CN118000711A - 睡眠呼吸血氧检测分析及辅助调节方法、系统和装置 - Google Patents

Abstract

本发明提供睡眠呼吸血氧检测分析及辅助调节方法、系统和装置，通过检测和分析睡眠呼吸信号和睡眠血氧信号，识别呼吸事件和血氧事件并提取睡眠呼吸血氧事件及事件强度，通过睡眠呼吸血氧联合特征进一步校正事件强度，实现了睡眠呼吸血氧事件的系统地检测分析和量化评价；通过对睡眠呼吸血氧事件的当前状态和发展预测，生成睡眠呼吸血氧辅助调节策略并发送睡眠呼吸调节设备，以实现用户睡眠呼吸血氧的高效动态辅助调节。本发明能够实现睡眠呼吸血氧的科学检测评估和高效动态辅助调节。

Description

睡眠呼吸血氧检测分析及辅助调节方法、系统和装置

技术领域

本发明涉及睡眠呼吸血氧检测分析及辅助调节领域，特别涉及睡眠呼吸血氧检测分析及辅助调节方法、系统和装置。

背景技术

血氧水平是呼吸系统和心血管系统循环工作的一个重要生理表征。不同肢体部位或器官区域的血氧水平，既是生理代谢水平的直接表征，更是呼吸系统和心血管系统的生理能力体现。由于肥胖、疲劳、衰老、感染、呼吸肌张力控制失调等等因素，都会影响血氧水平的正常维持；尤其睡眠过程中出现剧烈的、持续的血氧水平下降，给人们的睡眠质量、身体健康和生命安全带来严重影响。在睡眠过程中，健康人群的睡眠血氧水平(动脉血氧饱和度)都维持在95％及以上；而在不同睡眠时相状态下，不同程度睡眠呼吸问题人群则经常发生血氧水平低于90％、80％甚至65％以下，对生命健康和睡眠质量都带来严重影响。

目前，无论是消费电子(智能手环、智能手表等)还是专业医疗器械(脉氧仪等)，大都仅完成血氧的数据采集和简单数值统计分析。现有技术方案CN112971763A涉及一种睡眠呼吸事件检测装置，包括：信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块；其根据受试者的胸、腹呼吸信号，初步判定睡眠呼吸事件，然后采用与所述胸、腹呼吸信号对应的血氧饱和度数据和三轴加速度数据进行校准，从而确定睡眠呼吸事件；所述睡眠呼吸事件为呼吸睡眠暂停或低通气；其中呼吸睡眠暂停为阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停、或混合性睡眠呼吸暂停。该技术方案主要依赖于通过阈值及计数方法对呼吸信号波形进行检测分析，以确定睡眠呼吸事件。总体而言，现有睡眠呼吸检测评估的技术方案主要是依赖于口鼻压力、口鼻热敏和胸腹带压力等传感器或设备直接来检测和分析，通过波形分析来完成呼吸事件检测、事件类型分类和事件简单统计分析；现有技术方案，缺乏睡眠呼吸事件和血氧事件的系统地检测分析、量化评价和识别校正，尤其缺乏从呼吸动力学和睡眠时相状态的角度对睡眠呼吸血氧事件强度做出明确定义或特征量化。此外，目前睡眠呼吸调控设备通常与睡眠呼吸检测设备独立分离，大多睡眠呼吸调控设备能够联网反馈调控参数但仍使用离线的预设程序控制完成设备反馈调控，无法根据用户实时状态进行智能精准的、个性化的动态辅助调节。

由上可知，如何对睡眠呼吸事件和血氧事件的系统地检测分析和量化评价，如何优化和提高现有睡眠呼吸调控设备的效率效能，从而保证用户的正常睡眠血氧水平，辅助用户睡眠和提高睡眠质量，是目前国内外产品技术方案和实际应用场景中需要进一步解决的问题。

发明内容

针对现有方法的以上缺陷及改进需求，本发明的目的在于提供一种睡眠呼吸血氧检测分析及辅助调节方法，通过检测和分析睡眠呼吸信号和睡眠血氧信号，识别呼吸事件和血氧事件并提取睡眠呼吸血氧事件及事件强度，通过睡眠呼吸血氧联合特征进一步校正事件强度，实现了睡眠呼吸血氧事件的系统地检测分析和量化评价；通过对睡眠呼吸血氧事件的当前状态和发展预测，生成睡眠呼吸血氧辅助调节策略并发送睡眠呼吸调节设备，以实现用户睡眠呼吸血氧的高效动态辅助调节。本发明还提供了睡眠呼吸血氧检测分析及辅助调节系统，用于实现上述方法。本发明还提供了睡眠呼吸血氧检测分析及辅助调节装置，用于实现上述系统。

根据本发明的目的，本发明提出了一种睡眠呼吸血氧检测分析及辅助调节方法，包括以下步骤：

采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度；

对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库。

更优地，所述采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号的具体步骤还包括：

采集监测用户的睡眠呼吸行为并进行信号处理，得到所述睡眠呼吸信号；

采集监测用户的睡眠血氧水平并进行信号处理，得到所述睡眠血氧信号；

将所述睡眠呼吸信号和所述睡眠血氧信号归集，得到所述睡眠呼吸血氧联合信号。

更优地，所述采集处理至少包括采集获取、模数转换、重采样、重参考、去伪迹、降噪、工频陷波、带通滤波、均值滤波、平滑处理和信号时窗分割。

更优地，所述睡眠呼吸血氧联合信号至少包括所述睡眠呼吸信号和所述睡眠血氧信号；其中，所述睡眠呼吸信号至少包括口鼻温度监测信号、鼻压力监测信号、口鼻CO2监测信号、胸腹呼吸运动信号、心电衍生呼吸信号、咽喉肌电信号的任一项，所述睡眠血氧信号至少包括光电容积描记血氧信号、血氧水平依赖信号中的任一项。

更优地，所述对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度的具体步骤还包括：

对所述睡眠呼吸信号进行事件检测分析，识别呼吸事件，得到睡眠呼吸事件；

对所述睡眠血氧信号进行事件检测分析，识别血氧事件，得到睡眠血氧事件；

根据所述睡眠呼吸事件和所述睡眠呼吸信号、所述睡眠血氧事件和所述睡眠血氧信号，计算得到所述事件强度；

按事件发生时序对所述睡眠呼吸事件、所述睡眠血氧事件和所述事件强度进行归集，得到所述睡眠呼吸血氧事件。

更优地，所述事件检测分析具体为根据预设睡眠呼吸-血氧事件知识库和/或机器学习模型，对所述睡眠呼吸信号或所述睡眠血氧信号进行波形特征识别和标记提取，得到所述睡眠呼吸事件或所述睡眠血氧事件的基本事件信息；所述基本事件信息至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间。

更优地，所述睡眠呼吸血氧事件具体由所述睡眠呼吸事件和所述睡眠血氧事件构成，至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间、事件强度。

更优地，所述事件强度具体由所述睡眠呼吸事件和所述睡眠血氧事件的持续时长、起始时间、结束时间、峰谷值和峰谷值处相对时间，以及睡眠呼吸血氧特征幅度变化和睡眠时相来决定。

