TW201544074A - 呼吸波形辨識方法及其系統 - Google Patents
呼吸波形辨識方法及其系統 Download PDFInfo
- Publication number
- TW201544074A TW201544074A TW103117980A TW103117980A TW201544074A TW 201544074 A TW201544074 A TW 201544074A TW 103117980 A TW103117980 A TW 103117980A TW 103117980 A TW103117980 A TW 103117980A TW 201544074 A TW201544074 A TW 201544074A
- Authority
- TW
- Taiwan
- Prior art keywords
- waveform
- respiratory
- normalized
- amplitude
- sampling points
- Prior art date
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本發明係一種呼吸波形辨識方法,係包含(a)在一呼吸週期偵測一呼吸氣流;(b)測量該呼吸氣流的一振幅與測量該呼吸週期的一時間;(c)複數取樣點依照該振幅與該時間決定一吸氣波形與一呼氣波形;(d)正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形;以及(e)累加一參考波形與該正規化波形之間的差值,以計算出一流量係數,該流量係數決定該正規化波形能被識別為一正常呼吸狀態與一非正常呼吸狀態。本發明利用一曲線(或加權曲線、標準波形)擬合該吸氣波形或該呼氣波形,以計算出差值,並藉由累積該差值以辨別出該正常呼吸狀態與該非正常呼吸狀態。本發明另提供一呼吸波形辨識系統。
Description
本發明是關於呼吸狀態識別的技術領域,特別是一種藉由一曲線、一加權曲線與一標準波形之至少其中一者擬合一呼吸氣流的至少一部份的呼吸波形辨識方法及其系統。
傳統中,在一病患自行呼吸的過程中,若無法獲得所需之氧氣濃度 (下稱不正常呼吸狀態)時,則該病患可借助一呼吸機維持人體所需之呼吸運動,以補足該氧氣濃度。
該不正常呼吸狀態通常地發生在該病患睡眠的過程中,通常該不正常呼吸狀態又可進一步區分為短暫呼吸暫停(apnea)、淺呼吸(hypopnea)或淺慢呼吸(flow limitation),係分別地於下詳細說明。
該短暫呼吸暫停的定義是在該病患睡眠過程中,因呼吸中止導致肺臟超過數十秒鐘無空氣流通,而造成該病患血液中血氧濃度降低的現象。患有該睡眠呼吸中止症的該病患,會因睡眠呼吸暫停影響睡眠品質,而有生活不正常、引發心血管疾病、心臟病或腦溢血等隱憂。
該淺呼吸係定義為在睡眠過程中一成年人因發生呼吸變淺而導致氣體流量減少的情況。除前述的情況外,該淺呼吸還有可能同時地合併發生一氧氣飽和度下降(oxygen desaturation),以及發生常達數十秒以上的短暫覺醒(arousal)的情況。舉例而言,在睡眠過程中,若該成年人的氣流量及胸腹部的呼吸運動較正常的情況降低50%~70%的程度,以及該成年人血液的氧氣飽和度至少降低了4%,則符合該淺呼吸的定義。
該淺慢呼吸定義為該病患因呼吸道部份地受阻,導致氣流的通過量較正常的流量為低。詳言之,在睡眠過程中,由於上呼吸道肌肉群不協調、咽部軟組織鬆厚、扁桃腺增生或扁桃腺肥大等因素,造成該病患在睡眠過程中,反覆地發生上呼吸道部分阻塞或全部阻塞的情事,而該情事可能讓該病患短暫地覺醒。
藉由一呼吸中止-淺呼吸指數(apnea-hypopnea index, AHI)可判斷是否為該淺呼吸或該淺慢呼吸。其中,該呼吸中止-淺呼吸指數係表示睡眠中每小時發生呼吸中止以及淺呼吸的總和次數。若AHI大於等於15次/小時或AHI大於等於5次/小時,則表示該病患可能在白天發生昏昏欲睡、打呼(或稱打鼾)( snore)、目擊呼吸中斷,以及因短暫噎住/倒吸一口氣而覺醒的症狀。
值得注意的是,上述中該打呼(或稱該打鼾)係定義為該氣流經過比較狹窄的該上呼吸道時,因為該咽喉的軟組織、軟顎或懸雍垂發生震動而產生的聲響的一種症狀。
前述所提及的該呼吸機,是目前解決該不正常呼吸狀態最有效的方式。該病患可藉由該呼吸機連續供應氣體,以達到補足該氧氣濃度的功效。
該呼吸機的種類依照壓力供應的形式進一步區分為正壓型呼吸機和負壓型呼吸機。
以該正壓型呼吸機為例說明。該正壓型呼吸機藉由檢測該病患的一呼吸氣流,以判斷在適當的時機協助該病患進行完整的該呼吸運動。
