial blood oxygenation measurements
Livingston et al. Adaptive fuzzy rule based pulsewaveformsegmentation and artifact detection
Rajagopal et al. Estimation of Non-invasive Cuff-less Blood Pressure Using the Photoplethysmogram Signal
Amiri et al. Autoregressive modeling of the photoplethysmogram AC signal amplitude changes after flow-mediated dilation in healthy and diabetic subjects

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