TW201328663A - 分類生理資料以判斷是否存在睡眠障礙之系統及其方法 - Google Patents

Abstract

一種分類生理資料以判斷是否存在睡眠障礙之系統及其方法，其透過在根據生理資料的特徵資料分類特徵資料後，依據生理資料的分類判斷受測者是否患有相對應之睡眠障礙的技術手段，可以快速判斷受測者是否患有睡眠障礙，並達成自動判斷受測者患有之睡眠障礙的技術功效。

Description

分類生理資料以判斷是否存在睡眠障礙之系統及其方法

一種判斷睡眠障礙之系統及其方法，特別係指一種分類生理資料以判斷是否存在睡眠障礙之系統及其方法。

睡眠和飲食一樣都是基本生理需求，每個人都需要睡眠，因此，在正常情況下，人不應該失眠。但實際上，由睡眠障礙門診的看診數可知，患有睡眠障礙的病人不在少數，一旦人長期無法由良好的睡眠中獲得充分休息時，將會感到非常疲憊且容易焦慮與憂慮，甚至影響角色功能以及危害健康。

若人們要判斷自己是否患有睡眠障礙，目前最主要的方式是使用多項生理測量儀(polysomnography)，多項生理測量儀可以測量睡眠時的呼吸暫停以及呼吸變淺的次數與型態、缺氧指數與次數、心電圖訊號、口鼻腔氣流、胸部腹部之呼吸運動、血液含氧量、打鼾次數等生理資料，並依照受測者的狀況額外增加其他儀器以測量其他生理資料，因此，使用多項生理測量儀測量睡眠時之生理資料，將對睡眠障礙的診斷具有相當大的幫助。

不過，即使多項生理測量儀，要測量出人們是否患有睡眠障礙還是需要長時間、多次性的使用多項生理測量儀進行睡眠時之生理參數的測量，然而，多項生理測量儀的體積非常巨大、非常昂貴且操作複雜，因此多項生理測量儀通常只有醫療單位或研究單位才會使用，如此，受測者必須親自至醫療單位或研究單位才能夠使用多項生理測量儀測量睡眠時的生理狀態，故長期性、多次性的測量對受測者並不方便。

綜上所述，可知先前技術中長期以來一直存在需要長期且多次的測量睡眠時之生理資料才能判斷是否患有睡眠障礙的問題，因此有必要提出改進的技術手段，來解決此一問題。

有鑒於先前技術存在需要長期且多次的測量睡眠時之生理資料才能判斷是否患有睡眠障礙的問題，本發明遂揭露一種分類生理資料以判斷是否存在睡眠障礙之系統及其方法，其中：本發明所揭露之分類生理資料以判斷是否存在睡眠障礙之系統，至少包含：資料讀取模組，用以讀取受測者於睡眠時所測得之生理資料；特徵產生模組，用以依據生理資料產生特徵資料；資料分類模組，用以依據各特徵資料分類生理資料；睡眠障礙判斷模組，用以依據生理資料之各分類判斷受測者是否患有相對應之睡眠障礙。

本發明所揭露之分類生理資料以判斷是否存在睡眠障礙之方法，其步驟至少包括：讀取受測者於睡眠時所測得之生理資料；依據生理資料產生特徵資料；分別依據各特徵資料分類生理資料；依據生理資料之各分類判斷受測者是否患有相對應之睡眠障礙。

本發明所揭露之系統與方法如上，與先前技術之間的差異在於本發明透過在根據生理資料的特徵資料分類特徵資料後，依據生理資料的分類判斷受測者是否患有相對應之睡眠障礙，藉以解決先前技術所存在的問題，並可以達成自動判斷受測者患有之睡眠障礙的技術功效。

以下將配合圖式及實施例來詳細說明本發明之特徵與實施方式，內容足以使任何熟習相關技藝者能夠輕易地充分理解本發明解決技術問題所應用的技術手段並據以實施，藉此實現本發明可達成的功效。

