CN103961105A - 对打鼾进行识别和强度输出的方法与***及一种呼吸机 - Google Patents

Abstract

本发明公开了一种对打鼾进行识别和强度输出的方法与***及一种呼吸机，主要包括依次连接的呼吸流量采集器、呼吸判别器、打鼾特征判别器和打鼾强度输出器，所述呼吸流量采集器采集呼吸过程中的呼气和吸气流量发送给呼吸判别器；所述呼吸判别器用于识别呼吸周期中的吸气起始点与结束点，当检测到吸气起始点时，启动打鼾特征判别器，关闭打鼾强度输出器；当检测到吸气结束点，关闭打鼾特征判别器，启动打鼾强度输出器；所述打鼾特征判别器在吸气周期中会分析流速变化的特征，识别打鼾是否发生；所述打鼾强度输出器则是对识别出的打鼾进行判断，然后输出归一化的打鼾强度指数。采用本发明提高准确判断的成功率，节省了硬件成本，降低了实现的复杂度。

Description

对打鼾进行识别和强度输出的方法与***及一种呼吸机

技术领域

本发明涉及一种识别和评估方法，尤其涉及的是一种对打鼾进行识别和强度输出的方法与***及一种呼吸机。

背景技术

人睡觉时，枕头过高或过低或者咽喉腔受到压迫，导致进出气流受阻，容易引起打鼾；头放得不正，也容易使气流出入不畅，也可致使打鼾声接连不断。并且任何可引起鼻、咽喉等处气道狭窄的因素都会促使打鼾发生。肥胖患者颈部沉积了过多的脂肪,也是引起呼吸道狭窄而出现打鼾的原因之一。也有些患者白天时气道无异常,睡觉时由于气道周围肌肉张力减低,加之仰卧位睡眠时舌根后坠,同样可引起气道狭窄,影响气流的顺利通过。

临床上，睡眠呼吸暂停综合征揭示了打鼾与呼吸暂停之间存在着密切联系。应用多导生理记录仪监测睡眠呼吸变化及流行病学的调查,进一步发现睡眠打鼾不仅是睡眠呼吸暂停综合征的主要标志,影响患者的呼吸功能,而且与高血压病及心脑血管疾病的发生密切相关。

中国专利申请号为2006800025973.4的公开技术文件中，公布了一种确定对象是否在打鼾的方法，该方法主要思想是根据感应垫判断对象是否在床上，采集音频信号是否有鼾声，采集生理信号是否处于睡眠状态以此来综合判断对象是否打鼾。中国专利申请号为200780001837.6的公开技术文件中，公布了一种用于打鼾检测的方法。该方法的主要思想是使用经过滤波的呼气噪声作为内在设备噪声的测量，并将其与经过滤波的吸气噪声进行比较这一简化方法来确定鼾声的存在。

上述现有的方法都存在一些问题或缺陷，其中第一种方法所需大量的传感器，例如感应垫传感器，目标附近的音频传感器以及检测人体生理睡眠呼吸状态的传感器，检测方法复杂，硬件成本高，并不能从引起打鼾的本质上识别，准确度低。第二种方法主要从鼾声的检测上识别打鼾，而鼾声很容易受周围背景噪声干扰引起误识别或无法识别。

