TW202304378A - 睡眠狀態判別系統及方法 - Google Patents

Abstract

本發明提供一種睡眠狀態判別系統及方法，包含由生理訊號擷取裝置產生一第一波長光及一第二波長光照射一受測者，同時由一加速計單元取得一運動信號並傳送到一睡眠障礙分析裝置，將該些個信號分類為一正常資料或一異常資料；將該正常資料分成複數個信號段，依一去噪演算法去除雜訊；一特徵提取單元依一睡眠期特徵演算法將該些個信號段標註為一具模型特徵信號，進一步將其分類為一清醒期、一動眼期及一非動眼期；以及一分析單元，將該具模型特徵信號依一睡眠障礙演算法計算，可計算出該受測者的一睡眠呼吸中止症指標。

Description

睡眠狀態判別系統及方法

本發明涉及一種睡眠狀態判別系統及方法；更具體地，本發明涉及一種利用兩種不同波長的光及加速計，來檢測受測者在睡眠時的睡眠狀態或是否出現暫時性呼吸中止的裝置和方法。

睡眠呼吸中止是睡眠期間暫時的呼吸缺失或呼吸停止，從而導致氧氣停止進入人體。通常，由於睡眠呼吸中止當沒有氧氣而進入人體時，即血液中的氧氣量會降低到異常水平。由於睡眠呼吸中止導致血氧飽和度下降，甚至可能在睡覺時引起心臟病而導致致命的後果。據報導，約有20%的成年人患有打呼，而打呼的人中約有50%患有睡眠呼吸中止。

當呼吸暫停持續十秒或更長時間(在七個小時內，每小時至少發生五次或至少發生三十次)時，在臨床上被分類為睡眠呼吸中止。

睡眠呼吸中止通常是通過多導睡眠圖(PSG)進行測試判斷，多導睡眠監測儀可以測量和記錄睡眠期間的睡眠結構。具體的說，廣泛地測量了許多生理訊號，例如腦電波、眼球運動、下巴肌電圖、腿部肌電圖、心電圖、打呼、血壓、呼吸和動脈血氧飽和度，並同時錄像記錄睡眠期間的行為異常。專業技術人員和睡眠專家會仔細閱讀該記錄，以獲得 有關打呼的嚴重程度、是否發生心律不齊、血壓是否升高、在睡眠過程中是否引起其他問題以及與正常睡眠方式有何不同之處的全面結果。

上述用於診斷睡眠呼吸中止的常規設備和方法具有幾個缺點，包括須在不被打擾的房間(病房)內、受測者要黏貼多個感測器及與設備間要連接多組訊號線等，常常會讓受測者引起不適的感受。對受測者來講，在不熟悉的環境睡覺，睡眠品質本就不好，再加上身體要穿戴黏貼那麼多監測設備，實在是非常不方便，所測得的數據也有疑慮。

有鑑於此，本發明提供一種睡眠狀態判別系統及方法，通過使用兩種不同波長的光來測量光體積描記圖法(PPG)併計算兩個測量值之間的比率再結合三軸加速計，進而達到睡眠狀態判別及診斷睡眠呼吸中止的系統和方法，本系統的特徵之一在於體積小、穿戴方便及隨時隨地都可使用，基本上克服了由於先前技術限製而導致的一個或多個問題。

