TWI462726B - 依據歷史生理資料判斷睡眠障礙嚴重程度之系統及其方法 - Google Patents

Description

依據歷史生理資料判斷睡眠障礙嚴重程度之系統及其方法

一種判斷睡眠障礙嚴重程度之系統及其方法，特別係指一種依據歷史生理資料判斷睡眠障礙嚴重程度之系統及其方法。

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監測儀(polysomnography)，多項生理監測儀可以監測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監測其他生理資料，因此，使用多項生理監測儀監測睡眠時之生理資料，將對睡眠障礙的診斷具有相當大的幫助。

不過，使用多項生理監測儀所監測出的生理資料量非常龐大，需要一定經驗的醫護人員有耐心的查看之後才可以判斷出使用多項生理監測儀者是否患有睡眠障礙，同時，由於是由醫護人員進行經驗的判斷，因此往往也無法判斷出使用多項生理監測儀者患有睡眠障礙的嚴重程度。

綜上所述，可知先前技術中長期以來一直存在無法快速有效的判斷患有睡眠障礙之嚴重程度的問題，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無法快速有效的判斷患有睡眠障礙之嚴重程度的問題，本發明遂揭露一種依據歷史生理資料判斷睡眠障礙嚴重程度之系統及其方法，其中：本發明所揭露之依據歷史生理資料判斷睡眠障礙嚴重程度之系統，至少包含：資料讀取模組，用以讀取預先儲存之各生理資料，其中，生理資料為受測者於各次睡眠時所測得；特徵計算模組，用以計算各生理資料基於同一特徵項目之各特徵值；特徵統計模組，用以依據各生理資料之特徵值產生統計值；資料過濾模組，用以過濾各生理資料中，特徵值與統計值之差值達到過濾預定值之異常資料；睡眠障礙程度判斷模組，用以依據統計值及各異常資料之特徵值判斷受測者是否患有任一睡眠障礙，並判斷受測者患有該睡眠障礙之嚴重程度。

本發明所揭露之依據歷史生理資料判斷睡眠障礙嚴重程度之方法，其步驟至少包括：儲存受測者於各次睡眠時所測得之各生理資料；計算各生理資料基於同一特徵項目之各特徵值；依據各生理資料之特徵值產生統計值；過濾各生理資料中，特徵值與統計值之差值達到過濾預定值之異常資料；依據統計值及各異常資料之特徵值判斷受測者是否患有任一睡眠障礙，並判斷受測者患有睡眠障礙之嚴重程度。

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計算各生理資料基於同一特徵項目之各特徵值後，依據計算出之特徵值過濾生理資料中的異常資料，並依據正常生理資料的特徵值以及異常資料的特徵值判斷受測者受測者患有睡眠障礙之嚴重程度，藉以解決先前技術所存在的問題，並可以達成自動判斷睡眠障礙之嚴重程度的技術功效。

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。

本發明可以分析受測者在各次睡眠時所測得的生理資料對應各個特徵項目的特徵值，藉以判斷受測者是否患有睡眠障礙，並判斷受測者患有之睡眠障礙的嚴重程度。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。

本發明所提之特徵項目可以是生理資料的相位角變化率、變異數、標準差、斜率、或時間導函數，也可以是上述各項目的任意組合，但本發明並不以此為限。也就是說，本發明所提之特徵值將可能是生理資料之波形在各個時間點之相位角變化率/變異數/標準差/斜率/時間導函數值所形成的集合。

以下先以「第1圖」本發明所提之依據歷史生理資料判斷睡眠障礙嚴重程度之系統架構圖來說明本發明的系統運作。如「第1圖」所示，本發明之系統含有資料讀取模組110、特徵計算模組120、特徵統計模組130、資料過濾模組150、睡眠障礙程度判斷模組160。

資料讀取模組110負責以有線或無線之方式，至儲存媒體400中讀取受測者的多筆生理資料。資料讀取模組110所讀取之生理資料為受測者在各次睡眠過程中使用感測器(圖中未示)進行測量所獲得的資料。

被用來測量生理資料之感測器可以為侵入式或非侵入式的裝置，當感測器為侵入式時，感測器將全部或部分埋入受測者的體內；而當感測器為非侵入式時，感測器可能與受測者接觸，例如血壓計、溫度計、腦波測量裝置、心電圖測量裝置等，感測器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。其中，感測器同樣可以以有線或無線的方式，將測量後所獲得的生理資料儲存到儲存媒體400中。