更优地，所述事件强度的初步生成方法，具体为：

1)分别获取所述睡眠呼吸事件、所述睡眠血氧事件的起始时间和结束时间，计算两个事件的起始时间的时间差和结束时间的时间差的比值，得到呼吸血氧事件延时比；

2)获取所述睡眠血氧事件的起始时间、结束时间、持续时长、峰谷值和峰谷值处时间，以及预设睡眠血氧信号阈值；

3)计算所述睡眠血氧事件的峰谷值和预预设睡眠血氧信号阈值的相对变化量，得到峰谷相对值；

4)根据所述睡眠血氧事件的起始时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷前沿斜率；

5)根据所述睡眠血氧事件的结束时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷后沿斜率；

6)根据所述睡眠呼吸事件的持续时长、所述睡眠血氧事件的持续时长、所述呼吸血氧事件延时比、所述峰谷相对值、所述峰谷前沿斜率、所述峰谷后沿斜率的数值融合计算，得到所述事件强度。

更优地，所述对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度的具体步骤还包括：

对所述睡眠呼吸血氧联合信号进行特征分析，得到所述睡眠呼吸血氧联合特征；

根据所述睡眠呼吸血氧联合特征，识别睡眠时相，生成睡眠时相曲线；

根据所述睡眠呼吸血氧事件的发生期间，对比所述睡眠呼吸血氧联合特征的特征相对变化，得到睡眠呼吸血氧联合事件特征变化量；

根据所述睡眠时相和所述睡眠呼吸血氧联合事件特征变化量，校正所述事件强度。

更优地，所述特征分析至少包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析；其中，数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度，所述时频特征至少包括频带功率、频带功率占比和频带中心频率，所述非线性特征至少包括熵特征、分形特征和复杂度特征。

更优地，所述睡眠呼吸血氧联合特征至少包括睡眠呼吸特征、睡眠血氧特征；所述睡眠呼吸特征至少包括呼吸频率、所述睡眠呼吸信号的数值特征和时频特征；所述睡眠血氧特征至少包括脉搏特征、PPG血氧水平特征和BOLD血氧水平特征中的任一项，所述BOLD血氧水平特征至少包括含氧血红蛋白浓度特征和脱氧血红蛋白浓度特征。

更优地，所述睡眠时相至少包括清醒期、浅睡眠期、深睡眠期和快动眼睡眠期；所述睡眠时相和所述睡眠时相曲线的生成方法，具体为：

1)通过机器学习对规模睡眠用户样本的所述睡眠呼吸血氧联合特征及其对应睡眠分期数据进行学习训练和数据建模，得到睡眠时相分期模型；

2)将当前用户的所述睡眠呼吸血氧联合特征输入所述睡眠时相分期模型，得到所对应的所述睡眠时相分期；

3)按照时序提取全部信号时窗的所述睡眠时相的数值，得到所述睡眠时相曲线。

更优地，所述事件强度的校正方法，具体为：

1)获取所述睡眠时相，根据预设睡眠时相-修正系数对照表，提取睡眠时相修正系数；

2)获取所述睡眠呼吸血氧联合事件特征变化量，确定并选择目标特征的特征变化量，通过数值加权计算，得到事件特征相对变化系数；

3)用所述事件特征相对变化系数、所述睡眠时相修正系数的数值乘积去校正初始生成的所述事件强度，得到校正后的所述事件强度。

更优地，所述对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备的具体步骤还包括：

对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，分别生成睡眠呼吸血氧联合预测信号和睡眠呼吸血氧联合预测特征；

对所述睡眠呼吸血氧联合预测信号进行事件检测分析，识别所述睡眠呼吸血氧事件，得到所述睡眠呼吸血氧预测事件及事件预测强度；

根据所述睡眠呼吸血氧预测事件和所述睡眠呼吸血氧联合预测特征，校正所述事件预测强度并识别得到所述事件发生趋势；

根据所述睡眠呼吸血氧预测事件和所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成所述睡眠呼吸血氧辅助调节策略；

通过信号接口将所述睡眠呼吸血氧辅助调节策略发送至所述睡眠呼吸调节设备，优化所述睡眠呼吸调节设备运行控制。

更优地，所述预测分析的方法至少包括指数平滑法、Holt-Winters法、AR、MA、ARMA、ARIMA、SARIMA、SARIMAX、VAR、VARMA、VARMAX、机器学习中的任一项。

更优地，所述事件发生趋势至少包括事件发生类型、事件发生概率和事件发生强度；所述事件发生趋势由机器学习对所述睡眠呼吸事件、所述睡眠血氧事件相关的所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征等规模睡眠用户样本数据进行学习训练、数据建模和分析计算后得到。

更优地，所述睡眠呼吸知识库主要来自睡眠呼吸相关的健康管理和临床医学的知识经验，至少包括睡眠呼吸-血氧规律、常见睡眠呼吸-血氧事件特征、常用睡眠呼吸调节方法及场景干预参数指导；所述用户睡眠呼吸数据库至少包括所述睡眠呼吸血氧事件、所述睡眠呼吸血氧联合信号、所述睡眠呼吸血氧联合特征、所述事件发生趋势和所述睡眠呼吸血氧辅助调节策略。

更优地，所述睡眠呼吸血氧辅助调节策略至少包括血氧目标值、呼吸频率目标值、呼吸深度目标值、调节方式、调节时点、持续时间和装置控制参数。

更优地，所述睡眠呼吸调节设备至少包括呼吸机、气味刺激设备、电刺激设备、触觉刺激设备、环境温湿度调控设备和环境CO₂浓度调控设备中的任一项。

更优地，所述按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库的具体步骤还包括：

按照预设报告周期，生成所述睡眠呼吸血氧评价及辅助调节报告；

根据用户场景需求，输出所述睡眠呼吸血氧评价及辅助调节报告；

按照预设数据更新策略，更新所述用户睡眠呼吸数据库。

更优地，所述睡眠呼吸血氧评价及辅助调节报告至少包括所述睡眠血氧信号、所述睡眠呼吸血氧事件的统计分析、所述睡眠呼吸血氧联合特征中关键特征指标曲线、所述睡眠时相曲线、检测量化和辅助调节总结以及睡眠呼吸优化建议。