該吸吸氣流的檢測方法可區分為植入型檢測技術與非植入型檢測技術。該植入型檢測技術是將一檢測儀器植入人體內部,例如心臟心室、肺部或喉頭等;以及,該非植入型檢測技術是直接地利用該正壓呼吸機偵測該病患的該呼吸氣流。後者的檢測技術相較於前者的檢測技術,由於不需植入該人體內部,故可以快速地且容易地偵測該病患的該呼吸氣流,不致於讓該病患產生不舒服的感覺。
然而,該非植入型檢測技術雖可輕易地對該患者進行檢測,但傳統的呼吸機仍然存在缺失,即傳統的該呼機吸並無法有效地且精準地辨別在該不正常呼吸狀態中的嚴重程度,這問題將導致該呼吸機在對一病患持續加壓的過程中,有可能抑制該病患的呼吸,並造成更嚴重呼吸障礙的缺失。
因此,如何讓該呼吸機可精確地識別該嚴重程度而能夠適當地輸出適合的該氣體壓力,變成是重要且急需解決的問題。
有鑑於此,本發明提出一種吸波形辨識方法與其系統,可在一呼吸氣流中精確地識別一正常呼吸狀態與一非正常呼吸狀態。
本發明之第一目的提供一種呼吸波形辨識方法,藉由即時地正規化一呼吸氣流的一振幅與一時間,讓正規化後的該呼吸氣流能夠藉由一演算法計算出精確的一流量係數,並從該流量係數中識別該呼吸氣流屬於該正常呼吸狀態與該非正常呼吸狀態,其中該非正常呼吸狀態包含一短暫呼吸暫停(apnea)、一淺呼吸(hypopnea)或一淺慢呼吸(flow limitation)。
本發明之第二目的根據上述的呼吸波形辨識方法,擷取該呼吸氣流中的一吸氣波形或一呼氣波形,以減少該演算法演算的時間,而該呼吸波形辨識方法可由單一該吸氣波形或該呼氣波形識別該呼吸氣流的狀態。
本發明之第三目的根據上述的呼吸波形辨識方法,利用一曲線擬合方法,透過一階線性曲線、一多階線性曲線、一加權曲線與一標準波形擬合正規化的該吸氣波形或該呼氣波形,以判斷該非正常呼吸狀態的嚴重程度。
本發明之第四目的根據上述的呼吸波形辨識方法,在擬合過程中,針對在該呼吸氣流中特定的取樣點藉由權重進行重新分配,以提高判斷該非正常呼吸狀態的嚴重程度。
本發明之第五目的根據上述的呼吸波形辨識方法,在複數標準波形中選擇與正規化的該吸氣波形或該呼氣波形最近似的波形,藉由計算二波形的誤差,以判斷該非正常呼吸狀態的嚴重程度。
本發明之第六目的根據上述的呼吸波形辨識方法,選擇正規化的該吸氣波形或該呼氣波形的一部份波形,並且計算該部分波形與該等標準波形之其中一者的差值(例如一絕對誤差之標準差),以判斷該非正常呼吸狀態的嚴重程度。
本發明之第七目的提供一種呼吸波形辨識系統,藉由偵測一呼吸氣流,而從該呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態。
為達到上述的目的及其它目的,本發明提供一種呼吸波形辨識方法,供在一呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識方法包含(a)在一呼吸週期偵測該呼吸氣流;(b)測量該呼吸氣流的一振幅與測量該呼吸週期的一時間,其中該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形;(c)複數取樣點依照該振幅與該時間決定一吸氣波形與一呼氣波形;(d)正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形;以及(e)累加一參考波形與該正規化波形之間的差值,以計算出一流量係數,該流量係數決定該正規化波形被識別為該正常呼吸狀態與該非正常呼吸狀態。
為達到上述的目的及其它目的,本發明提供一種呼吸波形辨識方法,供在一呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識方法包含(a1)在該呼吸週期偵測一呼吸氣流;(b1)測量該呼吸氣流的一振幅與測量該呼吸週期的一時間,其中該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形;(c1)複數取樣點依照該振幅與該時間決定一吸氣波形與一呼氣波形;(d1)正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形;(e1)利用一線性方程式擬合該正規化波形;(f1)藉由一加權最小平方法計算該線性方程式與該正規化波形之間的差值,而該差值再藉由一加權函數計算出一流量係數,該流量係數決定該正規化波形被識別為該正常呼吸狀態與該非正常呼吸狀態。
為達到上述的目的及其它目的,本發明提供一種呼吸波形辨識方法,供在一呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識方法包含(a2)在一呼吸週期偵測該呼吸氣流;(b2)測量該呼吸氣流的一振幅與測量該呼吸週期的一時間,其中該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形;(c2)複數取樣點依照該振幅與該時間以決定一吸氣波形與一呼氣波形;(d2)正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形;(e2)計算複數標準波形與該正規化波形,以將該等標準波形之其中一者設定為一參考波形,而該參考波形是在該等標準波形中最接近於該正規化波形;(f2)累加一參考波形與該正規化波形之間的差值,以計算出一流量係數,該流量係數決定該正規化波形被識別為該正常呼吸狀態與該非正常呼吸狀態。