根據本發明的實施例的特徵，提供了一種睡眠狀態判別系統，該系統包含：

一生理訊號擷取裝置，用於偵測一受測者多個生理訊號，該生理訊號擷取裝置包含；一光源發射單元，產生一第一波長光及一第二波長光；一光源檢測單元，接收該第一波長光及該第二波長光在經照射該受測者身體一預定部位後，反射回的一第一光信號及一第二光信號；一加速計單元，用於動態偵測該受測者之一運動信號；一睡眠資料庫，儲存複數個睡眠期模型；以及一睡眠障礙分析裝置，連結該睡眠資料庫並接收該生 理訊號擷取裝置之複數個信號，該睡眠障礙分析裝置包含：一過濾單元，將該第一光信號、該第二光信號信號及該運動信號，依一第一閾值將信號分類為一正常資料或一異常資料；一分段單元，將該正常資料依一區間分成複數個信號段；一去噪單元，將該些個信號段依一去噪演算法去除雜訊後，成為一第一去噪信號、一第二去噪信號及一第三去噪信號；一特徵提取單元，將去噪後該些個信號段比對該睡眠資料庫之該睡眠期模型，依一睡眠期特徵演算法找出與模型差距小於一第二閾值之該些個信號段標註為一具模型特徵信號；一分析單元，將該具模型特徵信號依一睡眠障礙演算法計算，可計算出該受測者的一睡眠呼吸中止症指標。

較佳的，本發明一種睡眠狀態判別系統，該光源發射單元包含一PPG信號模塊，但不僅限於此。

較佳的，本發明一種睡眠狀態判別系統，該中繼裝置具有無線傳輸/接收功能並可安裝一應用程式(App)功能之裝置，包含手機、電腦及平板等。

一種睡眠狀態判別方法，該方法包含：

S10.由一生理訊號擷取裝置之一光源發射單元產生一第一波長光及一第二波長光照射一受測者身體一預定部位後，由一光源檢測單元，接收該第一波長光及該第二波長光反射回的一第一光信號及一第二光信號；同時由一加速計單元，取得該受測者之一運動信號，將複數個信號傳送到一睡眠障礙分析裝置；

S20.由該睡眠障礙分析裝置之一過濾單元，將該些個信號依一第一閾值將信號分類為一正常資料或一異常資料；一分段單元，將該正常資料依一區 間分成複數個信號段；一去噪單元將該些個信號段依一去噪演算法去除雜訊後，成為一第一去噪信號、一第二去噪信號及一第三去噪信號；

S30.一特徵提取單元將該些個信號段比對一睡眠資料庫之複數個睡眠期模型，依一睡眠期特徵演算法找出與模型差距小於一第二閾值之該些個信號段，並標註為一具模型特徵信號，進一步將其分類為一清醒期、一動眼期及一非動眼期；以及

S40.一分析單元，將該具模型特徵信號依一睡眠障礙演算法計算，可計算出該受測者的一睡眠呼吸中止症指標。

本發明一實施例，樣本數為22人，共15,715個30秒睡眠片段，經過模型預測後目前的正確率結果如下表；其中三類睡眠結構的分類正確率達79.63%，對照先前技術通過多導睡眠圖(PSG)進行測試判斷，該PSG方法共使用894人的睡眠資料，在三類睡眠結構的分類正確率為80.1%，與本系統幾乎無差異，這意味著提供的睡眠障礙穿戴監測戒環提供更高品質的訊號，以及演算法的表現更為優異，所以才能在不到PSG使用的資料量的1/40就可以獲得一樣的水準；而且訓練集也達90%以上，可預期一旦累積更多的資料搭配本系統的該訓練單元，正確率應能達到90%以上。

1:生理訊號擷取裝置

2:中繼裝置

3:睡眠資料庫

4:睡眠障礙分析裝置

10:正常資料

20:異常資料

S10~S50:睡眠狀態判別方法步驟流程

A1~A5:訓練單元流程

B1~B7:雜訊去除流程

【圖1】睡眠狀態判別系統示意圖

【圖2】睡眠狀態判別方法步驟示意圖

【圖3】正常、異常信號資料示意圖

【圖4】分段信號示意圖

【圖5】PPG信號示意圖

【圖6】峰對峰信號示意圖

【圖7】睡眠分期信號示意圖

【圖8】訓練單元流程示意圖

【圖9】雜訊去除流程示意圖

【圖10】濾波校正前示意圖

【圖11】濾波校正後示意圖

【圖12】脈波傳遞變異示意圖

【圖13】紅光、紅外光PPG波形示意圖

【圖14】不同波長的光吸收差別示意圖

以下實施例說明為使本發明的目的，內容和特徵更加清楚，下面實施例將對本發明的具體實施方式作進一步詳細描述；以下實施例僅用於更清楚地說明本發明的技術方案，而不能以此來限製本發明的保護範圍。