根据本发明的目的，本发明提出了一种睡眠呼吸血氧检测分析及辅助调节系统，包括以下模块：

呼吸血氧检测模块，用于采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

事件检测分析模块，用于对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

事件强度调整模块，用于对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度；

呼吸血氧调节模块，用于对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

用户报告管理模块，用于按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库；

数据运行管理模块，用于对所述系统的全部过程数据进行可视化管理、统一存储和运行管理。

更优地，所述呼吸血氧检测模块还包括以下功能单元：

睡眠呼吸检测单元，用于采集监测用户的睡眠呼吸行为并进行信号处理，得到所述睡眠呼吸信号；

睡眠血氧检测单元，用于采集监测用户的睡眠血氧水平并进行信号处理，得到所述睡眠血氧信号；

联合信号归集单元，用于将所述睡眠呼吸信号和所述睡眠血氧信号归集，得到所述睡眠呼吸血氧联合信号。

更优地，所述事件检测分析模块还包括以下功能单元：

呼吸事件识别单元，用于对所述睡眠呼吸信号进行事件检测分析，识别呼吸事件，得到睡眠呼吸事件；

血氧事件识别单元，用于对所述睡眠血氧信号进行事件检测分析，识别血氧事件，得到睡眠血氧事件；

事件强度计算单元，用于根据所述睡眠呼吸事件和所述睡眠呼吸信号、所述睡眠血氧事件和所述睡眠血氧信号，计算得到所述事件强度；

事件信息归集单元，用于按事件发生时序对所述睡眠呼吸事件、所述睡眠血氧事件和所述事件强度进行归集，得到所述睡眠呼吸血氧事件。

更优地，所述事件强度调整模块还包括以下功能单元：

联合特征分析单元，用于对所述睡眠呼吸血氧联合信号进行特征分析，得到所述睡眠呼吸血氧联合特征；

睡眠时相识别单元，用于根据所述睡眠呼吸血氧联合特征，识别睡眠时相，生成睡眠时相曲线；

特征变化分析单元，用于根据所述睡眠呼吸血氧事件的发生期间，对比所述睡眠呼吸血氧联合特征的特征相对变化，得到睡眠呼吸血氧联合事件特征变化量；

事件强度校正单元，用于根据所述睡眠时相和所述睡眠呼吸血氧联合事件特征变化量，校正所述事件强度。

更优地，所述呼吸血氧调节模块还包括以下功能单元：

趋势预测分析单元，用于对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，分别生成睡眠呼吸血氧联合预测信号和睡眠呼吸血氧联合预测特征；

事件检测分析单元，用于对所述睡眠呼吸血氧联合预测信号进行事件检测分析，识别所述睡眠呼吸血氧事件，得到所述睡眠呼吸血氧预测事件及事件预测强度；

事件发生预测单元，用于根据所述睡眠呼吸血氧预测事件和所述睡眠呼吸血氧联合预测特征，校正所述事件预测强度并识别得到所述事件发生趋势；

辅助策略生成单元，用于根据所述睡眠呼吸血氧预测事件和所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成所述睡眠呼吸血氧辅助调节策略；

策略发送控制单元，用于通过信号接口将所述睡眠呼吸血氧辅助调节策略发送至所述睡眠呼吸调节设备，优化所述睡眠呼吸调节设备运行控制。

更优地，所述用户报告管理模块还包括以下功能单元：

用户报告生成单元，用于按照预设报告周期，生成所述睡眠呼吸血氧评价及辅助调节报告；

用户报告输出单元，用于根据用户场景需求，输出所述睡眠呼吸血氧评价及辅助调节报告；

数据库更新单元，用于按照预设数据更新策略，更新所述用户睡眠呼吸数据库。

更优地，所述数据运行管理模块还包括以下功能单元：

用户信息管理单元，用于用户信息的登记输入、编辑、查询、输出和删除；

数据可视化管理单元，用于对所述系统中所有数据的可视化展现管理；

数据存储管理单元，用于对所述系统中所有数据的统一存储管理；

数据运营管理单元，用于对所述系统中所有数据的备份、迁移和导出。

根据本发明的目的，本发明提出了一种睡眠呼吸血氧检测分析及辅助调节装置，包括以下模组：

呼吸血氧检测模组，用于采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

事件检测分析模组，用于对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

事件强度调整模组，用于对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度；

呼吸血氧调节模组，用于对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

用户报告管理模组，用于按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库；

数据可视化模组，用于对所述装置中所有过程数据和/或结果数据的统一可视化展示管理；

数据管理中心模组，用于对所述装置中所有过程数据和/或结果数据的统一存储和数据运营管理。

本发明提供了睡眠呼吸血氧检测分析及辅助调节方法、系统和装置，开创性提出了通过对睡眠血氧信号、睡眠呼吸信号的采集处理、事件检测分析、特征分析、特征对比和校正计算等方法步骤，识别睡眠呼吸血氧事件并对事件强度进行准确量化和校正；基于睡眠呼吸血氧事件的当前状态，对事件发生趋势(事件发生类型、事件发生概率和事件发生强度)进行发展预测，完成睡眠呼吸辅助调节策略的实时生成和接口发送，进而优化和提高睡眠呼吸调控设备的效率效能，从而实现用户睡眠呼吸血氧的科学检测评估和动态辅助调节的一体化，高效辅助用户睡眠。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1是本发明一实施例所提供的一种睡眠呼吸血氧检测分析及辅助调节方法的流程步骤示意图；

图2是本发明一实施例所提供的一种睡眠呼吸血氧检测分析及辅助调节系统的模块组成示意图；

图3是本发明一实施例所提供的一种睡眠呼吸血氧检测分析及辅助调节装置的模组构成示意图。

具体实施方式

为了更清楚地说明本发明的目的和技术方案，下面将结合本发明申请实施例中的附图，对本发明进行进一步介绍说明。显而易见地，下面描述的实施例仅是本发明一部分实施例，而不是全部的实施例。在没有创造性劳动前提下，本领域普通技术人员基于本发明的实施例所得到的其他实施例，都应属于本发明的保护范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

申请人发现，人类呼吸行为在睡眠期间和清醒期间存在较大差异且呈现完全不同的特征规律：首先，血氧水平作为呼吸行为的直接结果之一，睡眠血氧水平的振荡水平和变化规律几乎都是睡眠呼吸事件带来的，睡眠血氧水平曲线具备较好的睡眠呼吸动力学分析特征；其次，睡眠过程中的睡眠呼吸行为主要由脑干呼吸中枢、呼吸器官链路的肌肉功能和神经功能等所决定，睡眠期间的呼吸调节过程更依赖底层的生物生理功能；最后，肢体和器官的血氧饱和度水平，是睡眠呼吸行为和生理链路供血供氧的直接结果，是睡眠呼吸行为最直接显性的表征，且对各类睡眠血氧事件的特别敏感。

因此，本发明将以睡眠呼吸信号和睡眠血氧信号为基础来实现睡眠呼吸血氧事件的科学全面地检测、量化和评价，进一步完成睡眠呼吸血氧事件的预测分析和睡眠呼吸调控策略的实时生成，从而实现用户睡眠呼吸的科学检测评估和动态辅助调节的一体化，高效辅助用户睡眠。

结合图1所示，本发明实施例提供的一种睡眠呼吸血氧检测分析及辅助调节方法，包括以下步骤：

P100：采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号。

实施例中，采集处理至少包括采集获取、模数转换、重采样、重参考、去伪迹、降噪、工频陷波、带通滤波、均值滤波、平滑处理和信号时窗分割。

本实施例中，睡眠呼吸血氧联合信号至少包括睡眠呼吸信号和睡眠血氧信号；其中，睡眠呼吸信号至少包括口鼻温度监测信号、鼻压力监测信号、口鼻CO2监测信号、胸腹呼吸运动信号、心电衍生呼吸信号、咽喉肌电信号的任一项，睡眠血氧信号至少包括光电容积描记血氧信号、血氧水平依赖信号中的任一项。

