TW201436764A - 睡眠呼吸中止症睡眠品質評估裝置 - Google Patents

睡眠呼吸中止症睡眠品質評估裝置 Download PDF

Info

Publication number
TW201436764A
TW201436764A TW102109794A TW102109794A TW201436764A TW 201436764 A TW201436764 A TW 201436764A TW 102109794 A TW102109794 A TW 102109794A TW 102109794 A TW102109794 A TW 102109794A TW 201436764 A TW201436764 A TW 201436764A
Authority
TW
Taiwan
Prior art keywords
sleep
sleep quality
sleep apnea
apnea
eeg
Prior art date
Application number
TW102109794A
Other languages
English (en)
Inventor
Jian-Zhang Xu
Jie-Han Wu
Original Assignee
Jian-Zhang Xu
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 Jian-Zhang Xu filed Critical Jian-Zhang Xu
Priority to TW102109794A priority Critical patent/TW201436764A/zh
Publication of TW201436764A publication Critical patent/TW201436764A/zh

Links

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本發明之睡眠呼吸中止症睡眠品質評估裝置，基本上係由一特徵擷取器及睡眠品質評估器所整合構成，主要由特徵擷取器接收阻塞型睡眠呼吸中止症患者之腦電圖(EEG)及心電圖(ECG)訊號，並取出阻塞型睡眠呼吸中止症患者整晚發生睡眠呼吸中止事件次數、睡眠呼吸中止事件持續時間及睡眠呼吸中止事件Delta波比例等特徵，再將此訊號特徵傳輸至睡眠品質評估器，於睡眠品質評估器接收後，透過模糊計算依據所接收之訊號特徵來判別阻塞型睡眠呼吸中止症之睡眠品質等級。俾達到以非侵入式的生理訊號，客觀性的分析阻塞型睡眠呼吸中止症患者在睡眠呼吸中止症治療前、後，對於睡眠品質上是否有效改善之目的。