為達到上述的目的及其它目的,本發明提供一種呼吸波形辨識系統,供在一呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識系統包含一氣流感測器、一處理單元與一顯示單元。該氣流感測器是在一時間內偵測該呼吸氣流之流量變化。其中,該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形。該處理單元是連接該氣流感測器。該處理單元接收該呼吸氣流之流量變化訊號,以及藉由一演算法分析該呼吸氣流的一振幅與測量該呼吸週期的一時間以計算出一流量係數。該演算法根據該流量係數決定該呼吸氣流屬於該正常呼吸狀態或該非正常呼吸狀態。該顯示單元是連接該處理單元。該顯示單元顯示該正常呼吸狀態或該非正常呼吸狀態。其中,該演算法藉由複數取樣點取樣該振幅與該時間,該振幅與該時間決定一吸氣波形與一呼氣波形,而該演算法正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形。該演算法藉由計算一標準波形與該正規化波形之間的差值,或者計算一線性方程式與該正規化波形之間的差值,以獲得該流量係數。
總言之,本發明的呼吸波形辨識方法及其系統,利用多種曲線擬合一呼吸氣流的波形,並計算二者之間的差值。藉由該差值計算出一流量係數,該流量係數決定該呼吸氣流屬於該正常呼吸狀態或該非正常呼吸狀態。該流量係數除可決定不同的呼吸狀態之外,更可進一步區分該非正常呼吸狀態的嚴重程度,例如一短暫呼吸暫停、一淺呼吸或一淺慢呼吸。
值得注意的是,在該淺呼吸或該淺慢呼吸中,本發明的方法及其系統,更可根據該流量係數進一步演算出例如AHI指數等,以判斷屬於一阻塞性睡眠呼吸中止症狀或是打呼(或稱打鼾)的症狀。
相較於習知技術,本發明解決習知技術中一呼吸機無法有效判斷該非正常呼吸狀態的嚴重程度,導致該呼吸機在對一病患持續加壓的過程中,可能抑制該病患的呼吸以及造成更嚴重呼吸障礙的缺失。
為充分瞭解本發明之目的、特徵及功效,茲藉由下述具體之實施例,並配合所附之圖式,對本發明做一詳細說明,說明如後:
請參考第1圖,係本發明實施例之呼吸波形辨識方法的流程示意圖。於第1圖中,該呼吸波形辨識方法能夠在一呼吸氣流的波形中,識別一正常呼吸狀態與一非正常呼吸狀態。
一併參考第2(a)圖是顯示一正常呼吸狀態的波形圖。第2(a)圖是根據一病患在一吸氣動作與一吸氣動作過程中,在呼吸道中氣體流量變化的波形圖;其中,x軸方向表示時間T及y軸方向表示振幅A。在時間0至t1
的波形中,該波形可表示吸氣動作的氣流變化。在時間t1
至t2
的波形中,該波形可表示呼氣動作的氣流變化。在該正常呼吸狀態中,該吸氣動作的氣流變化大致等於該呼氣動作的氣流變化。
一併參考第2(b)圖係顯示一非正常呼吸狀態的波形圖。在該非正常呼吸狀態中,由在該呼吸道中受到不同程度阻塞的影響,導致該吸氣動作的氣流變化不等於該呼氣動作的氣流變化。
回到第1圖,該呼吸波形辨識方法的步驟起始於步驟S11,係在一呼吸週期偵測該呼吸氣流。以第2(b)圖為例,該呼吸週期定義為完成該吸氣動作與該呼氣動作一次的時間,即圖中該時間0至t2
表示一週期。
步驟S12,係測量該呼吸氣流的一振幅,以及測量該呼吸週期的一時間。於第2(b)圖中,該振幅的範圍介於A1
至-A1
之間,以及該時間為0至t2
。
步驟S13,係複數取樣點依照該振幅A與該時間T決定一吸氣波形(時間0至t1之間)與一呼氣波形(時間t1
至t2
之間)。舉例而言,藉由低頻(約數Hz)的取樣方式,在該振幅A對應該時間T的坐標軸上產生對應的取樣點,以描繪出該波形。
步驟S14,係正規化該吸氣波形與該呼氣波形之其中一者的該振幅A與該時間T,以建立一正規化波形。該正規化波形可一併參考第3圖,係顯示擷取該吸氣波形。在第3圖中,由於該吸氣波形的振幅經正規化的計算,使得該振幅A的大小由原來的A1
被正規化成1,而該時間T的長短由原來的該時間t1
被正規化成t0
。
步驟S15,係累加一參考波形與該正規化波形之間的差值(例如該差值為最小絕對誤差值及/或最小平方誤差值),以計算出一流量係數,該流量係數決定該正規化波形可被識別為該正常呼吸狀態或該非正常呼吸狀態。該參考波形可包含數種型態,係分別地陳述如下。
a)一階線性方程式