第一步、采集监测用户的睡眠呼吸行为并进行信号处理，得到睡眠呼吸信号。

本实施例中，以胸腹呼吸运动信号作为睡眠呼吸信号来陈述本发明的具体实施过程。通过阻抗传感器式胸腹带采集用户胸腹部的睡眠呼吸运动，采样率为128Hz；胸腹带分为胸带和腹带，本实施例中仅采集腹带信号。胸腹呼吸运动信号的信号处理主要为去伪迹、小波降噪、去直流高通滤波和信号时窗分割。

第二步、采集监测用户的睡眠血氧水平并进行信号处理，得到睡眠血氧信号。

本实施例中，以光电容积描记血氧信号作为睡眠血氧信号来陈述本发明的具体实施方法。采用指尖血氧仪采集用户左手食指的指尖血氧信号，采样率为64Hz。睡眠血氧信号的信号处理主要为重采样(128Hz)、去伪迹、小波降噪、去直流高通滤波和信号时窗分割。

在实际使用场景中，各类医用的指尖血氧仪或中高端健康监测功能手表就能够获得高质量的血氧信号记录，他们均是PPG光电容积描记血氧信号；而BOLD血氧水平依赖信号，虽然设备使用和检测过程稍微复杂，但能够获得更多更精准的血氧水平状态数据描述；需要根据实际场景需求，选择PPG光电容积描记血氧信号、或是BOLD血氧水平依赖信号。

第三步、将睡眠呼吸信号和睡眠血氧信号归集，得到睡眠呼吸血氧联合信号。

本实施例中，睡眠呼吸血氧联合信号包括胸腹呼吸运动信号和指尖血氧信号。

P200：对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度。

本实施例中，事件检测分析具体为根据预设睡眠呼吸-血氧事件知识库和/或机器学习模型，对睡眠呼吸信号或睡眠血氧信号进行波形特征识别和标记提取，得到睡眠呼吸事件或睡眠血氧事件的基本事件信息。基本事件信息至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间。

第一步、对睡眠呼吸信号进行事件检测分析，识别呼吸事件，得到睡眠呼吸事件。

本实施例中，通过机器学习对睡眠呼吸信号和睡眠呼吸事件的规模样本数据进行学习训练和数据建模，构建睡眠呼吸事件识别模型；睡眠呼吸信号经睡眠呼吸事件识别模型和事件信息抽取后，得到睡眠呼吸事件。

第二步、对睡眠血氧信号进行事件检测分析，识别血氧事件，得到睡眠血氧事件。

本实施例中，通过机器学习对睡眠血氧信号和睡眠血氧事件的规模样本数据进行学习训练和数据建模，构建睡眠血氧事件识别模型；睡眠血氧信号经睡眠血氧事件识别模型和事件信息抽取后，得到睡眠呼吸事件。

第三步、根据睡眠呼吸事件和睡眠呼吸信号、睡眠血氧事件和睡眠血氧信号，计算得到事件强度。

本实施例中，事件强度具体由睡眠呼吸事件和睡眠血氧事件的持续时长、起始时间、结束时间、峰谷值和峰谷值处相对时间，以及睡眠呼吸血氧特征幅度变化和睡眠时相来决定。在实际应用场景中，需要注意睡眠呼吸事件和睡眠血氧事件的成对关系，先发生睡眠呼吸事件，后紧接着发生睡眠血氧事件。

本实施例中，事件强度的初步生成方法，具体为：

1)分别获取睡眠呼吸事件、睡眠血氧事件的起始时间和结束时间，计算两个事件的起始时间的时间差和结束时间的时间差的比值，得到呼吸血氧事件延时比；

2)获取睡眠血氧事件的起始时间、结束时间、持续时长、峰谷值和峰谷值处时间，以及预设睡眠血氧信号阈值；

3)计算睡眠血氧事件的峰谷值和预预设睡眠血氧信号阈值的相对变化量，得到峰谷相对值；

4)根据睡眠血氧事件的起始时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷前沿斜率；

5)根据睡眠血氧事件的结束时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷后沿斜率；

6)根据睡眠呼吸事件的持续时长、睡眠血氧事件的持续时长、呼吸血氧事件延时比、峰谷相对值、峰谷前沿斜率、峰谷后沿斜率的数值融合计算，

得到事件强度。

本实施例中，呼吸血氧事件延时比反映了基础生理功能状态及其时间延迟特性量化，血氧事件中的峰谷前沿斜率、峰谷后沿斜率代表着生理阻塞速率和生理恢复能力，在观察分析中可以用不同权重系数进行修正以适应不同的分析目标。此外，持续时长和峰谷相对值(血氧下降量)反应的缺血事件的最直接严重程度，持续时长越长、峰谷相对值(血氧下降量)越大，对人体和大脑的损伤就越大。需要根据实际分析任务，来调整持续时长、峰谷相对值、峰谷前沿斜率、峰谷后沿斜率的数值融合计算方式，以得到更精准刻画的事件强度。在实际应用场景中，根据不同用户场景实际情况，来选择事件强度的数值组合计算方式。本实施例中提供两种计算公式来陈述构建的方式。

事件强度的第一种计算公式方法，具体为：

事件强度的第二种计算公式方法，具体为：

其中，eti为事件强度，bTdurt、oTdurt分别为睡眠呼吸事件的持续时长和睡眠血氧事件的持续时长，iTdelay为呼吸血氧事件延时比、Pv为峰谷相对值，LSp为峰谷前沿斜率，RSp为峰谷后沿斜率，|| ||为取绝对值运算，min()为取最小值运算。

本实施例中，取预设睡眠血氧信号阈值为95。在实际使用场景中，正常人正常睡眠过程血氧水平保持在95以上，即取预设睡眠血氧信号阈值为95。此外，血氧水平100-95、95-90、90-85、85-80、80-75、75-70、70-65、65-60、60-50、50-以下等不同等级，也说明了睡眠血氧事件强度的一个重要等级考量。跟踪分析用户血氧水平偏离预设睡眠血氧信号阈值95的偏离量，是重要的。

第四步、按事件发生时序对睡眠呼吸事件、睡眠血氧事件和事件强度进行归集，得到睡眠呼吸血氧事件。

本实施例中，睡眠呼吸血氧事件具体由睡眠呼吸事件和睡眠血氧事件构成，至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间、事件强度。

P300：对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度。

本实施例中，特征分析至少包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析；其中，数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度，时频特征至少包括频带功率、频带功率占比和频带中心频率，非线性特征至少包括熵特征、分形特征和复杂度特征。