因此，现有技术还有待于改进和发展。

发明内容

本发明的目的在于提供一种对打鼾进行识别和强度输出的方法与***及一种呼吸机，旨在解决现有技术存在的识别准确度低且方法复杂和硬件成本高的问题。

本发明的技术方案如下：

一种对打鼾进行识别和强度输出的方法，其包括以下步骤：

步骤a：采集呼吸流量数据判断是否处于吸气状态，是则执行以下步骤，否则继续采集；

步骤b：获取每次呼吸周期中的吸气流量变化曲线；

步骤c：计算气流受限指数衡量气道是否受阻即曲线是否具有平台型特征，有则继续以下步骤，无则继续采集呼吸流量；

步骤d：在气道受阻条件下，统计拐点个数即识别流量曲线是否具有锯齿型特征；

步骤e：对满足平台型特征和锯齿型特征的流量曲线判定发生打鼾；

步骤f：统计一段时间内的打鼾次数，计算输出打鼾强度指数。

所述的对打鼾进行识别和强度输出的方法，其中，具有平台型特征的流量曲线检测步骤如下：

步骤c1：获取吸气期间的流量曲线；

步骤c2：将流量曲线归一化；

步骤c3：计算吸气流量曲线的参考幅度；

步骤c4：计算吸气流量曲线与参考幅度的平均偏差；

步骤c5：利用平均偏差量与参考幅度的比值作为气流受限指数气来表示道受阻的严重程度，指数越小气道受阻越严重，平台型特征越明显。

所述的对打鼾进行识别和强度输出的方法，其中，所述参考幅度能反映流量曲线值的分布重心，其计算方法为：

$M=\underset{i=0}{\overset{i=N}{\mathrm{\Σ}}}F\left(i\right)/N$

其中，M为参考幅度，F为流量，N为吸气时间长度且已离散化。

所述的对打鼾进行识别和强度输出的方法，其中，取吸气时间的中间部分参与平均偏差的计算，具体方法为：

$\mathrm{Offset}=\underset{i=\frac{1}{4}*N}{\overset{\frac{3}{4}*N}{\mathrm{\Σ}}}(F\left(i\right)-M)/\frac{N}{2}$

其中，Offset为平均偏差，M为参考幅度，F为流量，N为吸气时间长度且已离散化。

所述的对打鼾进行识别和强度输出的方法，其中，具有锯齿型特征的流量曲线检测步骤如下：

步骤d1:获取吸气期间的流量曲线；

步骤d2:将流量曲线归一化；

步骤d3:计数吸气期间的拐点个数；

步骤d4:判断拐点个数是否大于设定阈值，是则判定流量曲线具有锯齿型特征。

所述的对打鼾进行识别和强度输出的方法，其中，计算拐点个数要将流量曲线转换成一阶差分曲线，即

F′(i)＝F(i+1)-F(i) 0≤i≤N-1

依据F′(i)过0值点判断拐点是否存在，其中F为流量，N为吸气时间长度且已离散化，i为时间。

所述的对打鼾进行识别和强度输出的方法，其中，在当且仅当流量曲线具有平台型和锯齿形特征时，才评估该次吸气发生打鼾的程度，并统计一段时间内的呼吸次数与打鼾次数计算相应的打鼾强度指数，其输出打鼾强度指数的方法步骤如下：

步骤ef1：判断吸气流量曲线是否受阻，是则继续，否则返回；

步骤ef2：判断是否打鼾，是则继续，否则返回；

步骤ef3：计算打鼾指数，并输出；

其中，计算打鼾指数的方法具体为：连续统计一段时间内的呼吸情况，并判断每一次呼吸是否存在打鼾同时记录发生的呼吸次数，当统计时段范围内的一次呼吸发生了打鼾，打鼾动量加1，反之减1，并确保其不小于0，打鼾指数可由上述两者衡量，即

$\mathrm{SnoreI}=\frac{\mathrm{SnoreT}}{\mathrm{BreathN}}$

式中，SnoreI为打鼾指数，SnoreT为打鼾动量，BreathN为呼吸次数，当发生连续打鼾时，打鼾指数会连续上升，最大至1，当每一次呼吸不存在打鼾时，打鼾指数会连续下降，最小至0，连续统计一段时间内的呼吸采取的是滑动的方法，即统计每一次呼吸之后的BreathN次呼吸。

所述的对打鼾进行识别和强度输出的方法，其中，计算打鼾指数时加入气流受限指数和锯齿形态程度作为打鼾指数的权重系数，即

$\mathrm{SnoreI}=\frac{\mathrm{SnoreT}}{\mathrm{BreathN}}*w1\left(\mathrm{FI}\right)*w2\left(\mathrm{TP}\right)$

其中，FI为气流受限指数，TP为锯齿形态程度，w1为权重函数，w2为权重函数，气流受限指数越小，权重值w1(FI)越大，成负相关；锯齿形态程度越大，权重值w2(TP)越大，成正相关。