本發明可以在取得受測者於睡眠時所測得之生理資料後，依據由生理資料所產生的特徵資料分類生理資料，藉以判斷判斷受測者是否患有睡眠障礙。其中，本發明所提之睡眠障礙包含但不限於睡眠呼吸暫停或呼吸不足等睡眠相關呼吸障礙、以及嗜睡症等可能影響睡眠品質的症狀。

本發明所提之生理資料為對個體進行特定測量後所得到的資料，例如，心跳數、呼吸數、體溫、血壓、肢體動作等，也可以如腦波圖、心電圖、聲音反射訊號、光反射訊號、血氧濃度、二氧化碳濃度、皮膚傳導性、眼球活動狀況、眼瞼活動狀況、身體末梢血管之體積/容積等，甚至可以是由上述各資料任意組成之集合，但並不以此為限。

本發明所提之特徵資料可以為由生理資料依據時間所形成之波形中所辨識的資料，例如，振幅410、頻率/週期420、間隔時間450、持續時間460等，如「第1圖」所示，或是上述各種資料所形成之集合。

以下先以「第2A圖」本發明所提之分類生理資料以判斷是否存在睡眠障礙之系統架構圖來說明本發明的系統運作。如「第2A圖」所示，本發明之系統含有感測器110、資料讀取模組130、特徵產生模組150、資料分類模組160以及睡眠障礙判斷模組170。

感測器110負責在受測者進行睡眠過程中測量受測者的生理資料。感測器110可以為侵入式或非侵入式的裝置，當感測器110為侵入式時，感測器110將全部或部分埋入受測者的體內；而當感測器110為非侵入式時，感測器110可能與受測者接觸，例如血壓計、溫度計、腦波測量裝置、心電圖測量裝置等裝置都可能與受測者接觸，感測器110也可能不需與受測者接觸，例如動作感測裝置、震動感測器等不需要與受測者接觸的裝置。

資料讀取模組130負責以有線或無線之方式與感測器連接，藉以讀取感測器110所測量到之生理資料。

事實上，感測器110並不是本發明的必要元件，如「第2B圖」所示，感測器110以及儲存媒體120為本發明外部的元件，在感測器110在受測者睡眠過程中測量到受測者的生理資料後，感測器110會將測量到的生理資料儲存至儲存媒體120中。因此，在如「第2B圖」所示之系統架構下，資料讀取模組130會以有線或無線之方式至儲存媒體120中讀取感測器110所測量到之生理資料，而不會直接取得感測器110所測量到的生理資料。

特徵產生模組150負責依據資料讀取模組130所讀取到之生理資料產生一種或多種特徵資料，每一種特徵資料中包含一個或多個特徵值。舉例來說，若感測器110測量受測者的呼吸，使得資料讀取模組130取得呼吸的生理資料(呼吸資料)，特徵產生模組150可以依據資料讀取模組130所讀取到之呼吸資料中的每一次呼吸計算一個週期(兩次吸入或呼出氣體的間隔時間)作為一個特徵值，由於呼吸資料通常包含多次呼吸，因此，特徵產生模組150將由多次呼吸計算多個週期，這些計算出之多個頻率/週期即可以組合為一種特徵資料，同樣的，特徵產生模組150也可以由呼吸資料中的每一次呼吸計算該次呼吸的振幅(吸入或呼出之氣體的體積)、持續時間(開始吸入氣體至結束呼出氣體的時間)等特徵值，藉以組合產生呼吸資料的振幅、持續時間等特徵資料。其中，特徵產生模組150可以使用Otsu影像二元化演算法處理生理資料，藉以產生生理資料對應時間所形成之波形，使得特徵產生模組150可以更容易的由所產生之波形計算產生上述各種特徵資料。

特別需要一提的是，特徵產生模組150所產生之特徵資料會與睡眠障礙判斷模組170能夠判斷之睡眠障礙相對應。例如，當某種睡眠障礙可以由週期進行判斷時，特徵產生模組150便會產生生理資料的週期作為特徵資料。