第一步、对睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征。

本实施例中，睡眠呼吸血氧联合特征至少包括睡眠呼吸特征、睡眠血氧特征；睡眠呼吸特征至少包括呼吸频率、睡眠呼吸信号的数值特征和时频特征；睡眠血氧特征至少包括脉搏特征、PPG血氧水平特征和BOLD血氧水平特征中的任一项，BOLD血氧水平特征至少包括含氧血红蛋白浓度特征和脱氧血红蛋白浓度特征。

本实施例中，以呼吸频率、血氧最小值作为睡眠呼吸血氧联合特征。

第二步、根据睡眠呼吸血氧联合特征，识别睡眠时相，生成睡眠时相曲线。

本实施例中，睡眠时相至少包括清醒期、浅睡眠期、深睡眠期和快动眼睡眠期；睡眠时相和睡眠时相曲线的生成方法，具体为：

1)通过机器学习对规模睡眠用户样本的睡眠呼吸血氧联合特征及其对应睡眠分期数据进行学习训练和数据建模，得到睡眠时相分期模型；

2)将当前用户的睡眠呼吸血氧联合特征输入睡眠时相分期模型，得到所对应的睡眠时相分期；

3)按照时序提取全部信号时窗的睡眠时相的数值，得到睡眠时相曲线。

第三步、根据睡眠呼吸血氧事件的发生期间，对比睡眠呼吸血氧联合特征的特征相对变化，得到睡眠呼吸血氧联合事件特征变化量。

本实施例中，根据睡眠呼吸血氧事件中的起始时间和结束时间，确定当前睡眠呼吸血氧事件的发生期间，以及选定上一个事件的结束时间到当前事件的起始时间作为对比区间。对比分析呼吸频率、血氧最小值在睡眠呼吸血氧事件发生期间和对比区间的特征相对变化，得到睡眠呼吸血氧联合事件特征变化量。

本实施例中，特征相对变化的计算公式为：

其中，iFea为特征相对变化，FE_i、FB_i分别为发生期间和对比区间的特征值，|| ||为取绝对值计算。

第四步、根据睡眠时相和睡眠呼吸血氧联合事件特征变化量，校正事件强度。

本实施例中，事件强度的校正方法，具体为：

1)获取睡眠时相，根据预设睡眠时相-修正系数对照表，提取睡眠时相修正系数；

2)获取睡眠呼吸血氧联合事件特征变化量，确定并选择目标特征的特征变化量，通过数值加权计算，得到事件特征相对变化系数；

3)用事件特征相对变化系数、睡眠时相修正系数的数值乘积去校正初始生成的事件强度，得到校正后的事件强度。

本实施例中，呼吸频率、血氧最小值的睡眠呼吸血氧联合事件特征变化量进行数值加权计算，前者权重为0.3，后者权重为0.7，得到事件特征相对变化系数。

本实施例中，预设睡眠时相-修正系数对照表中的对照关系为：清醒期-0.80、浅睡眠期-0.95、深睡眠期-0.90、快动眼睡眠期-1.0。

P400：对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备。

第一步、对睡眠呼吸血氧联合信号和睡眠呼吸血氧联合特征进行预测分析，分别生成睡眠呼吸血氧联合预测信号和睡眠呼吸血氧联合预测特征。

本实施例中，选择AR方法对睡眠呼吸血氧联合信号和睡眠呼吸血氧联合特征进行预测分析。在实际应用场景中，预测分析的方法至少包括指数平滑法、Holt-Winters法、AR、MA、ARMA、ARIMA、SARIMA、SARIMAX、VAR、VARMA、VARMAX、机器学习，可以根据场景进行灵活选择使用。

第二步、对睡眠呼吸血氧联合预测信号进行事件检测分析，识别睡眠呼吸血氧事件，得到睡眠呼吸血氧预测事件及事件预测强度。

本实施例中，基于睡眠呼吸血氧联合预测信号，利用前述的睡眠呼吸事件识别模型、睡眠血氧事件识别模型和事件强度初始生成方法，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度，得到睡眠呼吸血氧预测事件及事件预测强度。

第三步、根据睡眠呼吸血氧预测事件和睡眠呼吸血氧联合预测特征，校正事件预测强度并识别得到事件发生趋势。

本实施例中，根据睡眠呼吸血氧预测事件和睡眠呼吸血氧联合预测特征，利用前述的事件强度校正方法，校正事件预测强度。

本实施例中，事件发生趋势由机器学习对睡眠呼吸事件、睡眠血氧事件相关的睡眠呼吸血氧联合信号和睡眠呼吸血氧联合特征等规模睡眠用户样本数据进行学习训练、数据建模和分析计算后得到。事件发生趋势至少包括事件发生类型、事件发生概率和事件发生强度。

第四步、根据睡眠呼吸血氧预测事件和事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略。

本实施例中，睡眠呼吸知识库主要来自睡眠呼吸相关的健康管理和临床医学的知识经验，至少包括睡眠呼吸-血氧规律、常见睡眠呼吸-血氧事件特征、常用睡眠呼吸调节方法及场景干预参数指导；用户睡眠呼吸数据库至少包括睡眠呼吸血氧事件、睡眠呼吸血氧联合信号、睡眠呼吸血氧联合特征、事件发生趋势和睡眠呼吸血氧辅助调节策略。

本实施例中，睡眠呼吸血氧辅助调节策略至少包括血氧目标值、呼吸频率目标值、呼吸深度目标值、调节方式、调节时点、持续时间和装置控制参数。

本实施例中，借助预设的睡眠呼吸知识库和预构建的专家系统，将睡眠呼吸血氧事件和事件发生趋势、血氧目标值、呼吸频率目标值输入专家系统，专家系统能够输出调节方式、调节时点、持续时间和装置控制参数等参数。值得一提的是，专家系统可以是传统的知识检索和应用系统，也可以是机器学习模型系统。

第五步、通过信号接口将睡眠呼吸血氧辅助调节策略发送至睡眠呼吸调节设备，优化睡眠呼吸调节设备运行控制。

本实施例中，睡眠呼吸调节设备至少包括呼吸机、气味刺激设备、电刺激设备、触觉刺激设备、环境温湿度调控设备和环境CO₂浓度调控设备中的任一项。

本实施例中，优先选择环境温湿度调控设备(智能空调)、气味刺激设备(智能香薰系统)作为睡眠呼吸调节设备。在实际应用场景中，睡眠呼吸调节设备只需要能够联网、参数接收解析和远程控制等就可以满足用户睡眠呼吸血氧辅助调节的基础要求。在实际应用场景中，需要根据用户具体情况和设施条件，选择不同的睡眠呼吸血氧辅助调节策略和睡眠呼吸调节设备。如用户出现较严重的睡眠呼吸事件或血氧事件应使用智能呼吸机来实现呼吸辅助。

P500：按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库。

第一步、按照预设报告周期，生成睡眠呼吸血氧评价及辅助调节报告。

本实施例中，睡眠呼吸血氧评价及辅助调节报告至少包括睡眠血氧信号、睡眠呼吸血氧事件的统计分析、睡眠呼吸血氧联合特征中关键特征指标曲线、睡眠时相曲线、检测量化和辅助调节总结以及睡眠呼吸优化建议。