特徵計算模組120負責計算資料讀取模組110所讀出之各個生理資料對應一個或多個特徵項目的特徵值。也就是說，特徵計算模組120會根據生理資料的相位角變化率，分別計算被讀出之各個生理資料在各個時間點的相位角變化率，相似的，特徵計算模組120也可以根據生理資料的變異數、標準差、斜率、或時間導函數等特徵項目，分別計算各個生理資料在各個時間點的變異數、標準差、斜率、或時間導函數值等特徵值。

其中，特別值得一提的是，特徵計算模組120計算特徵值時所根據之特徵項目會與睡眠障礙程度判斷模組160能夠判斷之睡眠障礙相對應。若睡眠障礙程度判斷模組160能夠判斷多種睡眠障礙，且能被判斷之睡眠障礙所對應的特徵項目不同，則特徵計算模組120將會計算能夠被睡眠障礙程度判斷模組160所判斷之睡眠障礙對應的特徵項目。

特徵統計模組130負責依據特徵計算模組120所計算出之各個生理資料的特徵值產生統計值。其中，特徵統計模組130可以計算各個生理資料在某一時間點之特徵值的平均值或中位數等數值，藉以作為所有生理資料在該時間點的統計值，同時，特徵統計模組130會以相同的計算方式對所有時間點的特徵值計算出統計值。但特徵統計模組130產生統計值之方式並不以上述為限。

資料過濾模組150負責依據各個生理資料之特徵值與特徵統計模組130所產生之統計值的差值，過濾一個或多個生理資料。被資料過濾模組150所過濾掉出生理資料在本發明中被稱為「異常資料」。

在部分的實施例中，資料過濾模組150可以判斷各個生理資料的特徵值與統計值之差值是否達到過濾預定值，若是，則資料過濾模組150會將特徵值與統計值之差值達到過濾預定值的生理資料視為異常資料，而若特徵值與統計值之差值未達到過濾預定值，則資料過濾模組150將不會過濾該生理資料。其中，資料過濾模組150過濾異常資料所使用之過濾預定值隨著特徵計算模組120計算特徵值時所依據的特徵項目不同而有所不同。

睡眠障礙程度判斷模組160負責依據特徵統計模組130所產生的統計值以及資料過濾模組150所過濾出之異常資料的特徵值判斷受測者是否患有任何一種睡眠障礙。其中，若特徵計算模組120依據各個特徵項目所計算出的特徵值中不只包含睡眠障礙程度判斷模組160可以判斷睡眠障礙的特徵值，則睡眠障礙程度判斷模組160會忽略該特徵值，例如，特徵計算模組120依據相位角變化率以及變異數等特徵項目計算出各個異常資料的特徵值，睡眠障礙程度判斷模組160僅需要使用相位角變化率即可判斷某一睡眠障礙，則睡眠障礙程度判斷模組160將忽略根據變異數所計算出之特徵值。

睡眠障礙程度判斷模組160可以計算統計值與各異常資料之特徵值的比值，並在所計算出之比值達到比例門檻值且達到比例門檻值之比值的數量也達到數量門檻值時，判斷受測者患有與特徵計算模組120計算特徵值時所根據之特徵項目對應的睡眠障礙，反之，若計算出之比值未達到比例門檻值，或達到比例門檻值中之比值的數量未達到數量門檻值，則睡眠障礙程度判斷模組160可以判斷受測者未患有該睡眠障礙。

其中，比例門檻值與數量門檻值並不一定只能有一組，而可以有多組，例如，需達到第一組比例門檻值的數量門檻值為6，需達到第二組比例門檻值的數量門檻值為10，其中，第一組比例門檻值較第二組比例門檻值的數值為高。當睡眠障礙程度判斷模組160所計算出之統計值與異常資料之特徵值的比值中，有5組比值達到第一組比例門檻值，且有10組比值達到第二組比例門檻值，則雖然睡眠障礙程度判斷模組160所計算出之統計值與異常資料之特徵值的比值中，達到第一組比例門檻者的比值未達到第一組數量門檻值，但達到第二組比例門檻值的比值達到第二組數量門檻值，因此，睡眠障礙程度判斷模組160同樣可以判斷受測者患有睡眠障礙。

睡眠障礙程度判斷模組160也負責依據所計算出之比值及/或達到比例門檻值之比值的數量判斷受測者患有睡眠障礙的嚴重程度。當睡眠障礙程度判斷模組160所計算出之比值越高，或達到比例門檻值之比值的數量越多，則睡眠障礙程度判斷模組160可以判斷受測者患有睡眠障礙的嚴重程度越高。