該參考波形符合一階線性方程式,該流量係數的數學表示式為。其中,為該一階線性方程式,與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,以及為在取樣點的該正規化波形的該振幅A。
b) 二階線性方程式
該參考波形符合二階線性方程式,該流量係數的數學表示式為。其中為該二階線性方程式,、與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,以及為在取樣點的該正規化波形的該振幅A。
由於該二階線性方程式為一曲線,相較於該一階線性方程式,該二接線性方程式的擬合效果更佳。
c) 三階線性方程式
該參考波形符合三階線性方程式,該流量係數的數學表示式為。其中為該三階線性方程式,、、與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,以及為在取樣點的該正規化波形的該振幅A。
相較於該二階線性方程式的擬合效果,該三階線性方程式可進一步提供該二階線性方程式無法有效判斷曲線左右偏移之優勢。
d) 三階加權線性方程式
該參考波形符合三階加權線性方程式,該流量係數的數學表示式為,其中的定義如下:
其中,為該三階線性方程式、、與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,為一加權函數,A、B與C為一加權值,以及為在取樣點的該正規化波形的該振幅A。
相較於該三階線性方程式的擬合效果,該三階加權線性方程式可進一步針對例如起始點x或終止點y的數值進行加權,以對該三階加權線性方程式所描繪出曲線的端點數值進行調整,以減少該端點數值所造成計算上的誤差。
於本實施例中,該三階加權線性方程式僅列舉了該起始點與該終止點為例說明,但實際上並不侷限本實施例中的該起始點或該終止點。換言之,加權的取樣位置除前述的該起始點或該終止點之外,更可增加其它特定的取樣點,或者由其它取樣點所取代。
舉例而言,於另一實施例中,該加權值A的範圍可設定在50至100之間、該加權值B的範圍設定在200至400之間以及該加權值C為1。
e) 標準波形
該參考波形符合複數標準波形之其中一者,一併可參考第4圖,係顯示該等標準波形的波形圖。於第4圖中,該等標準波形可舉例為三個正常呼吸狀態下的波形 1
、 2
與 3
。該流量係數的數學表示式為:;其中;;;
其中,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,L為該起始點與該終止點之間的時間長度,為該正規化波形與該等標準波形之其中一者的絕對誤差,為該絕對誤差的平均值,為該正規化波形與該等標準波形之其中一者的曲線面積比,以及為在取樣點的該正規化波形的該振幅A。
舉例而言,於另一實施例中,該起始點設定為該等取樣點的20%,以及將該終止點設定為該等取樣點的80%。
在上述該參考波形a)-e)的實施例中,該等流量係數可進一步設定複數流量閥值。藉由該流量係數比對該等流量閥值,可從該流量係數中判定一呼吸道的阻塞程度,例如該阻塞程度依照該呼吸道的該呼吸氣流,又可進一步可區分為一呼吸道暢通、一輕度呼吸阻塞、一重度呼吸阻塞或打呼等。
值得注意的是,雖上述的該參考波形舉例為一階線性方程式至三階線性方程式;但實際上,本發明的該參考波形仍可擴展至高於三階線性方程式(下稱為多階線性方程式)的實施例。在多階線性方程式的實施例中,可藉由該多階線性方程式所形成的曲線波形擬合該正規化波形,並計算該二波形之間的差值,以獲得該流量係數。該流量係數可決定該正規化波形被識別為該正常呼吸狀態與該非正常呼吸狀態。同樣地,也可另外在該多階線性方程式中導入一權重函數,以減少端點值的計算誤差。
值得注意的是,為了達到更精準地判斷,該多階線性方程式演算出的該流量係數也可透過比對前述的該等流量閥值,以進一步判定該呼吸道的該阻塞程度。
請參考第5圖,係本發明實施例之呼吸波形辨識系統的方塊示意圖。於第5圖中,該呼吸波形辨識系統10能夠在一呼吸氣流BS中識別一正常呼吸狀態NBS與一非正常呼吸狀態ANBS。
該呼吸波形辨識系統包含一氣流感測器12、一處理單元14與一顯示單元16。
在一時間內,該氣流感測器12偵測該呼吸氣流BS之流量變化。該時間的長度至少能偵測到該呼吸氣流BS的上升波形或下降波形。
該處理單元14連接該氣流感測器12。該處理單元14接收該呼吸氣流BS之流量變化訊號,以及藉由一演算法分析該呼吸氣流BS的一振幅A與測量該呼吸週期的一時間T,進而該計算出一流量係數FC。再者,該演算法根據該流量係數FC決定該呼吸氣流屬於該正常呼吸狀態NBS或該非正常呼吸狀態ANBS。
舉例而言,該演算法藉由複數取樣點取樣該振幅A與該時間T。該振幅A與該時間T決定一吸氣波形與一呼氣波形。該演算法正規化該吸氣波形與該呼氣波形之其中一者的該振幅A與該時間T,以建立一正規化波形。該演算法藉由計算一標準波形與該正規化波形的差值,或者計算一線性方程式與該正規化波形之間的差值,以獲得出該流量係數FC。