一种对打鼾进行识别和强度输出的***，其主要包括依次连接的呼吸流量采集器、呼吸判别器、打鼾特征判别器和打鼾强度输出器，所述呼吸流量采集器采集呼吸过程中的呼气和吸气流量发送给呼吸判别器；所述呼吸判别器用于识别呼吸周期中的吸气起始点与结束点，当检测到吸气起始点时，启动打鼾特征判别器，关闭打鼾强度输出器；当检测到吸气结束点，关闭打鼾特征判别器，启动打鼾强度输出器；所述打鼾特征判别器在吸气周期中会分析流速变化的特征，识别打鼾是否发生；所述打鼾强度输出器则是对识别出的打鼾进行判断，然后输出归一化的打鼾强度指数。

一种呼吸机，其设置有上述的对打鼾进行识别和强度输出的***，呼吸机控制单元接收该***的强度输出信号，调节治疗压力。

本发明的有益效果：本发明通过采用一种不依赖鼾声的可靠方法，消除环境噪声干扰以检测打鼾是否发生，并且硬件实现方案简单，成本低廉。最后能输出打鼾指数表征打鼾的严重程度并为进一步治疗提供参考，例如呼吸机根据打鼾指数调节输出的治疗压力等。

附图说明

图1是本发明提供的***框图。

图2是当气道畅通时，正常的吸气流量波形曲线。

图3是当气道部分受阻时，具有类似平台型特征的吸气流量波形曲线。

图4是当气道受阻引起打鼾时，流量上下振动形成锯齿状的波形曲线。

图5是计算平均偏差时，取吸气时间的中间部分的曲线图。

图6是流量曲线转换成一阶差分曲线的示意图。

图7是打鼾指数统计线图。

图8是本发明提供的方法的步骤流程图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。

如图1所示，本发明提供的对打鼾进行识别和强度输出的***主要是利用呼吸气体通过气道的流速变化特征作为判断依据，其***结构主要包括依次连接的呼吸流量采集器、呼吸判别器、打鼾特征判别器和打鼾强度输出器。所述呼吸流量采集器采集呼吸过程中的呼气和吸气流量发送给呼吸判别器；所述呼吸判别器用于识别呼吸周期中的吸气起始点与结束点，当检测到吸气起始点时，启动打鼾特征判别器，关闭打鼾强度输出器；当检测到吸气结束点，关闭打鼾特征判别器，启动打鼾强度输出器；所述打鼾特征判别器在吸气周期中会分析流速变化的特征，识别打鼾是否发生，包括分析气流是否受限，气流是否振动剧烈等；所述打鼾强度输出器则是对识别出的打鼾进行评估，判断严重程度，然后输出归一化打鼾强度指数。

本发明的判断依据在于气流通过气道时的流量变化形态，对同时具有平台型特征和锯齿型特征的流量曲线判定为打鼾并评估其严重程度。其识别和强度输出方法步骤为：

步骤a：采集呼吸流量数据判断是否处于吸气状态，是则执行以下步骤，否则继续采集；

步骤b：获取每次呼吸周期中的吸气流量变化曲线；

步骤c：计算气流受限指数FI衡量气道是否受阻即曲线是否具有平台型特征，有则继续以下步骤，无则继续采集呼吸流量；

步骤d：在气道受阻条件下，统计拐点个数TP即识别流量曲线是否具有锯齿型特征；

步骤e：对满足平台型特征和锯齿型特征的流量曲线判定发生打鼾；

步骤f：统计一段时间内的打鼾次数，计算输出打鼾强度指数SnoreI。

所述呼吸判别器首先根据呼吸流量筛选出在呼吸周期中的吸气部分，由于发生打鼾时，流量在吸气期间有区别于正常流量波形的明显特征。判断吸气呼气的临界点，可以采用流量过0值的方法，如流量由负变正判定为吸气，流量由正变负判定为呼气，也可以采用其它公知的方法。

所述打鼾特征判别器用于记录吸气中的流量波形，并对该波形进行气流受限，振动程度的评估以判别是否存在打鼾事件。当气道畅通时，正常的吸气流量波形曲线是一段光滑的波形，如图2所示。图中纵轴为流量归一化后的幅度，流量由上穿0值开始，下穿0值结束，中间一段具有较为光滑的钟型曲线，横轴表示吸气时间跨度。当气道畅通时，就越具有明显的钟型特征，当气道部分受阻时，就会具有类似扁平状的平台型特征，如图3所示。当气道受阻引起打鼾时流量上下振动形成锯齿状的波形曲线，如图4所示。