另外，特徵產生模組150也可以由生理資料對應時間所形成之波形的每個週期中，分別抽取一個波形片段或多個波形片段，並依據對每個周期所抽取的波形片段分別產生與該週期對應的一個特徵資料，或是由所有被抽取的波形片段產生一個特徵資料。

資料分類模組160負責依據特徵產生模組150所產生之各種特徵資料，對資料讀取模組130所讀取到之生理資料進行分類。在某些實施例中，資料分類模組160可以依據特徵產生模組150所產生之各個特徵資料中的特徵值計算分別與各個特徵資料對應的統計值，例如依據各個特徵資料中所有特徵值所計算出的中位數或各種平均數，並依據計算出之與各個特徵資料對應的統計值分類產生出該些特徵資料的生理資料，例如，在生理資料為呼吸資料時，資料分類模組160可以依據振幅的統計值分類受測者的呼吸(生理資料)是深或淺，也可以依週期的據統計值或持續時間的據統計值判斷受測者呼吸(生理資料)是快或慢。但資料分類模組160依據特徵資料分類生理資料之方式並不以上述為限。

睡眠障礙判斷模組170負責依據生理資料的各種分類判斷受測者是否患有特定的睡眠障礙。在部分的實施例中，睡眠障礙判斷模組170可以在預先建立的對應表中查找符合各種分類所對應的睡眠障礙，或是以預定的判斷流程對各種分類判斷睡眠障礙，但睡眠障礙判斷模組170依據生理資料的各種分類判斷睡眠障礙的方式並不以上述為限。

接著以一個實施例來解說本發明的運作系統與方法，並請參照「第3A圖」本發明所提之分類生理資料以判斷是否存在睡眠障礙之方法流程圖。在本實施例中，假設感測器110測量受測者的呼吸，也就是說，在本實施例中之生理資料為與呼吸相關的各種資料，例如每一次吸氣/吐氣的時間點、氣體的體積、氣體的組成成分與比例等，但本發明並不以此為限。

在本實施例中，感測器110可以包含在本發明之系統中，如「第2A圖」所示，如此，若受測者欲使用本發明進行睡眠障礙的檢測，則受測者需要進行睡眠，感測器110可以在受測者睡眠的過程中測量受測者的生理資料(步驟301)，也就是測量受測者在睡眠中的呼吸所產生的呼吸資料，如此，資料讀取模組130可以直接讀取感測器110所測量到之受測者的呼吸資料(步驟310)，藉以提供給後續進行睡眠障礙的判斷。

另外，感測器110也可以不包含在本發明之系統中，如「第2B圖」所示，如此，受測者可以在進行睡眠障礙的檢測前，先由感測器110測量受測者在睡眠中的呼吸以產生生理資料，並將所測得之受測者在睡眠中的生理資料(也就是呼吸資料)儲存到儲存媒體120中，如此，在受測者欲使用本發明進行睡眠障礙的檢測時，資料讀取模組130可以至本發明之系統外部的儲存媒體120中讀取受測者在睡眠過程中被測量出的呼吸資料(步驟310)。

不論感測器110是否包含在本發明之系統中，在資料讀取模組130讀取受測者在睡眠過程中所測得的生理資料(步驟310)後，特徵產生模組150可以依據資料讀取模組130所讀取之生理資料產生特徵資料(步驟330)。在本實施例中，假設特徵產生模組150會分別計算呼吸資料(生理資料)中，受測者每一次呼吸的週期、每一次呼出或吸入之氣體的體積、每一次呼氣或吸氣的持續時間等特徵值，如此，受測者每次呼吸的週期的集合便可以組成表示呼吸週期的特徵資料，相同的，每次呼出/吸入氣體的體積的集合、每次呼氣/吸氣的持續時間的集合可以分別組成表示呼出或吸入氣體之體積以及呼氣或吸氣之持續時間的特徵資料。