於另一實施例中,該參考波形係選自於複數標準波形之其中一者,且被選擇的該標準波形最接近於該正規化波形。
該顯示單元16連接該處理單元14。該顯示單元16顯示該正常呼吸狀態NBS或該非正常呼吸狀態ANBS。
於另外一實施例中,該呼吸波形辨識系統10更包含一儲存單元(圖未示)。該儲存單元連接該處理單元12,以儲存該流量係數FC。
本發明在上文中已以較佳實施例揭露,然熟習本項技術者應理解的是,該實施例僅用於描繪本發明,而不應解讀為限制本發明之範圍。應注意的是,舉凡與該實施例等效之變化與置換,均應設為涵蓋於本發明之範疇內。因此,本發明之保護範圍當以申請專利範圍所界定者為準。
S11-S15‧‧‧方法步驟
10‧‧‧呼吸波形辨識系統
12‧‧‧氣流感測器
14‧‧‧處理單元
16‧‧‧顯示單元
BS‧‧‧呼吸氣流
A‧‧‧振幅
T‧‧‧時間
FC‧‧‧流量係數
NBS‧‧‧正常呼吸狀態
ANBS‧‧‧非正常呼吸狀態
10‧‧‧呼吸波形辨識系統
12‧‧‧氣流感測器
14‧‧‧處理單元
16‧‧‧顯示單元
BS‧‧‧呼吸氣流
A‧‧‧振幅
T‧‧‧時間
FC‧‧‧流量係數
NBS‧‧‧正常呼吸狀態
ANBS‧‧‧非正常呼吸狀態
第1圖係本發明實施例之呼吸波形辨識方法的流程示意圖。 第2(a)圖係顯示一正常呼吸狀態的波形圖。 第2(b)圖係顯示一非正常呼吸狀態的波形圖。 第3圖係說明第2(b)圖之非正常呼吸狀態的波形經過振福正規化與時間正規化之後的波形圖。 第4圖係顯示該等標準波形的波形圖。 第5圖係本發明實施例之呼吸波形辨識系統的方塊示意圖。
S11-S15‧‧‧方法步驟
Claims (17)
- 一種呼吸波形辨識方法,供在一呼吸氣流的波形中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識方法包含: 在一呼吸週期偵測該呼吸氣流; 測量該呼吸氣流的一振幅與測量該呼吸週期的一時間,其中該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形; 複數取樣點依照該振幅與該時間決定一吸氣波形與一呼氣波形; 正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形;以及 累加一參考波形與該正規化波形之間的差值,以計算出一流量係數,該流量係數決定該正規化波形被識別為該正常呼吸狀態與該非正常呼吸狀態。
- 如申請專利範圍第1項所述之呼吸波形辨識方法,其中該參考波形符合一階線性方程式,該一階線性方程式的數學表示式為:;以及 該流量係數的數學表示式為:; 其中與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,以及為在取樣點的該正規化波形的該振幅。
- 如申請專利範圍第1項所述之呼吸波形辨識方法,其中該參考波形符合二階線性方程式,該二階線性方程式的數學表示式為:;以及 該流量係數的數學表示式為:; 其中、與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,以及為在取樣點的該正規化波形的該振幅。
- 如申請專利範圍第1項所述之呼吸波形辨識方法,其中該參考波形符合三階線性方程式,該三階線性方程式的數學表示式為:;以及 該流量係數的數學表示式為:; 其中、、與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,以及為在取樣點的該正規化波形的該振幅。
- 如申請專利範圍第1項所述之呼吸波形辨識方法,其中該參考波形符合三階加權線性方程式,該三階加權線性方程式的數學表示式為:;以及 該流量係數的數學表示式為:;其中; 其中、、與為常數,為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,為一加權函數,A、B與C為一加權值,以及為在取樣點的該正規化波形的該振幅。
- 如申請專利範圍第5項所述之呼吸波形辨識方法,其中該加權值A的範圍設定在50至100之間、該加權值B的範圍設定在200至400之間以及該加權值C為1。
- 如申請專利範圍第2至5項之任一項所述之呼吸波形辨識方法,更包含: 設定複數流量閥值;以及 該流量係數比對該等流量閥值,以從該流量係數中判定一呼吸道的阻塞程度。
- 如申請專利範圍第7項所述之呼吸波形辨識方法,其中依照該呼吸道的該呼吸氣流,該等流量閥值係將該阻塞程度區分為一呼吸道暢通、一輕度呼吸阻塞、一重度呼吸阻塞或一打呼。