一種睡眠狀態判別系統，如【圖1】所示，該系統包括：一生理訊號擷取裝置1、一中繼裝置2、一睡眠資料庫3及一睡眠障礙分析裝置4。

一種睡眠狀態判別系統之該生理訊號擷取裝置1，用於偵測一受測者多個生理訊號，該生理訊號擷取裝置1包含；

一電力單元，提供該生理訊號擷取裝置1工作電源；

一光源發射單元，用於根據預定的一控制信號依次產生一第一波長光及一第二波長光；

一光源檢測單元，接收該第一波長光及該第二波長光在經照射該受測者身體一預定部位後，反射回的一第一光信號及一第二光信號；

一加速計單元，用於動態偵測該受測者之一運動信號；

一控制單元，連接該光源發射單元及該光源檢測單元，用於將該預定的控制信號輸出到該光源發射單元，以生成該第一波長光和該第二波長光；

一轉換單元，連接該光源檢測單元及該加速計單元，用於將該第一光信號、該第二光信號及該運動信號，轉換為一第一傳輸信號、一第二傳 輸信號及一第三傳輸信號；以及

一傳輸單元，連接該轉換單元，將該第一傳輸信號、該第二傳輸信號、該第三傳輸信號及該控制信號以一無線方式傳輸或接收。

一種睡眠狀態判別系統之該中繼裝置2，具有無線傳輸/接收功能，可接收該傳輸單元傳送之傳輸信號並轉換成一可分析信號。

一種睡眠狀態判別系統之該睡眠資料庫3，儲存複數個睡眠期模型，該睡眠資料庫3包含：一訓練單元，將經分析過後之該可分析信號加入該些個睡眠期模型進行AI學習；如【圖8】所示，A1導入該生理訊號擷取裝置1或/及偵測之該可分析信號到該訓練單元；A2將導入資料依時間模型進行資料切分；A3將資料去除噪音；A4進行雙向比對優化；A5再次依時間模型進行該些個睡眠期模型更新。

上述中該訓練單元步驟A1亦可以目前之臨床資料量進行分析，以具有黃金標準之設備Premium Alice 6 LDxS PSG Sleep System進行收納資料，同時聘請睡眠技師根據EEG之特徵值為導入資料。