其中，具有平台型特征的流量曲线检测步骤如下：

步骤c1：获取吸气期间的流量曲线；

步骤c2：将流量曲线归一化；

步骤c3：计算吸气流量曲线的参考幅度M；

步骤c4：计算吸气流量曲线与参考幅度M的平均偏差Offset；

步骤c5：利用平均偏差量与参考幅度的比值作为气流受限指数气来表示道受阻的严重程度，指数越小气道受阻越严重，平台型特征越明显。

其中，归一化是因为具体吸气流量的幅度与持续时间并不是区别气流受限的显著特征，而只对形态特征感兴趣，即确定其是气道畅通时的钟型曲线，还是气道受阻的平台型曲线。归一化前，一种方案是对其做平滑滤波处理，消除微小的抖动，进一步使曲线光滑突出形态特征。

其中，参考幅度M能反映流量曲线值的分布重心，本发明提供的一种方案是计算该平均值，即

$M=\underset{i=0}{\overset{i=N}{\mathrm{\Σ}}}F\left(i\right)/N$

其中，M为参考幅度，F为流量，N为吸气时间长度，已离散化，由呼吸判别器给出。

吸气流量曲线由上升阶段和下降阶段组成，取吸气时间的中间部分参与平均偏差的计算。其中一种方案取吸气时间二分之一的部分，并且位于中心，如图5中阴影部分的面积，即

$\mathrm{Offset}=\underset{i=\frac{1}{4}*N}{\overset{\frac{3}{4}*N}{\mathrm{\Σ}}}(F\left(i\right)-M)/\frac{N}{2}$

其中，Offset为平均偏差，M为参考幅度，F为流量，N为吸气时间长度，已离散化，由呼吸判别器给出。

平均偏差量与参考幅度的比值，反映了两者的偏离程度，即

FI＝Offset/M

定义其为气流受限指数FI，气流受限指数反映了气道受阻的严重程度，FI越小气道受阻越严重。

其中，具有锯齿型特征的流量曲线检测步骤如下：

步骤d1:获取吸气期间的流量曲线；

步骤d2:将流量曲线归一化；

步骤d3:计数吸气期间的拐点个数；

步骤d4:判断拐点个数是否大于设定阈值，是则判定流量曲线具有锯齿型特征。

其中，归一化是因为具体吸气流量的幅度与持续时间并不是区别气流受限的显著特征，而只对形态特征感兴趣，即确定其是气道畅通时的钟型曲线，还是气道受阻的平台型曲线。归一化前，一种方案是对其做平滑滤波处理，消除微小的抖动，使曲线光滑突出形态特征。

其中，计算拐点个数要将流量曲线转换成一阶差分曲线，即

F′(i)＝F(i+1)-F(i) 0≤i≤N-1

并依据F′(i)过0值点判断拐点是否存在，其中F为流量曲线如图6所示，统计吸气期间的拐点个数，计为TP。拐点个数TP反映了流量曲线具有锯齿形态特征的程度，TP越大，锯齿形态越明显。该阈值一般不小于4时，具有较为确定的锯齿形态特征。

所述打鼾强度输出器在当且仅当流量曲线具有平台型和锯齿形特征时，才评估该次吸气发生打鼾的程度，并统计一段时间内的呼吸次数与打鼾次数计算相应的打鼾强度指数，其输出打鼾强度指数的方法步骤如下：

步骤ef1：判断吸气流量曲线是否受阻，是则继续，否则返回；

步骤ef2：判断是否打鼾，是则继续，否则返回；

步骤ef3：计算打鼾指数，并输出。

其中，打鼾特征判别器评估气流受限的严重程度，气流受限指数FI越小气道受阻越严重，例如选取适当的阈值可以划分为受阻或畅通状态等。畅通状态说明不存在气流受限和打鼾。受阻状态说明存在气流受限，可能存在打鼾并需要进一步判断。当存在气流受限时，打鼾特征判别器进一步判断吸气流量是否具有锯齿形态特征，存在则认为该次呼吸存在打鼾，否则认为该次呼吸存在气流受限。其中一种方案是连续统计一段时间内的呼吸情况，并判断每一次呼吸是否存在打鼾同时记录发生的呼吸次数BreathN。当统计时段范围内的一次呼吸发生了打鼾，打鼾动量SnoreT加1，反之减1，并确保其不小于0。那么打鼾指数SnoreI可由上述两者衡量，即

