CN105361885B - 呼吸波形辨识*** - Google Patents
呼吸波形辨识*** Download PDFInfo
- Publication number
- CN105361885B CN105361885B CN201410424270.5A CN201410424270A CN105361885B CN 105361885 B CN105361885 B CN 105361885B CN 201410424270 A CN201410424270 A CN 201410424270A CN 105361885 B CN105361885 B CN 105361885B
- Authority
- CN
- China
- Prior art keywords
- waveform
- respiratory
- state
- air flow
- time
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种呼吸波形辨识方法,包含以下步骤:(a)在一呼吸周期检测呼吸气流;(b)测量该呼吸气流的振幅并测量该呼吸周期的时间;(c)多个取样点依照该振幅与该时间决定一吸气波形与一呼气波形;(d)正规化该吸气波形与该呼气波形的其中之一的该振幅与该时间,以建立正规化波形;以及(e)累加一参考波形与该正规化波形之间的差值,以计算出流量系数,该流量系数决定该正规化波形能被识别为正常呼吸状态与非正常呼吸状态。本发明利用曲线(或加权曲线、标准波形)拟合该吸气波形或该呼气波形,以计算出差值,并根据累积该差值以辨别出该正常呼吸状态与该非正常呼吸状态。本发明还提供了一种呼吸波形辨识***。
Description
技术领域
本发明涉及呼吸状态识别领域,特别涉及通过曲线、加权曲线与标准波形的至少其中之一拟合呼吸气流的至少一部分的呼吸波形辨识方法及其***。
背景技术
通常,在患者自行呼吸的过程中,在无法获得所需的氧气浓度(下称不正常呼吸状态)时,则该患者可借助呼吸机维持人体所需的呼吸运动,以补足该氧气浓度。
该不正常呼吸状态通常地发生在该患者睡眠的过程中,通常该不正常呼吸状态又可进一步区分为短暂呼吸暂停(apnea)、浅呼吸(hypopnea)或浅慢呼吸(flowlimitation),分别地于下文详细说明。
该短暂呼吸暂停的定义是在该患者睡眠过程中,因呼吸中止导致肺部超过数十秒钟无空气流通,而造成该患者血液中血氧浓度降低的现象。患有该睡眠呼吸中止症的该患者,会因睡眠呼吸暂停影响睡眠质量,而有生活不正常、引发心血管疾病、心脏病或脑溢血等隐患。
该浅呼吸定义为成年人在睡眠过程中因发生呼吸变浅而导致气体流量减少的情况。除前述的情况外,该浅呼吸还有可能同时并发氧气饱和度下降(oxygendesaturation),以及发生长达数十秒以上的短暂觉醒(arousal)的情况。举例而言,在睡眠过程中,若该成年人的气流量及胸腹部的呼吸运动比正常的情况降低50%~70%,并且该成年人血液的氧气饱和度至少降低了4%,则符合该浅呼吸的定义。
该浅慢呼吸定义为该患者因呼吸道部分地受阻,导致气流的通过量比正常的流量低。详言之,在睡眠过程中,由于上呼吸道肌肉群不协调、咽部软组织松厚、扁桃腺增生或扁桃腺肥大等因素,造成该患者在睡眠过程中,反复地发生上呼吸道部分阻塞或全部阻塞的情况,而该情况可能让该患者短暂地觉醒。