Description

睡眠呼吸中止症睡眠品質評估裝置
本發明係有關一種用以評估睡眠品質的裝置，特別是指一種利用非侵入式的生理訊號，客觀性的分析阻塞型睡眠呼吸中止症患者在睡眠呼吸中止症治療前、後，對於睡眠品質上是否有效改善之睡眠呼吸中止症睡眠品質評估裝置。
按，阻塞型睡眠呼吸中止症(Obstructive Sleep Apnea,OSA)為普遍常見的睡眠疾病之一，主因為病患入睡後，肌肉放鬆，喉部肌肉鬆弛壓縮到呼吸道，造成缺氧及窒息的狀況。目前診斷睡眠呼吸中止症大多抓取多導睡眠圖(Polysomnogram,PSG)中的腦電圖(Electroencephalogram,EEG)、心電圖(Electrocardiogram,ECG)、肌電圖(Electromyogram,EMG)及血氧濃度(SaO2)等等的生理訊號來做分析診斷。
現有睡眠呼吸中止症治療方式主要有口腔矯正器、手術治療、藥物治療及正壓呼吸器(Continuous positive airway pressure,CPAP)；其中，口腔矯正器是將調整型的牙套袋上，利用牙套將鬆弛的肌肉撐起，缺點在於只適合中度以下睡眠呼吸中止症病患使用，重度病患並無法有效改善；對於病患來說，手術及正壓呼吸器治療有一定程度的改善，雖然手術治療效果與正壓呼吸器治療差異不大，但手術治療可能產生的副作用較多，所以一般人較能接受正壓呼吸器治療勝過於手術治療。
正壓呼吸器治療方式是讓病患戴上一個口罩式的治療器，此治療器會定時的將氣壓往患者氣管輸送，依照患者的適應及嚴重程度，調整不同的氣壓滴定值；正壓呼吸器治療對於不僅對於阻塞型睡眠呼吸中止症病患有一定程度的改善，且對於心血管疾病患者也能夠改善病況；再者，正壓呼吸器治療方式屬於非侵入式的治療方式且副作用較小，是較為理想的醫療方式，且對於心臟病、心血管疾病及高血壓患者也能有效改善 症狀，另有研究發現長期正壓呼吸器治療的確有效改善心臟病患者的狀況，許多充血性心臟衰竭(Congestive Heart Failure)病人在使用正壓呼吸器治療之後心跳變異率和副交感神經活動會增加，甚至在經過正壓呼吸器治療後可以將高血壓的情況改善。
雖然正壓呼吸器是一個好的治療方式，但治療時間通常都是在夜晚病人進入睡眠後，如果病人並沒有白天嗜睡或心血管疾病，他並沒有辦法自己主觀上得知到底睡眠的狀況是否有變好，許多病患並不知道正壓呼吸器治療對睡眠品質的改善程度為何；目前已知可供偵測阻塞型睡眠呼吸中止症之方式，除可使用不同訊號之外，主要可以分為：時域、頻域及時域結合頻域三類；惟，現今睡眠品質評估大多採用感應器來居家使用，其不但只能以一段時間為單位，擷取這段時間內的訊號資訊，且多只擷取一種訊號來做為評估睡眠品質之依據。
再者，目前亦有透過問卷調查方式評估睡眠品質；惟，問卷調查係將特定的問題交由受試者自己回答，包含記錄睡眠狀況及睡眠時間等，此評估方式為受試者自己主觀的感覺並沒有客觀的依據，而且受試者會在問卷上填寫睡眠時間，如果睡眠時間很長會讓受試者認為自己睡眠狀況很好，但在睡眠中是否有發生呼吸中止等影響睡眠品質的狀況發生，也沒辦法得知，因此仍無法客觀的應用在接受睡眠呼吸中止症治療(尤其是正壓呼吸器治療)前後的睡眠品質評估。
有鑒於此，本發明之主要目的，即在提供一種利用非侵入式的生理訊號，客觀性的分析阻塞型睡眠呼吸中止症患者在睡眠呼吸中止症治療前、後，對於睡眠品質上是否有效改善之睡眠呼吸中止症睡眠品質評估裝置。
為達到上揭目的，本發明之睡眠呼吸中止症睡眠品質評估裝置，基本上包括：一特徵擷取器，以及睡眠品質評估器；其中，該特徵擷取器係供接收阻塞型睡眠呼吸中止症患者之腦電圖(EEG)及心電圖(ECG)訊號，並取出整晚發生睡眠呼吸中止事件次數、睡眠呼吸中止事件持續時 間及睡眠呼吸中止事件Delta波比例等特徵；該睡眠品質評估器係與特徵擷取器電氣連接，供接收特徵擷取器所擷取的訊號特徵，且透過模糊計算依據所接收之訊號特徵來判別睡眠品質等級。
利用上述技術特徵，本發明之睡眠呼吸中止症睡眠品質評估裝置，於使用時，再將此訊號特徵傳輸至睡眠品質評估器，於睡眠品質級。俾達到以非侵入式的生理訊號，客觀性的分析患者在睡眠呼吸中止症治療前、後，對於睡眠品質上是否有效改善之目的。
所述特徵擷取器，係被設定將阻塞型睡眠呼吸中止症病患之腦電圖(EEG)及心電圖(ECG)訊號以184秒為一個單位視窗，每兩個連續的視窗重疊秒數為62秒，計算出腦電圖(EEG)訊號特徵當中之Delta波所佔的比例，及心電圖(ECG)訊號特徵當中的RR-序列。
所述睡眠品質評估器，係被設定將模糊睡眠品質評估值區分為好、正常、差及很差四個等級。
所述特徵擷取器，係被設定將阻塞型睡眠呼吸中止症病患之腦電圖(EEG)及心電圖(ECG)訊號以184秒為一個單位視窗，每兩個連續的視窗重疊秒數為62秒，計算出腦電圖(EEG)訊號特徵當中之Delta波所佔的比例，及心電圖(ECG)訊號特徵當中的RR-序列；以及，所述睡眠品質評估器，係被設定將模糊睡眠品質評估值區分為好、正常、差及很差四個等級。
具體而言，本發明之睡眠呼吸中止症睡眠品質評估裝置，主要在特徵擷取器及睡眠品質評估器之整合運作下，以非侵入式擷取阻塞型睡眠呼吸中止症患者的生理訊號，利用處理過後的腦電圖及心電圖訊號，偵測阻塞型睡眠呼吸中止症患者整晚發生睡眠呼吸中止及低通氣的次數，且擷取其中有用的訊號特徵後，利用模糊化的方式，計算出阻塞型睡眠呼吸中止症患者之睡眠品質評估值，達到客觀分析阻塞型睡眠呼吸中止症患者在在睡眠呼吸中止症治療前、後，對於睡眠品質上是否改善之目的。
10‧‧‧特徵擷取器
20‧‧‧睡眠品質評估器
第一圖係為本發明之睡眠呼吸中止症睡眠品質評估裝置組成架構方塊示意圖。
第二圖係為訊號變異量下降總和、訊號變異量上升總和變異量比值臨界值及下降變異量臨界值曲線圖。