第二步、根据用户场景需求，输出睡眠呼吸血氧评价及辅助调节报告。

在实际应用场景中，需要睡眠呼吸血氧评价及辅助调节报告的不同生成周期和不同输出方式，来满足多场景的用户需求。

第三步、按照预设数据更新策略，更新用户睡眠呼吸数据库。

本实施例中，采用预设数据更新策略是：无事件发生时，每1分钟更新一次用户睡眠呼吸数据库；有事件发生时，睡眠呼吸血氧辅助调节策略发送一次，即立即更新用户睡眠呼吸数据库。

结合图2所示，本发明实施例提供的一种睡眠呼吸血氧检测分析及辅助调节系统，包括以下模块：

呼吸血氧检测模块S100，用于采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

事件检测分析模块S200，用于对睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

事件强度调整模块S300，用于对睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比睡眠呼吸血氧事件的发生期间的特征相对变化，校正事件强度；

呼吸血氧调节模块S400，用于对睡眠呼吸血氧联合信号和睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

用户报告管理模块S500，用于按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新用户睡眠呼吸数据库；

数据运行管理模块S600，用于对系统的全部过程数据进行可视化管理、统一存储和运行管理。

本实施例中，呼吸血氧检测模块S100还包括以下功能单元：

睡眠呼吸检测单元，用于采集监测用户的睡眠呼吸行为并进行信号处理，得到睡眠呼吸信号；

睡眠血氧检测单元，用于采集监测用户的睡眠血氧水平并进行信号处理，得到睡眠血氧信号；

联合信号归集单元，用于将睡眠呼吸信号和睡眠血氧信号归集，得到睡眠呼吸血氧联合信号。

本实施例中，事件检测分析模块S200还包括以下功能单元：

呼吸事件识别单元，用于对睡眠呼吸信号进行事件检测分析，识别呼吸事件，得到睡眠呼吸事件；

血氧事件识别单元，用于对睡眠血氧信号进行事件检测分析，识别血氧事件，得到睡眠血氧事件；

事件强度计算单元，用于根据睡眠呼吸事件和睡眠呼吸信号、睡眠血氧事件和睡眠血氧信号，计算得到事件强度；

事件信息归集单元，用于按事件发生时序对睡眠呼吸事件、睡眠血氧事件和事件强度进行归集，得到睡眠呼吸血氧事件。

本实施例中，事件强度调整模块S300还包括以下功能单元：

联合特征分析单元，用于对睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征；

睡眠时相识别单元，用于根据睡眠呼吸血氧联合特征，识别睡眠时相，生成睡眠时相曲线；

特征变化分析单元，用于根据睡眠呼吸血氧事件的发生期间，对比睡眠呼吸血氧联合特征的特征相对变化，得到睡眠呼吸血氧联合事件特征变化量；

事件强度校正单元，用于根据睡眠时相和睡眠呼吸血氧联合事件特征变化量，校正事件强度。

本实施例中，呼吸血氧调节模块S400还包括以下功能单元：

趋势预测分析单元，用于对睡眠呼吸血氧联合信号和睡眠呼吸血氧联合特征进行预测分析，分别生成睡眠呼吸血氧联合预测信号和睡眠呼吸血氧联合预测特征；

事件检测分析单元，用于对睡眠呼吸血氧联合预测信号进行事件检测分析，识别睡眠呼吸血氧事件，得到睡眠呼吸血氧预测事件及事件预测强度；

事件发生预测单元，用于根据睡眠呼吸血氧预测事件和睡眠呼吸血氧联合预测特征，校正事件预测强度并识别得到事件发生趋势；

辅助策略生成单元，用于根据睡眠呼吸血氧预测事件和事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略；

策略发送控制单元，用于通过信号接口将睡眠呼吸血氧辅助调节策略发送至睡眠呼吸调节设备，优化睡眠呼吸调节设备运行控制。

本实施例中，用户报告管理模块S500还包括以下功能单元：

用户报告生成单元，用于按照预设报告周期，生成睡眠呼吸血氧评价及辅助调节报告；

用户报告输出单元，用于根据用户场景需求，输出睡眠呼吸血氧评价及辅助调节报告；

数据库更新单元，用于按照预设数据更新策略，更新用户睡眠呼吸数据库。

本实施例中，数据运行管理模块S600还包括以下功能单元：

用户信息管理单元，用于用户信息的登记输入、编辑、查询、输出和删除；

数据可视化管理单元，用于对系统中所有数据的可视化展现管理；

数据存储管理单元，用于对系统中所有数据的统一存储管理；

数据运营管理单元，用于对系统中所有数据的备份、迁移和导出。

所述系统被构造以用于对应执行图1的方法中的各个步骤，在此不再赘述。

结合图3所示，本发明实施例提供的一种睡眠呼吸血氧检测分析及辅助调节装置，包括以下模组：

呼吸血氧检测模组M100，用于采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

事件检测分析模组M200，用于对睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

事件强度调整模组M300，用于对睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比睡眠呼吸血氧事件的发生期间的特征相对变化，校正事件强度；

呼吸血氧调节模组M400，用于对睡眠呼吸血氧联合信号和睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

用户报告管理模组M500，用于按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新用户睡眠呼吸数据库；

数据可视化模组M600，用于对装置中所有过程数据和/或结果数据的统一可视化展示管理；

数据管理中心模组M700，用于对装置中所有过程数据和/或结果数据的统一存储和数据运营管理。

所述装置被构造以用于对应执行图1的方法中的各个步骤，在此不再赘述。

本发明还提供了可编程的各类处理器(FPGA、ASIC或其他集成电路)，所述处理器用于运行程序，其中，所述程序运行时执行上述实施例中的步骤。

本发明还提供了对应的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述存储器执行所述程序时实现上述实施例中的步骤。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和原则的前提下，可以在实施的形式及细节上进行任何的修改与变化、等同替换等，这些都属于本发明的保护范围。因此，本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (31)

1.一种睡眠呼吸血氧检测分析及辅助调节方法，其特征在于，包括以下步骤：

采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度；

对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库。

2.如权利要求1所述的方法，其特征在于，所述采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号的具体步骤还包括：

采集监测用户的睡眠呼吸行为并进行信号处理，得到所述睡眠呼吸信号；

采集监测用户的睡眠血氧水平并进行信号处理，得到所述睡眠血氧信号；

将所述睡眠呼吸信号和所述睡眠血氧信号归集，得到所述睡眠呼吸血氧联合信号。

3.如权利要求2所述的方法，其特征在于, 所述采集处理至少包括采集获取、模数转换、重采样、重参考、去伪迹、降噪、工频陷波、带通滤波、均值滤波、平滑处理和信号时窗分割。

4.如权利要求1或2所述的方法，其特征在于, 所述睡眠呼吸血氧联合信号至少包括所述睡眠呼吸信号和所述睡眠血氧信号；其中，所述睡眠呼吸信号至少包括口鼻温度监测信号、鼻压力监测信号、口鼻CO2监测信号、胸腹呼吸运动信号、心电衍生呼吸信号、咽喉肌电信号的任一项，所述睡眠血氧信号至少包括光电容积描记血氧信号、血氧水平依赖信号中的任一项。