通过呼吸中止-浅呼吸指数(apnea-hypopnea index,AHI)可判断是否为浅呼吸或浅慢呼吸。其中,该呼吸中止-浅呼吸指数表示睡眠中每小时发生呼吸中止以及浅呼吸的总和次数。若AHI大于等于15次/小时或AHI大于等于5次/小时,则表示该患者可能在白天发生昏昏欲睡、打呼(或称打鼾)(snore)、目击呼吸中断,以及因短暂噎住/倒吸一口气而觉醒的症状。
值得注意的是,上文中打呼(或称该打鼾)定义为该气流经过比较狭窄的上呼吸道时,因为咽喉的软组织、软颚或悬雍垂发生震动而产生声响的一种症状。
前述所提及的呼吸机,是目前解决不正常呼吸状态最有效的方式。该患者可通过该呼吸机连续供应气体,以达到补足氧气浓度的功效。
呼吸机的种类依照压力供应的形式进一步区分为正压型呼吸机和负压型呼吸机。
以正压型呼吸机为例说明。正压型呼吸机通过检测该患者的呼吸气流,以判断在适当的时机协助该患者进行完整的呼吸运动。
呼吸气流的检测方法可区分为植入型检测技术与非植入型检测技术。植入型检测技术是将检测仪器植入人体内部,例如心脏心室、肺部或喉头等;非植入型检测技术是直接地利用正压呼吸机检测患者的呼吸气流。后者的检测技术相较于前者的检测技术,由于不需植入人体内部,故可以快速地且容易地检测患者的呼吸气流,不致于让该患者产生不舒服的感觉。
然而,非植入型检测技术虽可轻易地对患者进行检测,但传统的呼吸机仍然存在缺陷,即传统的呼吸机并无法有效地且精准地辨别在不正常呼吸状态中的严重程度,这问题将导致该呼吸机在对患者持续加压的过程中,有可能抑制该患者的呼吸,并造成更严重呼吸障碍的缺陷。
因此,如何让呼吸机可精确地识别该严重程度而能够适当地输出适合的气体压力,是重要且亟需解决的问题。
有鉴于此,本发明提出一种呼吸波形辨识方法与其***,可在一呼吸气流中精确地识别正常呼吸状态与非正常呼吸状态。
发明内容
本发明的第一目的是提供一种呼吸波形辨识方法,通过实时地正规化一呼吸气流的振幅与时间,让正规化后的呼吸气流能够通过一算法计算出精确的流量系数,并从该流量系数中识别该呼吸气流属于正常呼吸状态与非正常呼吸状态,其中该非正常呼吸状态包含短暂呼吸暂停(apnea)、浅呼吸(hypopnea)或浅慢呼吸(flow limitation)。
本发明的第二目的是根据上述的呼吸波形辨识方法,提取该呼吸气流中的一吸气波形或一呼气波形,以减少该算法演算的时间,而该呼吸波形辨识方法可由单一吸气波形或呼气波形识别该呼吸气流的状态。
本发明的第三目的是根据上述的呼吸波形辨识方法,利用曲线拟合方法,利用一阶线性曲线、多阶线性曲线、加权曲线与标准波形拟合正规化的该吸气波形或该呼气波形,以判断该非正常呼吸状态的严重程度。
本发明的第四目的是根据上述的呼吸波形辨识方法,在拟合过程中,针对在该呼吸气流中特定的取样点根据权重进行重新分配,以判断该非正常呼吸状态的严重程度。
本发明的第五目的是根据上述的呼吸波形辨识方法,在多个标准波形中选择与正规化的该吸气波形或该呼气波形最近似的波形,通过计算二波形的误差,以判断该非正常呼吸状态的严重程度。
本发明的第六目的是根据上述的呼吸波形辨识方法,选择正规化的该吸气波形或该呼气波形的一部分波形,并且计算该部分波形与这些标准波形的其中之一的差值(例如绝对误差的标准偏差),以判断该非正常呼吸状态的严重程度。
本发明的第七目的是提供一种呼吸波形辨识***,通过检测一呼吸气流,而从该呼吸气流中识别正常呼吸状态与非正常呼吸状态。
所述呼吸波形辨识***具有至少一个气流传感器、一个处理单元及一个显示单元。气流传感器可进行本文所有涉及检测步骤的工作。处理单元用以进行本文所有的测量、取样、决定波形、累加、拟合、正规化、计算流量系数、决定呼吸状态、设定流量阀值、比对、判定阻塞程度等等任何涉及计算及分析的步骤。显示单元用以显示呼吸状态。