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2圖」本發明所提之依據歷史生理資料判斷睡眠障礙嚴重程度之方法流程圖。

首先，受測者需要先多次測量在睡眠時的生理資料，測量所獲得之生理資料會被儲存到儲存媒體200中(步驟301)。在本實施例中，假設被測量之生理資料包含心電訊號、呼吸數、體溫、血壓、以及肢體的動作次數。

在受測者希望進行睡眠分析時，資料讀取模組110可以至儲存媒體200中讀取受測者前先進行測量時所獲得的生理資料。接著，特徵計算模組120可以根據與睡眠障礙程度判斷模組160能夠判斷之睡眠障礙相對應特徵項目，計算資料讀取模組110所讀出之各個生理資料的特徵值(步驟320)。在本發明中，特徵項目可以為相位角變化率、變異數、標準差、斜率、及/或時間導函數值等，若在本實施例中，特徵項目為標準差，則特徵計算模組120將計算各個生理資料在各個時間點的特徵值，也就是標準差。

在特徵計算模組120計算各生理資料基於同一特徵項目之特徵值(步驟320)後，特徵統計模組130可以依據特徵計算模組120所計算出之各個生理資料的特徵值產生統計值(步驟330)。在本實施例中，假設統計值為各生理資料之特徵值的平均值或中位數，也就是說，特徵統計模組130會為每個時間點計算在該時間點時，各個生理資料之標準差或中位數的平均值。

在特徵統計模組130依據各個生理資料的特徵值產生統計值(步驟330)後，資料過濾模組150可以依據各個生理資料之特徵值與特徵統計模組130所產生之統計值的差值，過濾出生理資料中之異常資料，其中，當某一生理資料之特徵值與特徵統計模組130所產生之統計值的差值達到過濾預定值時，資料過濾模組150可以過濾出該生理資料，使該生理資料成為異常資料(步驟350)。

之後，睡眠障礙程度判斷模組160可以依據特徵統計模組130所產生的統計值以及資料過濾模組150所過濾出之各個異常資料的特徵值判斷受測者是否患有任何一種睡眠障礙(步驟360)。在本實施例中，假設睡眠障礙程度判斷模組160會計算統計值與各異常資料之特徵值的比值，並判斷所計算出之比值中，達到比例門檻值的數量是否達到數量門檻值。

若睡眠障礙程度判斷模組160判斷所計算出之比值中，達到比例門檻值的數量未達到數量門檻值，則睡眠障礙程度判斷模組160可以判斷受測者未患有與特徵計算模組120計算各個生理資料之特徵值時所根據之特徵項目對應的睡眠障礙；而若睡眠障礙程度判斷模組160判斷所計算出之比值中，達到比例門檻值的數量同樣達到數量門檻值，則睡眠障礙程度判斷模組160可以判斷受測者患有與特徵計算模組120計算特徵值時所根據之特徵項目對應的睡眠障礙。

在睡眠障礙程度判斷模組160判斷受測者患有睡眠障礙後，睡眠障礙程度判斷模組160同樣可以依據特徵統計模組130所產生的統計值以及資料過濾模組150所過濾出之各個異常資料的特徵值判斷受測者患有睡眠障礙的嚴重程度(步驟370)。在本實施例中，假設睡眠障礙程度判斷模組160會依據統計值與各異常資料之特徵值的比值及/或達到比例門檻值之比值的數量，判斷受測者患有睡眠障礙的嚴重程度判斷受測者所患有之睡眠障礙的嚴重程度，例如，睡眠障礙程度判斷模組160可以由預先定義之表格中，讀取出所計算出之比值以及達到比例門檻值之比值的數量所對應的嚴重程度。如此，受測者便可以透過本發明得知是否患有睡眠障礙，並得知患有之睡眠障礙的嚴重程度。

綜上所述，可知本發明與先前技術之間的差異在於具有在計算各生理資料基於同一特徵項目之各特徵值後，依據計算出之特徵值過濾生理資料中的異常資料，並依據正常生理資料的特徵值以及異常資料的特徵值判斷受測者受測者患有睡眠障礙之嚴重程度的技術手段，藉由此一技術手段可以解決先前技術所存在無法快速有效的判斷患有睡眠障礙之嚴重程度的問題，進而達成自動判斷睡眠障礙之嚴重程度的技術功效。

再者，本發明之依據歷史生理資料判斷睡眠障礙嚴重程度之方法，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．．．資料讀取模組