- 如申請專利範圍第1項所述之呼吸波形辨識方法,其中該參考波形符合複數標準波形之其中一者,而該流量係數的數學表示式為:;其中;;; 其中為該等取樣點,x為該等取樣點的起始點,y為該等取樣點的終止點,L為該起始點與該終止點之間的時間長度,為該正規化波形與該等標準波形之其中一者的絕對誤差,為該絕對誤差的平均值,為該正規化波形與該等標準波形之其中一者的曲線面積比,以及為在取樣點的該正規化波形的該振幅量。
- 如申請專利範圍第9項所述之呼吸波形辨識方法,其中將該起始點設定為該等取樣點的20%,以及將該終止點設定為該等取樣點的80%。
- 一種呼吸波形辨識方法,供在一呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識方法包含: 在該呼吸週期偵測一呼吸氣流; 測量該呼吸氣流的一振幅與測量該呼吸週期的一時間,其中該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形; 複數取樣點依照該振幅與該時間決定一吸氣波形與一呼氣波形; 正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形; 利用一線性方程式擬合該正規化波形;以及 藉由一加權最小平方法計算該線性方程式與該正規化波形之間的差值,且該差值藉由一加權函數計算出一流量係數,該流量係數決定該正規化波形被識別為該正常呼吸狀態與該非正常呼吸狀態。
- 一種呼吸波形辨識方法,供在一呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識方法包含: 在一呼吸週期偵測該呼吸氣流; 測量該呼吸氣流的一振幅與測量該呼吸週期的一時間,其中該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形; 複數取樣點依照該振幅與該時間決定一吸氣波形與一呼氣波形; 正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形; 計算複數標準波形與該正規化波形,以將該等標準波形之其中一者設定為一參考波形,其中該參考波形係在該等標準波形之中最接近於該正規化波形;以及 累加一參考波形與該正規化波形之間的差值,以計算出一流量係數,該流量係數決定該正規化波形被識別為該正常呼吸狀態與該非正常呼吸狀態。
- 如申請專利範圍第1、11或12項所述之呼吸波形辨識方法,其中該差值為最小絕對誤差值與最小平方誤差值之至少其中一者。
- 如申請專利範圍第1、11或12項所述之呼吸波形辨識方法,其中該非正常呼吸狀態為一短暫呼吸暫停(apnea)、一淺呼吸(hypopnea)或一淺慢呼吸(flow limitation)。
- 一種呼吸波形辨識系統,供在一呼吸氣流中識別一正常呼吸狀態與一非正常呼吸狀態,該呼吸波形辨識系統包含: 一氣流感測器,係在一時間內偵測該呼吸氣流之流量變化,其中該時間的長度至少能偵測到該呼吸氣流的上升波形或下降波形; 一處理單元,係連接該氣流感測器,該處理單元接收該呼吸氣流之流量變化訊號,以及藉由一演算法分析該呼吸氣流的一振幅與測量該呼吸週期的一時間以計算出一流量係數,該演算法根據該流量係數決定該呼吸氣流屬於該正常呼吸狀態或該非正常呼吸狀態;以及 一顯示單元,係連接該處理單元,該顯示單元顯示該正常呼吸狀態或該非正常呼吸狀態; 其中該演算法藉由複數取樣點取樣該振幅與該時間,該振幅與該時間決定一吸氣波形與一呼氣波形,而該演算法正規化該吸氣波形與該呼氣波形之其中一者的該振幅與該時間,以建立一正規化波形,該演算法藉由計算一標準波形與該正規化波形之間的差值,或者計算一線性方程式與該正規化波形之間的差值,以獲得該流量係數。
- 如申請專利範圍第15項所述之呼吸波形辨識系統,更包含一儲存單元,係連接該處理單元,該儲存單元儲存該流量係數。
- 如申請專利範圍第15項所述之呼吸波形辨識系統,其中該參考波形係選自於複數標準波形之其中一者,而該參考波形係在該等標準標型中最接近於該正規化波形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103117980A TW201544074A (zh) | 2014-05-22 | 2014-05-22 | 呼吸波形辨識方法及其系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103117980A TW201544074A (zh) | 2014-05-22 | 2014-05-22 | 呼吸波形辨識方法及其系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201544074A true TW201544074A (zh) | 2015-12-01 |