一種睡眠狀態判別系統之該睡眠障礙分析裝置4，連結該睡眠資料庫3並接收該中繼裝置2之信號，該睡眠障礙分析裝置4包含：

一過濾單元，將該傳輸單元傳送之信號，依一第一閾值將信號分類為一正常資料或一異常資料；

一分段單元，將該正常資料依一區間分成複數個信號段；

一去噪單元，將去噪後該些個信號段依一去噪演算法去除雜訊，成為一第一去噪信號、一第二去噪信號及一第三去噪信號；

一特徵提取單元，將該些個信號段比對該睡眠資料庫3之該睡眠期模型， 依一睡眠期特徵演算法找出與模型差距小於一第二閾值之該些個信號段標註為一具模型特徵信號；以及

一分析單元，將該具模型特徵信號依一睡眠障礙演算法計算，可計算出該受測者的一睡眠呼吸中止症指標。

較佳的，本發明一種睡眠狀態判別系統，該生理訊號擷取裝置1進一步包含一戒子樣式，可穿戴於手指上。

較佳的，本發明一種睡眠狀態判別系統，該加速計單元進一步包含一三軸加速度計，可量測一X、Y、Z分量。

較佳的，本發明一種睡眠狀態判別系統，該電力單元進一步包含一鋰電池可進行充電或一水銀電池。

較佳的，本發明一種睡眠狀態判別系統，該傳輸單元進一步包含一藍芽傳輸或一有線傳輸。

較佳的，本發明一種睡眠狀態判別系統，該傳輸單元進一步包含一射頻收發器。

較佳的，本發明一種睡眠狀態判別系統，進一步該第一波長光包含一紅光及該第二波長光包含一紅外光。

上述中，該紅光及該紅外光可由發光二極體產生，其發光光譜分別在630nm~660nm和850nm~960nm之波長。

較佳的，本發明一種睡眠狀態判別系統，該睡眠障礙分析裝置4可直接接收該生理訊號擷取裝置1之信號進行分析。

-種睡眠狀態判別方法，如【圖2】所示，該方法包含：

S10.由一生理訊號擷取裝置1之一光源發射單元產生一第一波長光及一 第二波長光照射一受測者身體一預定部位後，由一光源檢測單元，接收該第一波長光及該第二波長光反射回的一第一光信號及一第二光信號；同時由一加速計單元，取得該受測者之一運動信號；

S20.再由一轉換單元將該第一光信號、該第二光信號及該運動信號，轉換為一第一傳輸信號、一第二傳輸信號及一第三傳輸信號並藉由一傳輸單元，傳送到一睡眠障礙分析裝置4；

S30.由該睡眠障礙分析裝置4之一過濾單元，將該傳輸單元傳送之信號，依一第一閾值將信號分類為一正常資料10或一異常資料20，如【圖3】所示；一分段單元，將該正常資料10依一區間分成複數個信號段；一去噪單元將該些個信號段依一去噪演算法去除雜訊後，成為一第一去噪信號、一第二去噪信號及一第三去噪信號；

S40.一特徵提取單元將該些個信號段比對一睡眠資料庫3之複數個睡眠期模型，依一睡眠期特徵演算法找出與模型差距小於一第二閾值之該些個信號段，並標註為一具模型特徵信號，進一步將其分類為一清醒期、一動眼期及一非動眼期；

S50.值得注意的是，本發明一分析單元，將該具模型特徵信號依一睡眠障礙演算法計算，可計算出該受測者的一睡眠呼吸中止症指標。

較佳的，本發明一種睡眠狀態判別系統及方法，該光源發射單元進一步包含一PPG信號模塊；光體積變化描記圖法(PPG)是以光學的方式取得的器官體積描記圖，可量測脈搏(bpm)及血氧濃度(%)。

較佳的，本發明一種睡眠狀態判別系統及方法，該受測者穿戴之該生理訊號擷取裝置1為一戒子樣式，該預定部位為一手指部位。

本發明一實施例如【圖3】所示，該過濾單元將該傳輸單元傳送之信號，依該第一閾值(例如：標準差)進行過濾分類，將信號分類為該正常資料10(標準差內)或該異常資料20(標準差外)，如下表：

上述中，該異常資料(標準差外)的該第一傳輸信號及該第二傳輸信號，原因可能為測試者翻身等造成訊號中斷或有突波，因此利用標準差來篩除掉遠超過平均值的異常訊號，例如可採用一個標準差以外訊號為該異常資料。

本發明一實施例如【圖4】所示分別代表兩個不同切分30秒結果，該分段單元，將該正常資料依該區間分成該些個信號段，例如該區間設為30秒，進一步以30秒訊號切分將基線飄移挪去利用演算法將以平均值作為每次資料的基準線(baseline)，以標準差濃縮百分比，標準化低頻功率；例如蒐集資料進來時，是以250Hz的資料量，長達5-6小時，為了使資料分析簡易，此段需要進行切割以30秒為判斷，如【圖9】所示B1先進行生理訊號收集；B2再依標準差進行異常訊號過濾；B3依30秒區間片段進行訊號切割；B4濾波水平校正；B5進一步依標準差再次過濾；B6 PR計算去除噪音與找心率端點；B7依公式E=MEAN/SDNN去除雜訊。