第三圖係為偵測到事件起始及結束時間、第i次訊號上升與下降的開始時間點及第(i+1)次訊號下降開始時間點曲線圖。
第四圖係為本發明中第一個及第二個特徵的A(xi)，X1、X2為特徵的區間圖。
第五圖係為本發明之中阻塞型睡眠呼吸中止症事件Delta波比例歸屬函數及面積聯集運算圖。
如第一圖本發明之睡眠呼吸中止症睡眠品質評估裝置組成架構方塊示意圖所示，本發明之本發明之睡眠呼吸中止症睡眠品質評估裝置，基本上包括：一特徵擷取器10，以及睡眠品質評估器20；其中：該特徵擷取器10係供接收阻塞型睡眠呼吸中止症患者之腦電圖(EEG)及心電圖(ECG)訊號，並取出整晚發生睡眠呼吸中止事件次數、睡眠呼吸中止事件持續時間及睡眠呼吸中止事件Delta波比例等特徵；由於一般睡眠呼吸中止事件持續時間大都小於62秒；因此，所述特徵擷取器係可被設定將阻塞型睡眠呼吸中止症病患之腦電圖(EEG)及心電圖(ECG)訊號以184秒為一個單位視窗，每兩個連續的視窗重疊秒數為62秒，計算出腦電圖(EEG)訊號特徵當中之Delta波所佔的比例，及心電圖(ECG)訊號特徵當中的RR-序列。
該睡眠品質評估器20主要用來評估阻塞型睡眠呼吸中止症患者整晚的模糊睡眠品質評估值(Sleep Quality Evaluation Value,SQEV)，該睡 眠品質評估器20係與特徵擷取器10電氣連接，供接收特徵擷取器10所擷取的訊號特徵，且透過模糊計算依據所接收之訊號特徵來判別睡眠品質等級；於實施時，該睡眠品質評估器20係被設定將阻塞型睡眠呼吸中止症患者整晚的模糊睡眠品質評估值，區分為好、正常、差及很差等模糊值來判斷睡眠品質之嚴重程度。
在上揭實施型態下，計算腦電圖(EEG)及心電圖(ECG)偵測到阻塞型睡眠呼吸中止症及低通氣的總次數之算式如下：T=∥Σ(V EEG ∪V ECG )*ρ∥
上式中，T為阻塞型睡眠呼吸中止症事件次數(T)，V EEG ,V ECG 及ρ代表腦電圖(EEG)中偵測到的睡眠事件、心電圖(ECG)中偵測到的睡眠事件及睡眠係數，睡眠係數代表的是睡眠總時間的倒數。且可藉由下式偵測阻塞型睡眠呼吸中止症是否發生：
上式中，VEEG及VECG係為利用訊號的頻率變異度，△Q d 、△Q i 、T1及T2分別代表訊號變異量下降總和、訊號變異量上升總和變異量比值臨界值及下降變異量臨界值(如第二圖所示，其中區塊A1係為訊號上升變異量△Q i ，區塊A2係為訊號下降變異量△Q d )。
又，用以計算整晚阻塞型睡眠呼吸中止症事件發生時的總時間之算式如下：
上式中，D為整晚阻塞型睡眠呼吸中止症事件發生時的總時間，r EEG ,r ECG ,T,max()及ρ分別代表腦電圖(EEG)事件時間長度、心電圖(ECG)事件時間長度及阻塞型睡眠呼吸中止症事件次數、計算最大值及睡眠係數；又，阻塞型睡眠呼吸中止症事件時間長度；計算每次阻塞型睡眠呼吸中止症發生時的時間長度之算式可以為：rEEG/ECG=T end -T start
T start =(t i (i)+t d (i))/2
T end =t d (i+1)
上揭各式中，Tstart、Tend、t i (i)、t d (i)及t d (i+1)分別為偵測到事件起始及結束時間、第i次訊號上升與下降的開始時間點及第(i+1)次訊號下降開始時間點(如第三圖所示)。
至於，計算阻塞型睡眠呼吸中止症事件的Delta波比例總和之算式為：
上式中，R為阻塞型睡眠呼吸中止症事件Delta波比例總合，m、n、T、ratio、A d 及ρ分別代表腦電圖(EEG)所偵測到的睡眠事件筆數、腦電圖(EEG)之阻塞型睡眠呼吸中止症事件時間長度、阻塞型睡眠呼吸中止症事件次數、Delta波比例、Delta波比例平均值及睡眠係數。
再者，睡眠品質評估器主要用來評估整晚的模糊睡眠品質評估值(Sleep Quality Evaluation Value,SQEV)，其計算模糊睡眠品質評估值之公式如下：
上式中，SQEV為模糊睡眠品質評估值，n,xi及μ(xi)為模糊論域(Universe Of Discourse)個數、模糊論域及對應到μ的歸屬函數值(Membership Function Value)。
μ(xi)=MAX(MAX(T(xi),D(xi)),R(xi))
上式中，T(xi)、D(xi)、R(xi)及MAX()分別為阻塞型睡眠呼吸中止症事件次數歸屬函數、阻塞型睡眠呼吸中止症持續時間歸屬函數、阻塞型睡眠呼吸中止症事件Delta波比例歸屬函數及面積聯集運算(如第四圖、第五圖所示)。
又，計算各特徵值歸屬函數值之公式如下：
上式中，A(xi)及α為特徵方程式及特徵輸入值對應到的歸屬函數。以及，可如表1所示，將模糊睡眠品質評估值區分為好、正常、差及很差四個等級，且配合以表2所示之睡眠品質特徵之模糊值來判斷，嚴重程度。
與傳統習用技術相較，本發明所揭露之睡眠呼吸中止症睡眠品質評估裝置，主要在特徵擷取器及睡眠品質評估器之整合運作下，以非侵入式擷取阻塞型睡眠呼吸中止症患者的生理訊號，利用處理過後的腦電圖及心電圖訊號，偵測阻塞型睡眠呼吸中止症患者整晚發生睡眠呼吸中止及低通氣的次數，且擷取其中有用的訊號特徵後，利用模糊化的方式，計算出阻塞型睡眠呼吸中止症患者之睡眠品質評估值，可以明顯地分辨出四個不同的族群，剛好為四種不同程度的睡眠品質，達到客觀分析阻塞型睡眠呼吸中止症患者在在睡眠呼吸中止症治療前、後，對於睡眠品質上是否改善之目的。
本發明之技術內容及技術特點已揭示如上，然而熟悉本項技術之人士仍可能基於本發明之揭示而作各種不背離本案發明精神之替換及修飾。因此，本發明之保護範圍應不限於實施例所揭示者，而應包括各種不背離本發明之替換及修飾，並為以下之申請專利範圍所涵蓋。
10‧‧‧特徵擷取器
20‧‧‧睡眠品質評估器