事實上，特徵產生模組150可以使用「第3B圖」所示之流程，根據呼吸資料中有關呼出/吸入氣體的時間、呼出/吸入氣體的體積等資料產生相對應的波形圖，並對所產生之波形圖中的每一個週期抽取一個波形片段或多個波形片段(步驟332)，例如抽取接近波峰或波谷的波形片段，及/或抽取由正值開始上升或下降為零的波形片段，並依據抽取出的波形片段計算受測者每一次呼吸的週期、每一次呼出或吸入之氣體的體積、每一次呼氣或吸氣的持續時間等特徵值(步驟336)，藉以由各個特徵值組成分別表示呼吸週期、呼出/吸入氣體之體積、呼氣/吸氣之持續時間的特徵資料。

在特徵產生模組150依據生理資料產生特徵資料(步驟330)後，資料分類模組160可以依據特徵產生模組150所產生之各種特徵資料分類資料讀取模組130所讀取之生理資料(步驟350)。在本實施例中，假設資料分類模組160可以如「第3C圖」所示之流程，依據特徵產生模組150所產生之表示呼吸週期、呼出/吸入氣體之體積、呼氣/吸氣之持續時間等多種特徵資料中所包含的各個特徵值，分別計算與各種特徵資料對應的中位數或平均數等統計值(步驟352)，之後，資料分類模組160可以依據所計算出之與各種特徵資料對應的中位數或平均數等統計值與相對應之門檻值的比值，將生理資料分類至呼吸快以及呼吸淺兩個分類(步驟356)，如此便完成生理資料的分類。

在資料分類模組160依據特徵資料分類生理資料(步驟350)後，睡眠障礙判斷模組170可以依據生理資料被資料分類模組160所分類到之分類的組合判斷受測者是否患有與特徵產生模組產生之特徵資料相對應的睡眠障礙(步驟370)。在本實施例中，由於生理資料被分類到呼吸快以及呼吸淺兩個分類，因此，睡眠障礙判斷模組170可以至預先建立的對應表中查找符合呼吸快以及呼吸淺兩個分類的睡眠障礙，若睡眠障礙判斷模組170查找到符合呼吸快以及呼吸淺兩個分類的睡眠障礙，則睡眠障礙判斷模組170便會判斷受測者患有被查找出的睡眠障礙，而若睡眠障礙判斷模組170未查找到符合呼吸快以及呼吸淺兩個分類的睡眠障礙，則睡眠障礙判斷模組170可以判斷受測者未患目前可以檢測出的睡眠障礙。如此，受測者可以只測量一次睡眠中的生理資料，便可以透過本發明得知是否患有睡眠障礙。

綜上所述，可知本發明與先前技術之間的差異在於具有在根據生理資料的特徵資料分類特徵資料後，依據生理資料的分類判斷受測者是否患有相對應之睡眠障礙之技術手段，藉由此一技術手段可以解決先前技術所存在需要長期且多次的測量睡眠時之生理資料才能判斷是否患有睡眠障礙的問題，進而達成自動判斷受測者患有之睡眠障礙的技術功效。

再者，本發明之分類生理資料以判斷是否存在睡眠障礙之方法，可實現於硬體、軟體或硬體與軟體之組合中，亦可在電腦系統中以集中方式實現或以不同元件散佈於若干互連之電腦系統的分散方式實現。

雖然本發明所揭露之實施方式如上，惟所述之內容並非用以直接限定本發明之專利保護範圍。任何本發明所屬技術領域中具有通常知識者，在不脫離本發明所揭露之精神和範圍的前提下，對本發明之實施的形式上及細節上作些許之更動潤飾，均屬於本發明之專利保護範圍。本發明之專利保護範圍，仍須以所附之申請專利範圍所界定者為準。