上述實施例，其中B4濾波水平校正，使用低通濾波，Order=5,Wn=0.005，如【圖10】為RAW DATA(原始數據)，【圖11】上圖為包 絡線，下圖為經包絡線水平校正後的結果。

本發明一實施例，該去噪單元依該去噪演算法去除過多雜訊，將該些個信號段當中具有相對應的雜訊，以下列標準，進行移除雜訊：

E=MEAN/SDNN；

E：噪音閾值；

MEAN：該筆信號的均值；

SDNN(Standard deviation of NN intervals)：通常計算24小時正常心跳間距之標準差(單位為毫秒)；

E<0.25：噪音(noised label)；

E>0.25：非噪音(non-noised label)；可以具體表現為信號總體的離散性，離散性越大，則證明信號的抖動幅度越大，越有可能是雜訊；根據運動位差之理論，針對信號值150Hz-250Hz適用之情境，E>0.25作為一個判斷依據，將信號進行初步判斷，E>0.25，判斷為雜訊，如果E<0.25，將再做進一步判斷。

本發明一實施例如【圖5】所示，根據該PPG信號模塊計算出的心率(Pulse rate)進行分析，分析公式如下：

PR_PPG：PR(Pulse Rate)=60(Sec)/PPI；

PPI：(P-P峰對峰)區間，PPI(Peak to peak interval,PPI)；脈波傳遞時間(Pulse Transit Time；PTT)的生理變異，如【圖12】所示；其中，PTT與血壓、血管及年齡等皆有關；據Ahsan H.Khandoker的研究比較， 以PPI為基礎演算出之脈波變異(Pulse Rate Variability；PRV)，就健康者而言，與HRV比較其準確性較高。

上述中，若該些個信號段的E值正常(E>0.25)，將該些個信號段標註波峰值除以2即得到該受測者的一脈搏率，進一步，可參考下列剔除原則：

最大脈搏率(Maximum Pulse rate)：190 BPM；

30秒(seconds)：95拍(beats)；

0<正常範圍(Normal range)<95。

較佳的，篩選機制如下：

心峰數>45(Numbers of heart peaks)；

心峰數<10(Numbers of heart peaks)；

心率平均值>90；(Mean of heart rate)；

心率平均值<40；(Mean of heart rate)；

最大均值(心率)>10；(Max-mean(of heart rate))；

平均-分鐘(心率)>10；(Mean-min(heart rate))；

最大心率>100；(Max of heart rate)；

最小心率<40；(Min of heart rate)。

本發明一實施例如【圖6】所示，若最高值及最低值差距3個標準差時，假設兩個標準差以上之該些個信號段，為不可使用之片段，僅以一個標準差內進行分析。

本發明一實施例，該些個信號段依該睡眠期特徵演算法將睡眠特徵分為三期，分別為該清醒期、該動眼期及該非動眼期；另可分為五 期，分別為該清醒期、該動眼期及該非動眼期三期(N1,N2,N3)，如【圖7】所示，為PPG原始訊號(該第一傳輸信號及該第二傳輸信號)經過處理後可以得到之心率資訊。

本發明一實施例，利用該睡眠期特徵演算法先將該些個信號段分為三期或/及五期後，進一步，該睡眠障礙演算法以S_pO₂(血氧飽和濃度)進行睡眠呼吸中止症的判讀，步驟如下：

步驟一、如【圖13】所示，將該第一傳輸信號及該第二傳輸信號進行血氧飽和濃度計算，先行還原PPG振幅後記錄峰值及谷值(R_os)，再代入S_pO₂公式：

步驟二、根據一量表判讀睡眠呼吸中止症，依據美國睡眠醫學會對阻塞型睡眠呼吸中止症嚴重度的分類標準，當呼吸中止或呼吸減弱大於10秒合併血氧下降(10秒內維持下降3%)，就會記錄一次，呼吸中止或減弱指數在每小時5次以下為正常，5至15次為輕度，15至30次為中度，30次以上則屬重度。