$\mathrm{SnoreI}=\frac{\mathrm{SnoreT}}{\mathrm{BreathN}}$

当发生连续打鼾时，打鼾指数SnoreI会连续上升，最大至1。当每一次呼吸不存在打鼾时，打鼾指数SnoreI会连续下降，最小至0，如图7所示。同时注意的是，连续统计一段时间内的呼吸采取的是滑动的方法，即统计每一次呼吸之后的BreathN次呼吸。

其中，更优的一种方案是加入气流受限指数FI和锯齿形态程度TP作为打鼾指数SnoreI的权重系数，即

$\mathrm{SnoreI}=\frac{\mathrm{SnoreT}}{\mathrm{BreathN}}*w1\left(\mathrm{FI}\right)*w2\left(\mathrm{TP}\right)$

气流受限指数FI越小，权重值w1(FI)越大，成负相关。锯齿形态程度TP越大，权重值w2(TP)越大，成正相关。所以在发生打鼾时，气流受限和锯齿形态程度越严重，那么打鼾指数SnoreI也会相应的升高。

权重函数w1()其中一种实现方案是将统计时间段内的FI归一化，并用1减去需要计算权重值所对应的FI。

权重函数w2()其中一种实现方案是将统计时间段内的TP归一化，并取出需要计算权重值所对应的TP。

本发明还根据以上提供的方法和***，将其运用到一种呼吸机上，用于呼吸机治疗期间的打鼾检测，所述呼吸机根据输出的打鼾强度指数为患者调节最佳治疗压力。

相比已有的技术方案，本发明具有的优点有：

1、采用打鼾时具有的流量特征曲线相比音频识别更能反映气道受阻的本质，且不会受到背景噪声的影响从而提高准确判断的成功率。

2、相比音频识别需要大量的传感器，本发明主要对流量进行分析处理，节省了硬件成本，降低了实现的复杂度。

3、利用反映打鼾本质的流量曲线平台型特征和锯齿型特征保证打鼾事件的识别，有效减少误识别率。

4、具有衡量打鼾严重程度的打鼾指数，为后续治疗提供极有价值的参考。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种对打鼾进行识别和强度输出的方法，其特征在于，包括以下步骤：

步骤a：采集呼吸流量数据判断是否处于吸气状态，是则执行以下步骤，否则继续采集；

步骤b：获取每次呼吸周期中的吸气流量变化曲线；

步骤c：计算气流受限指数衡量气道是否受阻即曲线是否具有平台型特征，有则继续以下步骤，无则继续采集呼吸流量；

步骤d：在气道受阻条件下，统计拐点个数即识别流量曲线是否具有锯齿型特征；

步骤e：对满足平台型特征和锯齿型特征的流量曲线判定发生打鼾；

步骤f：统计一段时间内的打鼾次数，计算输出打鼾强度指数。

2.根据权利要求1所述的对打鼾进行识别和强度输出的方法，其特征在于，具有平台型特征的流量曲线检测步骤如下：

步骤c1：获取吸气期间的流量曲线；

步骤c2：将流量曲线归一化；

步骤c3：计算吸气流量曲线的参考幅度；

步骤c4：计算吸气流量曲线与参考幅度的平均偏差；

步骤c5：利用平均偏差量与参考幅度的比值作为气流受限指数气来表示道受阻的严重程度，指数越小气道受阻越严重，平台型特征越明显。

3.根据权利要求2所述的对打鼾进行识别和强度输出的方法，其特征在于，所述参考幅度能反映流量曲线值的分布重心，其计算方法为：

$M=\underset{i=0}{\overset{i=N}{\mathrm{\Σ}}}F\left(i\right)/N$

其中，M为参考幅度，F为流量，N为吸气时间长度且已离散化。

4.根据权利要求2所述的对打鼾进行识别和强度输出的方法，其特征在于，取吸气时间的中间部分参与平均偏差的计算，具体方法为：

$\mathrm{Offset}=\underset{i=\frac{1}{4}*N}{\overset{\frac{3}{4}*N}{\mathrm{\Σ}}}(F\left(i\right)-M)/\frac{N}{2}$