110．．．感測器

120．．．儲存媒體

130．．．資料讀取模組

150．．．特徵產生模組

160．．．資料分類模組

170．．．睡眠障礙判斷模組

410．．．振幅

420．．．週期

450．．．間隔時間

460．．．持續時間

步驟301　測量受測者於睡眠時之生理資料

步驟310　讀取受測者於睡眠時所測得之生理資料

步驟330　依據生理資料產生特徵資料

步驟332　由生理資料之每一週期中分別抽取一個波形片段或多個波形片段

步驟336　依據波形片段產生被組合為特徵資料之特徵值

步驟350　分別依據各特徵資料分類生理資料

步驟352　依據各特徵資料所包含之特徵值分別計算與各特徵資料對應之各統計值

步驟356　依據各統計值分類生理資料

步驟370　依據生理資料之各分類判斷受測者是否患有相對應之睡眠障礙

第1圖為本發明實施例所提之波形圖。

第2A圖為本發明所提之分類生理資料以判斷是否存在睡眠障礙之系統架構圖。

第2B圖為本發明所提之另一種分類生理資料以判斷是否存在睡眠障礙之系統架構圖。

第3A圖為本發明所提之分類生理資料以判斷是否存在睡眠障礙之方法流程圖。

第3B圖為本發明所提之產生特徵資料之詳細方法流程圖。

第3C圖為本發明所提之分類生理資料之詳細方法流程圖。

步驟301　測量受測者於睡眠時之生理資料

步驟310　讀取受測者於睡眠時所測得之生理資料

步驟330　依據生理資料產生特徵資料

步驟350　分別依據各特徵資料分類生理資料

步驟370　依據生理資料之各分類判斷受測者是否患有相對應之睡眠障礙

Claims (10)

1. 一種分類生理資料以判斷是否存在睡眠障礙之方法，該方法至少包含下列步驟：讀取一受測者於睡眠時所測得之一生理資料；依據該生理資料產生至少一特徵資料；分別依據各該特徵資料分類該生理資料；及依據該生理資料之各分類判斷該受測者是否患有相對應之睡眠障礙。
2. 如申請專利範圍第1項所述之分類生理資料以判斷是否存在睡眠障礙之方法，其中該方法於該讀取該受測者於睡眠時所測得之該生理資料之步驟前，更包含測量該受測者於睡眠時之該生理資料之步驟。
3. 如申請專利範圍第1項所述之分類生理資料以判斷是否存在睡眠障礙之方法，其中該依據該生理資料產生至少一該特徵資料之步驟更包含由該生理資料之每一週期中分別抽取一個波形片段或多個波形片段，並依據該些波形片段產生被組合為該特徵資料之至少一特徵值之步驟。
4. 如申請專利範圍第1項所述之分類生理資料以判斷是否存在睡眠障礙之方法，其中該依據各該特徵資料分類該生理資料之步驟，更包含依據各該特徵資料所包含之多個特徵值分別計算與各該特徵資料對應之各統計值，並依據各該統計值分類該生理資料之步驟。
5. 一種分類生理資料以判斷是否存在睡眠障礙之系統，該系統至少包含：一資料讀取模組，用以讀取一受測者於睡眠時所測得之一生理資料；一特徵產生模組，用以依據該生理資料產生至少一特徵資料；一資料分類模組，用以依據各該特徵資料分類該生理資料；及一睡眠障礙判斷模組，用以依據該生理資料之各該分類判斷該受測者是否患有相對應之睡眠障礙。
6. 如申請專利範圍第5項所述之分類生理資料以判斷是否存在睡眠障礙之系統，其中該系統更包含一感測器，用以測量該生理資料。
7. 如申請專利範圍第5項所述之分類生理資料以判斷是否存在睡眠障礙之系統，其中該特徵資料為該生理資料之頻率/週期、振幅、間隔時間及持續時間所形成之集合。
8. 如申請專利範圍第5項所述之分類生理資料以判斷是否存在睡眠障礙之系統，其中該特徵產生模組更用以由該生理資料之每一週期中分別抽取一個波形片段或多個波形片段，並依據該些波形片段產生被組合為該特徵資料之至少一特徵值。
9. 如申請專利範圍第5項所述之分類生理資料以判斷是否存在睡眠障礙之系統，其中該特徵產生模組是使用Otsu影像二元化演算法產生該生理資料之波形。
10. 如申請專利範圍第5項所述之分類生理資料以判斷是否存在睡眠障礙之系統，其中該資料分類模組是依據各該特徵資料所包含之多個特徵值分別計算與各該特徵資料對應之各統計值，並依據各該統計值分類該生理資料。