本發明一實施例，該受測者經由該生理訊號擷取裝置1量測到數據，透過戒指型裝置收集紅光、紅外光之兩不同波形，利用該演算法於雲端裝置進行即時資料判讀，可以波形即時判讀睡眠期、血氧飽和濃度、脈率數值，另可同步獲得活動量(三軸加速規取得)，以上資訊整合，透過S_pO₂ 於原穩定指數下降一S_pO₂閾值(4%)並維持一S_pO₂時間值(10秒)以上，計算1次，次數總計為AHI次數/小時，以此判定是否具備睡眠呼吸中止症之狀況及嚴重程度。

上述實施例，血氧濃度的量測，是在微處理機中重組數位化後該紅光和該紅外光PPG波形的直流(DC)和交流(AC)成份，如【圖13】所示，藉由鄰近峰值偵測法(neighboring peak searching)找出PPG的波峰(peak)以及相對的波谷(valley)，由於帶氧血紅素(oxyhemoglobin；H_bO₂)和不帶氧血紅素(hemoglobin；H_b)對不同波長的光吸收係數的差別，如【圖14】所示。

較佳的，本發明一種睡眠狀態判別系統及方法，該量表為睡眠呼吸中止指數(AHI)是作為診斷和評估阻塞型睡眠呼吸中止嚴重程度的工具，為睡眠中每小時無呼吸和呼吸減弱的次數。

較佳的，本發明一種睡眠狀態判別系統及方法，經過實驗調整及較佳結果該系統模型不須透過三軸加速規作為判斷之依據，可作為一般睡眠監測之臨床佐證依據作使用。

本發明一實施例，一種睡眠狀態判別系統，該清醒期、該動眼期及該非動眼期，為以目前之臨床資料量進行分析，以具有黃金標準之設備Premium Alice 6 LDxS PSG Sleep System進行收納資料，同時聘請睡眠技師根據EEG之特徵值判別清醒期、該動眼期及該非動眼期；取得同時段之PPG之信號特徵，標記並分類，其計算公式透過類別特徵學習進行該些個睡眠期模型分類，進一步由該生理訊號擷取裝置1收集之資料比較該些個睡眠期模型即可得到受測者之該清醒期、該動眼期及該非動眼期。

本發明所揭露的所有特徵應可以任何結合方式實現，本發明 所揭露的每一特徵應可以相同、均等或相似目的的取代物所取代，因此，除非有明確的指定，否則所揭露的每一個特徵僅僅只是均等物或相似特徵的一個種類的一實施例。

S10~S50:睡眠狀態判別方法步驟流程

Claims (10)

1. 一種睡眠狀態判別方法，該方法步驟包含：

   S10.由一生理訊號擷取裝置之一光源發射單元產生一第一波長光及一第二波長光照射一受測者身體一預定部位後，由一光源檢測單元，接收該第一波長光及該第二波長光反射回的一第一光信號及一第二光信號；同時由一加速計單元，取得該受測者之一運動信號，將複數個信號傳送到一睡眠障礙分析裝置；

   S20.由該睡眠障礙分析裝置之一過濾單元，將該些個信號依一第一閾值將信號分類為一正常資料或一異常資料；一分段單元，將該正常資料依一區間分成複數個信號段；一去噪單元將該些個信號段依一去噪演算法去除雜訊後，成為一第一去噪信號、一第二去噪信號及一第三去噪信號；

   S30.一特徵提取單元將該些個信號段比對一睡眠資料庫之複數個睡眠期模型，依一睡眠期特徵演算法找出與模型差距小於一第二閾值之該些個信號段，並標註為一具模型特徵信號，進一步將其分類為一清醒期、一動眼期及一非動眼期；以及