5.如权利要求1所述的方法，其特征在于, 所述对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度的具体步骤还包括：

对所述睡眠呼吸信号进行事件检测分析，识别呼吸事件，得到睡眠呼吸事件；

对所述睡眠血氧信号进行事件检测分析，识别血氧事件，得到睡眠血氧事件；

根据所述睡眠呼吸事件和所述睡眠呼吸信号、所述睡眠血氧事件和所述睡眠血氧信号，计算得到所述事件强度；

按事件发生时序对所述睡眠呼吸事件、所述睡眠血氧事件和所述事件强度进行归集，得到所述睡眠呼吸血氧事件。

6.如权利要求5所述的方法，其特征在于，所述事件检测分析具体为根据预设睡眠呼吸-血氧事件知识库和/或机器学习模型，对所述睡眠呼吸信号或所述睡眠血氧信号进行波形特征识别和标记提取，得到所述睡眠呼吸事件或所述睡眠血氧事件的基本事件信息。

7.如权利要求6所述的方法，其特征在于，所述基本事件信息至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间。

8.如权利要求5所述的方法，其特征在于，所述睡眠呼吸血氧事件具体由所述睡眠呼吸事件和所述睡眠血氧事件构成，至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间、事件强度。

9.如权利要求5所述的方法，其特征在于，所述事件强度具体由所述睡眠呼吸事件和所述睡眠血氧事件的持续时长、起始时间、结束时间、峰谷值和峰谷值处相对时间，以及睡眠呼吸血氧特征幅度变化和睡眠时相来决定。

10.如权利要求5或9所述的方法，其特征在于，所述事件强度的初步生成方法包括：

1）分别获取所述睡眠呼吸事件、所述睡眠血氧事件的起始时间和结束时间，计算两个事件的起始时间的时间差和结束时间的时间差的比值，得到呼吸血氧事件延时比；

2）获取所述睡眠血氧事件的起始时间、结束时间、持续时长、峰谷值和峰谷值处时间，以及预设睡眠血氧信号阈值；

3）计算所述睡眠血氧事件的峰谷值和预预设睡眠血氧信号阈值的相对变化量，得到峰谷相对值；

4）根据所述睡眠血氧事件的起始时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷前沿斜率；

5）根据所述睡眠血氧事件的结束时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷后沿斜率；

6）根据所述睡眠呼吸事件的持续时长、所述睡眠血氧事件的持续时长、所述呼吸血氧事件延时比、所述峰谷相对值、所述峰谷前沿斜率、所述峰谷后沿斜率的数值融合计算，得到所述事件强度。

11.如权利要求1所述的方法，其特征在于，所述对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度的具体步骤还包括：

对所述睡眠呼吸血氧联合信号进行特征分析，得到所述睡眠呼吸血氧联合特征；

根据所述睡眠呼吸血氧联合特征，识别睡眠时相，生成睡眠时相曲线；

根据所述睡眠呼吸血氧事件的发生期间，对比所述睡眠呼吸血氧联合特征的特征相对变化，得到睡眠呼吸血氧联合事件特征变化量；

根据所述睡眠时相和所述睡眠呼吸血氧联合事件特征变化量，校正所述事件强度。

12.如权利要求11所述的方法，其特征在于，所述特征分析包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析至少一者；其中，数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度至少一者，所述时频特征包括频带功率、频带功率占比和频带中心频率至少一者，所述非线性特征包括熵特征、分形特征和复杂度特征至少一者。

13.如权利要求11所述的方法，其特征在于，所述睡眠呼吸血氧联合特征至少包括睡眠呼吸特征、睡眠血氧特征；所述睡眠呼吸特征至少包括呼吸频率、所述睡眠呼吸信号的数值特征和时频特征；所述睡眠血氧特征至少包括脉搏特征、PPG血氧水平特征和BOLD血氧水平特征中的任一项，所述BOLD血氧水平特征至少包括含氧血红蛋白浓度特征和脱氧血红蛋白浓度特征。

14.如权利要求11所述的方法，其特征在于，所述睡眠时相至少包括清醒期、浅睡眠期、深睡眠期和快动眼睡眠期；所述睡眠时相和所述睡眠时相曲线的生成方法包括：

1）通过机器学习对规模睡眠用户样本的所述睡眠呼吸血氧联合特征及其对应睡眠分期数据进行学习训练和数据建模，得到睡眠时相分期模型；

2）将当前用户的所述睡眠呼吸血氧联合特征输入所述睡眠时相分期模型，得到所对应的所述睡眠时相分期；

3）按照时序提取全部信号时窗的所述睡眠时相的数值，得到所述睡眠时相曲线。

15.如权利要求14所述的方法，其特征在于，所述事件强度的校正方法包括：

1）获取所述睡眠时相，根据预设睡眠时相-修正系数对照表，提取睡眠时相修正系数；

2）获取所述睡眠呼吸血氧联合事件特征变化量，确定并选择目标特征的特征变化量，通过数值加权计算，得到事件特征相对变化系数；

3）用所述事件特征相对变化系数、所述睡眠时相修正系数的数值乘积去校正初始生成的所述事件强度，得到校正后的所述事件强度。

16.如权利要求1所述的方法，其特征在于，所述对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备的具体步骤还包括：

对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，分别生成睡眠呼吸血氧联合预测信号和睡眠呼吸血氧联合预测特征；

对所述睡眠呼吸血氧联合预测信号进行事件检测分析，识别所述睡眠呼吸血氧事件，得到所述睡眠呼吸血氧预测事件及事件预测强度；

根据所述睡眠呼吸血氧预测事件和所述睡眠呼吸血氧联合预测特征，校正所述事件预测强度并识别得到所述事件发生趋势；

根据所述睡眠呼吸血氧预测事件和所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成所述睡眠呼吸血氧辅助调节策略；

通过信号接口将所述睡眠呼吸血氧辅助调节策略发送至所述睡眠呼吸调节设备，优化所述睡眠呼吸调节设备运行控制。

17.如权利要求16所述的方法，其特征在于，所述预测分析的方法至少包括指数平滑法、Holt-Winters法、AR、MA、ARMA、ARIMA、SARIMA、SARIMAX、VAR、VARMA、VARMAX、机器学习中的任一项。

18.如权利要求16所述的方法，其特征在于，所述事件发生趋势至少包括事件发生类型、事件发生概率和事件发生强度；所述事件发生趋势由机器学习对所述睡眠呼吸事件、所述睡眠血氧事件相关的所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联特征等规模睡眠用户样本数据进行学习训练、数据建模和分析计算后得到。

19.如权利要求1或16所述的方法，其特征在于，所述睡眠呼吸知识库来自睡眠呼吸相关的健康管理和临床医学的知识经验，至少包括睡眠呼吸-血氧规律、常见睡眠呼吸-血氧事件特征、常用睡眠呼吸调节方法及场景干预参数指导任一项；所述用户睡眠呼吸数据库至少包括所述睡眠呼吸血氧事件、所述睡眠呼吸血氧联合信号、所述睡眠呼吸血氧联合特征、所述事件发生趋势和所述睡眠呼吸血氧辅助调节策略任一项。