Claims (4)

  1. 一種睡眠呼吸中止症睡眠品質評估裝置，包括：一特徵擷取器，供接收阻塞型睡眠呼吸中止症患者之腦電圖(EEG)及心電圖(ECG)訊號，並取出整晚發生睡眠呼吸中止事件次數、睡眠呼吸中止事件持續時間及睡眠呼吸中止事件Delta波比例等特徵；一睡眠品質評估器，與特徵擷取器電氣連接，供接收特徵擷取器所擷取的訊號特徵，且透過模糊計算依據所接收之訊號特徵來判別睡眠品質等級。
  2. 如申請專利範圍第1項所述之睡眠呼吸中止症睡眠品質評估裝置，其中，該特徵擷取器，係被設定將阻塞型睡眠呼吸中止症病患之腦電圖(EEG)及心電圖(ECG)訊號以184秒為一個單位視窗，每兩個連續的視窗重疊秒數為62秒，計算出腦電圖(EEG)訊號特徵當中之Delta波所佔的比例，及心電圖(ECG)訊號特徵當中的RR-序列。
  3. 如申請專利範圍第1項所述之睡眠呼吸中止症睡眠品質評估裝置，其中，該睡眠品質評估器，係被設定將模糊睡眠品質評估值區分為好、正常、差及很差四個等級。
  4. 如申請專利範圍第1項所述之睡眠呼吸中止症睡眠品質評估裝置，其中，該特徵擷取器，係被設定將阻塞型睡眠呼吸中止症病患之腦電圖(EEG)及心電圖(ECG)訊號以184秒為一個單位視窗，每兩個連續的視窗重疊秒數為62秒，計算出腦電圖(EEG)訊號特徵當中之Delta波所佔的比例，及心電圖(ECG)訊號特徵當中的RR-序列；以及，該睡眠品質評估器，係被設定將模糊睡眠品質評估值區分為好、正常、差及很差四個等級。
TW102109794A 2013-03-20 2013-03-20 睡眠呼吸中止症睡眠品質評估裝置 TW201436764A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW102109794A TW201436764A (zh) 2013-03-20 2013-03-20 睡眠呼吸中止症睡眠品質評估裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102109794A TW201436764A (zh) 2013-03-20 2013-03-20 睡眠呼吸中止症睡眠品質評估裝置