TWI562761B TWI562761B (zh) | 2016-12-21 |
Family
ID=55406847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103117980A TW201544074A (zh) | 2014-05-22 | 2014-05-22 | 呼吸波形辨識方法及其系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TW201544074A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741829A (zh) * | 2019-01-09 | 2019-05-10 | 哈尔滨理工大学 | 结合三周期判断的胸腹表面区域呼吸信号周期预测方法 |
CN109741827A (zh) * | 2019-01-09 | 2019-05-10 | 哈尔滨理工大学 | 结合双周期判断的胸腹表面区域呼吸信号周期预测方法 |
CN109741830A (zh) * | 2019-01-09 | 2019-05-10 | 哈尔滨理工大学 | 单双周期混合判断的胸腹表面区域呼吸信号周期预测方法 |
TWI726446B (zh) * | 2019-08-11 | 2021-05-01 | 新加坡商克雷多生物醫學私人有限公司 | 分析系統及其分析方法 |
CN114376559A (zh) * | 2022-01-18 | 2022-04-22 | 高昌生医股份有限公司 | 呼吸基准线追踪加速方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI270363B (en) * | 2005-12-21 | 2007-01-11 | Inst Information Industry | Systems and methods for automated ventilator waveform recognition and measure based on ontologies |
GB2452776A (en) * | 2007-09-17 | 2009-03-18 | Internat Patents Inc | Method for monitoring an airway device such as an endotrachael tube |
CN101637388B (zh) * | 2008-07-29 | 2010-12-15 | 深圳市海博科技有限公司 | 呼吸运动预测方法 |
US20120097165A1 (en) * | 2010-10-22 | 2012-04-26 | Po-Yu Kuo | Oxygen mask which is connected externally to a carbon dioxide density tester and facilitates a patient to breathe in oxygen |
TWI442904B (zh) * | 2011-08-02 | 2014-07-01 | Nat Univ Chung Hsing | 辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置 |
-
2014
- 2014-05-22 TW TW103117980A patent/TW201544074A/zh unknown
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741829A (zh) * | 2019-01-09 | 2019-05-10 | 哈尔滨理工大学 | 结合三周期判断的胸腹表面区域呼吸信号周期预测方法 |
CN109741827A (zh) * | 2019-01-09 | 2019-05-10 | 哈尔滨理工大学 | 结合双周期判断的胸腹表面区域呼吸信号周期预测方法 |
CN109741830A (zh) * | 2019-01-09 | 2019-05-10 | 哈尔滨理工大学 | 单双周期混合判断的胸腹表面区域呼吸信号周期预测方法 |
CN109741829B (zh) * | 2019-01-09 | 2022-10-28 | 哈尔滨理工大学 | 结合三周期判断的胸腹表面区域呼吸信号周期预测方法 |
CN109741827B (zh) * | 2019-01-09 | 2022-11-01 | 哈尔滨理工大学 | 结合双周期判断的胸腹表面区域呼吸信号周期预测方法 |
CN109741830B (zh) * | 2019-01-09 | 2022-12-06 | 哈尔滨理工大学 | 单双周期混合判断的胸腹表面区域呼吸信号周期预测方法 |