20.如权利要求16所述的方法，其特征在于，所述睡眠呼吸血氧辅助调节策略包括血氧目标值、呼吸频率目标值、呼吸深度目标值、调节方式、调节时点、持续时间和装置控制参数至少一项。

21.如权利要求18或19所述的方法，其特征在于，所述睡眠呼吸调节设备至少包括呼吸机、气味刺激设备、电刺激设备、触觉刺激设备、环境温湿度调控设备和环境浓度调控设备中的任一项。

22.如权利要求1所述的方法，其特征在于，所述按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库的具体步骤还包括：

按照预设报告周期，生成所述睡眠呼吸血氧评价及辅助调节报告；

根据用户场景需求，输出所述睡眠呼吸血氧评价及辅助调节报告；

按照预设数据更新策略，更新所述用户睡眠呼吸数据库。

23.如权利要求18所述的方法，其特征在于，所述睡眠呼吸血氧评价及辅助调节报告包括所述睡眠血氧信号、所述睡眠呼吸血氧事件的统计分析、所述睡眠呼吸血氧联合特征中关键特征指标曲线、睡眠时相曲线、检测量化和辅助调节总结以及睡眠呼吸优化建议至少一项。

24.一种睡眠呼吸血氧检测分析及辅助调节系统，其特征在于，包括以下模块：

呼吸血氧检测模块，用于采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

事件检测分析模块，用于对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

事件强度调整模块，用于对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度；

呼吸血氧调节模块，用于对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

用户报告管理模块，用于按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库；

数据运行管理模块，用于对所述系统的全部过程数据进行可视化管理、统一存储和运行管理。

25.如权利要求24所述的系统，其特征在于，所述呼吸血氧检测模块还包括以下功能单元：

睡眠呼吸检测单元，用于采集监测用户的睡眠呼吸行为并进行信号处理，得到所述睡眠呼吸信号；

睡眠血氧检测单元，用于采集监测用户的睡眠血氧水平并进行信号处理，得到所述睡眠血氧信号；

联合信号归集单元，用于将所述睡眠呼吸信号和所述睡眠血氧信号归集，得到所述睡眠呼吸血氧联合信号。

26.如权利要求24所述的系统，其特征在于，所述事件检测分析模块还包括以下功能单元：

呼吸事件识别单元，用于对所述睡眠呼吸信号进行事件检测分析，识别呼吸事件，得到睡眠呼吸事件；

血氧事件识别单元，用于对所述睡眠血氧信号进行事件检测分析，识别血氧事件，得到睡眠血氧事件；

事件强度计算单元，用于根据所述睡眠呼吸事件和所述睡眠呼吸信号、所述睡眠血氧事件和所述睡眠血氧信号，计算得到所述事件强度；

事件信息归集单元，用于按事件发生时序对所述睡眠呼吸事件、所述睡眠血氧事件和所述事件强度进行归集，得到所述睡眠呼吸血氧事件。

27.如权利要求24-26任一项所述的系统，其特征在于，所述事件强度调整模块还包括以下功能单元：

联合特征分析单元，用于对所述睡眠呼吸血氧联合信号进行特征分析，得到所述睡眠呼吸血氧联合特征；

睡眠时相识别单元，用于根据所述睡眠呼吸血氧联合特征，识别睡眠时相，生成睡眠时相曲线；

特征变化分析单元，用于根据所述睡眠呼吸血氧事件的发生期间，对比所述睡眠呼吸血氧联合特征的特征相对变化，得到睡眠呼吸血氧联合事件特征变化量；

事件强度校正单元，用于根据所述睡眠时相和所述睡眠呼吸血氧联合事件特征变化量，校正所述事件强度。

28.如权利要求27所述的系统，其特征在于，所述呼吸血氧调节模块还包括以下功能单元：

趋势预测分析单元，用于对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，分别生成睡眠呼吸血氧联合预测信号和睡眠呼吸血氧联合预测特征；

事件检测分析单元，用于对所述睡眠呼吸血氧联合预测信号进行事件检测分析，识别所述睡眠呼吸血氧事件，得到所述睡眠呼吸血氧预测事件及事件预测强度；

事件发生预测单元，用于根据所述睡眠呼吸血氧预测事件和所述睡眠呼吸血氧联合预测特征，校正所述事件预测强度并识别得到所述事件发生趋势；

辅助策略生成单元，用于根据所述睡眠呼吸血氧预测事件和所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成所述睡眠呼吸血氧辅助调节策略；

策略发送控制单元，用于通过信号接口将所述睡眠呼吸血氧辅助调节策略发送至所述睡眠呼吸调节设备，优化所述睡眠呼吸调节设备运行控制。

29.如权利要求24所述的系统，其特征在于，所述用户报告管理模块还包括以下功能单元：

用户报告生成单元，用于按照预设报告周期，生成所述睡眠呼吸血氧评价及辅助调节报告；

用户报告输出单元，用于根据用户场景需求，输出所述睡眠呼吸血氧评价及辅助调节报告；

数据库更新单元，用于按照预设数据更新策略，更新所述用户睡眠呼吸数据库。

30.如权利要求24所述的系统，其特征在于，所述数据运行管理模块还包括以下功能单元：

用户信息管理单元，用于用户信息的登记输入、编辑、查询、输出和删除；

数据可视化管理单元，用于对所述系统中所有数据的可视化展现管理；

数据存储管理单元，用于对所述系统中所有数据的统一存储管理；

数据运营管理单元，用于对所述系统中所有数据的备份、迁移和导出。

31.一种睡眠呼吸血氧检测分析及辅助调节装置，其特征在于，包括以下模组：

呼吸血氧检测模组，用于采集处理用户睡眠过程中的睡眠呼吸信号和睡眠血氧信号，得到睡眠呼吸血氧联合信号；

事件检测分析模组，用于对所述睡眠呼吸血氧联合信号进行事件检测分析，识别呼吸事件和血氧事件，提取睡眠呼吸血氧事件及事件强度；

事件强度调整模组，用于对所述睡眠呼吸血氧联合信号进行特征分析，得到睡眠呼吸血氧联合特征并对比所述睡眠呼吸血氧事件的发生期间的特征相对变化，校正所述事件强度；

呼吸血氧调节模组，用于对所述睡眠呼吸血氧联合信号和所述睡眠呼吸血氧联合特征进行预测分析，识别睡眠呼吸血氧预测事件及事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸血氧辅助调节策略并通过信号接口发送睡眠呼吸调节设备；

用户报告管理模组，用于按照预设周期或策略，生成并输出睡眠呼吸血氧评价及辅助调节报告，更新所述用户睡眠呼吸数据库；

数据可视化模组，用于对所述装置中所有过程数据和/或结果数据的统一可视化展示管理；

数据管理中心模组，用于对所述装置中所有过程数据和/或结果数据的统一存储和数据运营管理。