Publications (1)

Publication Number Publication Date
TW201436764A true TW201436764A (zh) 2014-10-01

Family

ID=52113139

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102109794A TW201436764A (zh) 2013-03-20 2013-03-20 睡眠呼吸中止症睡眠品質評估裝置

Country Status (1)

Country Link
TW (1) TW201436764A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108309288A (zh) * 2018-02-01 2018-07-24 深圳市禹欣鑫电子有限公司 基于脑电和心率的睡眠呼吸暂停监测智能可穿戴设备
TWI642025B (zh) * 2017-08-11 2018-11-21 國立中興大學 快速評估中重度睡眠呼吸中止之方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI642025B (zh) * 2017-08-11 2018-11-21 國立中興大學 快速評估中重度睡眠呼吸中止之方法
CN108309288A (zh) * 2018-02-01 2018-07-24 深圳市禹欣鑫电子有限公司 基于脑电和心率的睡眠呼吸暂停监测智能可穿戴设备

Similar Documents

Publication Publication Date Title
Penzel et al. The apnea-ECG database
JP7393405B2 (ja) 睡眠呼吸障害のスクリーニング、診断および監視のためのシステムおよび方法
Sjöholm et al. Sleep bruxism in patients with sleep-disordered breathing
US11751803B2 (en) Sleep apnea detection system and method
US6893405B2 (en) Analysis of Sleep Apnea
KR101309971B1 (ko) 치료 처리중 수면 품질을 유지하고 모니터하기 위한 방법 및 장치
Collard et al. Movement arousals and sleep-related disordered breathing in adults.
Hirata et al. Upper airway collapsibility assessed by negative expiratory pressure while awake is associated with upper airway anatomy
US11986314B2 (en) Apparatus and methods for screening, diagnosis and monitoring of respiratory disorders
JP2008538936A (ja) 呼吸器疾患を診断し、悪化の程度を判定する方法及び装置
JP2010104814A (ja) 治療的処置中に睡眠の質を維持し監視する方法および装置
EP2584966A2 (en) Method and system for sleep disturbance analysis
US10638971B2 (en) Methods and applications for detection of breath flow and the system thereof
Martinot et al. Mandibular movements identify respiratory effort in pediatric obstructive sleep apnea
Berry et al. Use of chest wall electromyography to detect respiratory effort during polysomnography
Lu et al. Variability of respiration and sleep during polysomnography in individuals with TBI
TW201436764A (zh) 睡眠呼吸中止症睡眠品質評估裝置
Izumi et al. Classification algorithm for nocturnal hypoxemia using nocturnal pulse oximetry
Stoohs et al. Snoring and pathologic upper airway resistance syndromes
Pokharel et al. Clinical Profile and Diagnosis of Obstructive Sleep Apnea Syndrome using Overnight Polysomnography in a Tertiary Care Hospital
Suhas et al. Time domain analysis of R-wave attenuation envelope for sleep apnea detection
Suhas et al. Classification of Cheyne Stokes breathing and obstructive sleep apnea using ECG
Kawalski1ABCDEF et al. The use of pulse transit time in diagnostics of sleep-disordered breathing in children
Chokroverty Check for Polysomnographic Recording Technique Sudhansu Chokroverty and Sushanth Bhat
Tekchandani Use of Motion Artifact for the Detection of Respiratory Effort in Polysomnography