TWI726446B (zh) * | 2019-08-11 | 2021-05-01 | 新加坡商克雷多生物醫學私人有限公司 | 分析系統及其分析方法 |
CN114376559A (zh) * | 2022-01-18 | 2022-04-22 | 高昌生医股份有限公司 | 呼吸基准线追踪加速方法 |
CN114376559B (zh) * | 2022-01-18 | 2023-09-19 | 高昌生医股份有限公司 | 呼吸基准线追踪加速方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI562761B (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11717626B2 (en) | Automated control for detection of flow limitation | |
JP6564318B2 (ja) | リアルタイム肺メカニクスを評価するためのシステム | |
JP5039057B2 (ja) | いびき検出を備えるコンピュータ制御cpapシステム | |
JP6960929B2 (ja) | 中心静脈圧マノメトリの使用を介した呼吸パラメーター推定及び非同調検出アルゴリズムの強化 | |
US7896813B2 (en) | System and method for monitoring periodic breathing associated with heart failure | |
WO2017029317A1 (en) | Screener for sleep disordered breathing | |
TW201544074A (zh) | 呼吸波形辨識方法及其系統 | |
CA2809764A1 (en) | Systems and methods for respiratory event detection | |
JP5969283B2 (ja) | 生体信号解析装置およびその制御方法 | |
JP2018533999A (ja) | フローセンサのためのエラー検出器を備えた人工呼吸器 | |
US20160081631A1 (en) | Respiratory waveform recognition method and system | |
CN105361885B (zh) | 呼吸波形辨识系统 | |
EP2989979B1 (en) | Respiratory waveform recognition method and system | |
US9668692B2 (en) | Apnea and hypopnea detection | |
JP2020534946A (ja) | 効果的ではない圧力補償レジメンに対する警告を提供する圧支持装置及び方法 | |
CN113288056A (zh) | 通过快速识别干预打鼾的方法和装置 | |
CN112133421A (zh) | 气流受限检测方法、装置、存储介质及计算机设备 | |
Staykov et al. | Nasal pressure derived airflow limitation and ventilation measurements are resilient to reduced signal quality | |
AU2014218399B2 (en) | Respiratory Waveform Recognition Method and System | |
WO2022133942A1 (zh) | 医疗通气设备及通气监测方法 | |
JP6220015B2 (ja) | 生体信号解析装置およびその制御方法 | |
WO2023148190A1 (en) | Systems and methods for screening, diagnosis, detection, monitoring and/or therapy | |
JP2020036949A (ja) | 流れ制限の検出のための自動制御 | |
Ciołek et al. | The analysis of patients' airflow with respect to early detection of sleep apnea | |
Harms et al. | Identifying respiratory events and artifacts using oscillatory impedance measurement in aPAP therapy |