   S40.一分析單元，將該具模型特徵信號依一睡眠障礙演算法計算，可計算出該受測者的一睡眠呼吸中止症指標。
2. 如請求項1所述之該睡眠狀態判別方法，該去噪單元依該去噪演算法去除過多雜訊，該去噪演算法：E=MEAN/SDNN；E：噪音閾值、MEAN：信號的均值、SDNN：24小時正常心跳間距之標準差；E<0.25：噪音(noised label)；E>0.25：非噪音(non-noised label)。
3. 如請求項1所述之該睡眠狀態判別方法，該睡眠期特徵演算法 先將該些個信號段分為複數個時期，進一步，以一S_pO₂(血氧飽和濃度)進行該睡眠呼吸中止症指標，步驟如下：

   步驟一、將該第一光信號及該第二光信號進行血氧飽和濃度計算，還原PPG振幅後記錄峰值及谷值，再代入該S_pO₂公式：

   

   步驟二、根據一量表判讀睡眠呼吸中止症。
4. 如請求項3所述之該睡眠狀態判別方法，該S_pO₂於原穩定指數下降一S_pO₂閾值並維持一S_pO₂時間值以上，計算1次，次數總計為AHI次數/小時，以此判定是否具備睡眠呼吸中止症之狀況或/及嚴重程度。
5. 如請求項1所述之該睡眠狀態判別方法，該區間為30秒，以30秒訊號切分將基線飄移挪去利用演算法將以平均值作為每次資料的基準線(baseline)，以標準差濃縮百分比，標準化低頻功率。
6. 如請求項1所述之該睡眠狀態判別方法，該清醒期、該動眼期及該非動眼期，為由該生理訊號擷取裝置1收集之資料比較該睡眠模型分類即可得到受測者之該清醒期、該動眼期及該非動眼期。
7. 一種睡眠狀態判別系統，該系統包含：

   一生理訊號擷取裝置，用於偵測一受測者多個生理訊號，該生理訊號擷取裝置包含；一光源發射單元，產生一第一波長光及一第二波長光；一光源 檢測單元，接收該第一波長光及該第二波長光在經照射該受測者身體一預定部位後，反射回的一第一光信號及一第二光信號；一加速計單元，用於動態偵測該受測者之一運動信號；

   一睡眠資料庫，儲存複數個睡眠期模型；以及

   一睡眠障礙分析裝置，連結該睡眠資料庫並接收該生理訊號擷取裝置之複數個信號，該睡眠障礙分析裝置包含：一過濾單元，將該第一光信號、該第二光信號信號及該運動信號，依一第一閾值將信號分類為一正常資料或一異常資料；一分段單元，將該正常資料依一區間分成複數個信號段；一去噪單元，將該些個信號段依一去噪演算法去除雜訊後，成為一第一去噪信號、一第二去噪信號及一第三去噪信號；一特徵提取單元，將去噪後該些個信號段比對該睡眠資料庫之該睡眠期模型，依一睡眠期特徵演算法找出與模型差距小於一第二閾值之該些個信號段標註為一具模型特徵信號；一分析單元，將該具模型特徵信號依一睡眠障礙演算法計算，可計算出該受測者的一睡眠呼吸中止症指標。
8. 如請求項7所述之該睡眠狀態判別系統，該第一光信號包含一紅光，該第二光信號包含一紅外光，該加速計單元包含一三軸加速計。
9. 如請求項7所述之該睡眠狀態判別系統，該生理訊號擷取裝置包含一戒子樣式，可穿戴於手指上。
10. 如請求項7所述之該睡眠狀態判別系統，該生理訊號擷取裝置與該睡眠障礙分析裝置之間可中介一中繼裝置，該中繼裝置具有無線傳輸/接收功能，可接收該生理訊號擷取裝置傳送之該些個信號並轉傳到該睡眠障礙分析裝置。

Images