其中，Offset为平均偏差，M为参考幅度，F为流量，N为吸气时间长度且已离散化。

5.根据权利要求1所述的对打鼾进行识别和强度输出的方法，其特征在于，具有锯齿型特征的流量曲线检测步骤如下：

步骤d1:获取吸气期间的流量曲线；

步骤d2:将流量曲线归一化；

步骤d3:计数吸气期间的拐点个数；

步骤d4:判断拐点个数是否大于设定阈值，是则判定流量曲线具有锯齿型特征。

6.根据权利要求5所述的对打鼾进行识别和强度输出的方法，其特征在于，计算拐点个数要将流量曲线转换成一阶差分曲线，即

F′(i)＝F(i+1)-F(i) 0≤i≤N-1

依据F′(i)过0值点判断拐点是否存在，其中F为流量，N为吸气时间长度且已离散化，i为时间。

7.根据权利要求1所述的对打鼾进行识别和强度输出的方法，其特征在于，在当且仅当流量曲线具有平台型和锯齿形特征时，才评估该次吸气发生打鼾的程度，并统计一段时间内的呼吸次数与打鼾次数计算相应的打鼾强度指数，其输出打鼾强度指数的方法步骤如下：

步骤ef1：判断吸气流量曲线是否受阻，是则继续，否则返回；

步骤ef2：判断是否打鼾，是则继续，否则返回；

步骤ef3：计算打鼾指数，并输出；

其中，计算打鼾指数的方法具体为：连续统计一段时间内的呼吸情况，并判断每一次呼吸是否存在打鼾同时记录发生的呼吸次数，当统计时段范围内的一次呼吸发生了打鼾，打鼾动量加1，反之减1，并确保其不小于0，打鼾指数可由上述两者衡量，即

$\mathrm{SnoreI}=\frac{\mathrm{SnoreT}}{\mathrm{BreathN}}$

式中，SnoreI为打鼾指数，SnoreT为打鼾动量，BreathN为呼吸次数，当发生连续打鼾时，打鼾指数会连续上升，最大至1，当每一次呼吸不存在打鼾时，打鼾指数会连续下降，最小至0，连续统计一段时间内的呼吸采取的是滑动的方法，即统计每一次呼吸之后的BreathN次呼吸。

8.根据权利要求7所述的对打鼾进行识别和强度输出的方法，其特征在于，计算打鼾指数时加入气流受限指数和锯齿形态程度作为打鼾指数的权重系数，即

$\mathrm{SnoreI}=\frac{\mathrm{SnoreT}}{\mathrm{BreathN}}*w1\left(\mathrm{FI}\right)*w2\left(\mathrm{TP}\right)$

其中，FI为气流受限指数，TP为锯齿形态程度，w1为权重函数，w2为权重函数，气流受限指数越小，权重值w1(FI)越大，成负相关；锯齿形态程度越大，权重值w2(TP)越大，成正相关。

9.一种对打鼾进行识别和强度输出的***，其特征在于，主要包括依次连接的呼吸流量采集器、呼吸判别器、打鼾特征判别器和打鼾强度输出器，所述呼吸流量采集器采集呼吸过程中的呼气和吸气流量发送给呼吸判别器；所述呼吸判别器用于识别呼吸周期中的吸气起始点与结束点，当检测到吸气起始点时，启动打鼾特征判别器，关闭打鼾强度输出器；当检测到吸气结束点，关闭打鼾特征判别器，启动打鼾强度输出器；所述打鼾特征判别器在吸气周期中会分析流速变化的特征，识别打鼾是否发生；所述打鼾强度输出器则是对识别出的打鼾进行判断，然后输出归一化的打鼾强度指数。

10.一种呼吸机，其特征在于，设置有如权利要求9所述的对打鼾进行识别和强度输出的***，呼吸机控制单元接收该***的强度输出信号，调节治疗压力。