120．．．特徵計算模組

130．．．特徵統計模組

150．．．資料過濾模組

160．．．睡眠障礙程度判斷模組

400．．．儲存媒體

步驟301　儲存受測者於各次睡眠時所測得之生理資料

步驟320　計算各生理資料基於同一特徵項目之特徵值

步驟330　依據生理資料之特徵值產生統計值

步驟350　過濾各生理資料中，特徵值與統計值之差值達到過濾預定值之各異常資料

步驟360　依據統計值及各異常資料之特徵值判斷受測者是否患有任一睡眠障礙

步驟370　判斷睡眠障礙之嚴重程度

第1圖為本發明所提之依據歷史生理資料判斷睡眠障礙嚴重程度之系統架構圖。

第2圖為本發明所提之依據歷史生理資料判斷睡眠障礙嚴重程度之方法流程圖。

步驟301　儲存受測者於各次睡眠時所測得之生理資料

步驟320　計算各生理資料基於同一特徵項目之特徵值

步驟330　依據生理資料之特徵值產生統計值

步驟350　過濾各生理資料中，特徵值與統計值之差值達到過濾預定值之各異常資料

步驟360　依據統計值及各異常資料之特徵值判斷受測者是否患有任一睡眠障礙

步驟370　判斷睡眠障礙之嚴重程度

Claims (10)

1. 一種依據歷史生理資料判斷睡眠障礙嚴重程度之方法，該方法至少包含下列步驟：儲存一受測者於各次睡眠時所測得之各生理資料；計算各該生理資料基於各特徵項目在各時間點之各特徵值；依據該些生理資料在各時間點之特徵值產生相對應之各統計值；過濾各該生理資料在各時間點之特徵值與相對應之一該統計值之差值達到一過濾預定值之各異常資料；及依據各該統計值及各該異常資料在各時間點之特徵值判斷該受測者是否患有相對應之任一睡眠障礙，並判斷該受測者患有該睡眠障礙之嚴重程度。
2. 如申請專利範圍第1項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之方法，其中該計算各該生理資料基於各該特徵項目之各該特徵值之步驟是計算各該生理資料之相位角變化率、變異數、標準差、斜率、及/或時間導函數值至少其中之一。
3. 如申請專利範圍第1項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之方法，其中該依據該些生理資料在各時間點之特徵值產生各該統計值之步驟是計算該些特徵值之平均值或中位數。
4. 如申請專利範圍第1項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之方法，其中該依據各該統計值及各該異常資料 在各時間點之特徵值判斷該受測者是否患有相對應之任一睡眠障礙之步驟是計算各該統計值與各該異常資料在各時間點之特徵值之各比值及該些比值達到一比例門檻值之一數量，並於該數量達到數量門檻值時，判斷該受測者患有該睡眠障礙。
5. 如申請專利範圍第4項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之方法，其中該判斷該睡眠障礙之嚴重程度之步驟是依據該些比值及/或該數量判斷該受測者患有該睡眠障礙之嚴重程度。
6. 一種依據歷史生理資料判斷睡眠障礙嚴重程度之系統，該系統至少包含：一資料讀取模組，用以讀取預先儲存之各生理資料，其中，該些生理資料為一受測者於各次睡眠時所測得；一特徵計算模組，用以計算各該生理資料基於各特徵項目在各時間點之各特徵值；一特徵統計模組，用以依據該些生理資料在各時間點之特徵值產生相對應之各統計值；一資料過濾模組，用以過濾各該生理資料在各時間點之特徵值與相對應之一該統計值之差值達到一過濾預定值之各異常資料；及一睡眠障礙程度判斷模組，用以依據各該統計值及各該異常資料在各時間點之特徵值判斷該受測者是否患有相對應之任一睡眠障礙，並判斷該受測者患有該睡眠障礙之嚴重程度。
7. 如申請專利範圍第6項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之系統，其中該些特徵項目為各該生理資料之相位角變化率、變異數、標準差、斜率、及/或時間導函數值至少其中之一。
8. 如申請專利範圍第6項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之系統，其中該些統計值為該些特徵值之平均值或中位數。
9. 如申請專利範圍第6項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之系統，其中該睡眠障礙程度判斷模組是計算各該統計值與各該異常資料在各時間點之特徵值之各比值及該些比值達到一比例門檻值之一數量，並於該數量達到數量門檻值時，判斷該受測者患有該睡眠障礙。
10. 如申請專利範圍第9項所述之依據歷史生理資料判斷睡眠障礙嚴重程度之系統，其中該睡眠障礙程度判斷模組是依據該些比值及/或該數量判斷該受測者患有該睡眠障礙之嚴重程度。