为达到上述的目的及其它目的,本发明提供一种呼吸波形辨识方法,供在一呼吸气流中识别正常呼吸状态与非正常呼吸状态,该呼吸波形辨识方法包含(a)在一呼吸周期检测该呼吸气流;(b)测量该呼吸气流的振幅并测量该呼吸周期的时间,其中该时间的长度至少足以检测到该呼吸气流的上升波形或下降波形;(c)多个取样点依照该振幅与该时间决定一吸气波形与一呼气波形;(d)正规化该吸气波形与该呼气波形的其中之一的该振幅与该时间,以建立正规化波形;以及(e)累加参考波形与该正规化波形之间的差值,以计算出流量系数,该流量系数决定该正规化波形被识别为该正常呼吸状态与该非正常呼吸状态。
为达到上述的目的及其它目的,本发明提供一种呼吸波形辨识方法,供在一呼吸气流中识别正常呼吸状态与非正常呼吸状态,该呼吸波形辨识方法包含(a1)在该呼吸周期检测一呼吸气流;(b1)测量该呼吸气流的振幅并测量该呼吸周期的时间,其中该时间的长度至少足以检测到该呼吸气流的上升波形或下降波形;(c1)多个取样点依照该振幅与该时间决定一吸气波形与一呼气波形;(d1)正规化该吸气波形与该呼气波形的其中之一的该振幅与该时间,以建立正规化波形;(e1)利用一线性方程式拟合该正规化波形;(f1)通过加权最小平方法计算该线性方程式与该正规化波形之间的差值,而该差值再通过一加权函数计算出流量系数,该流量系数决定该正规化波形被识别为该正常呼吸状态与该非正常呼吸状态。
为达到上述的目的及其它目的,本发明提供一种呼吸波形辨识方法,供在一呼吸气流中识别正常呼吸状态与非正常呼吸状态,该呼吸波形辨识方法包含(a2)在一呼吸周期检测该呼吸气流;(b2)测量该呼吸气流的振幅并测量该呼吸周期的时间,其中该时间的长度至少足以检测到该呼吸气流的上升波形或下降波形;(c2)多个取样点依照该振幅与该时间以决定一吸气波形与一呼气波形;(d2)正规化该吸气波形与该呼气波形的其中之一的该振幅与该时间,以建立正规化波形;(e2)计算多个标准波形与该正规化波形,以将这些标准波形的其中之一设定为参考波形,而该参考波形在这些标准波形中最接近于该正规化波形;(f2)累加参考波形与该正规化波形之间的差值,以计算出流量系数,该流量系数决定该正规化波形被识别为该正常呼吸状态与该非正常呼吸状态。
为达到上述的目的及其它目的,本发明提供一种呼吸波形辨识***,供在一呼吸气流中识别正常呼吸状态与非正常呼吸状态,该呼吸波形辨识***包含气流传感器、处理单元与显示单元。该气流传感器是在一时间内检测该呼吸气流之流量变化。其中,该时间的长度至少足以检测到该呼吸气流的上升波形或下降波形。该处理单元连接到该气流传感器。该处理单元接收该呼吸气流的流量变化信号,以及通过一算法分析该呼吸气流的振幅并测量该呼吸周期的时间以计算出流量系数。该算法根据该流量系数决定该呼吸气流属于该正常呼吸状态或该非正常呼吸状态。该显示单元连接到该处理单元。该显示单元显示该正常呼吸状态或该非正常呼吸状态。其中,该算法通过多个取样点取样该振幅与该时间,该振幅与该时间决定一吸气波形与一呼气波形,而该算法正规化该吸气波形与该呼气波形的其中之一的该振幅与该时间,以建立正规化波形。该算法通过计算标准波形与该正规化波形之间的差值,或者计算一线性方程式与该正规化波形之间的差值,而获得该流量系数。
总而言之,本发明的呼吸波形辨识方法及其***,利用多种曲线拟合一呼吸气流的波形,并计算二者之间的差值。通过该差值计算出流量系数,该流量系数决定该呼吸气流属于该正常呼吸状态或该非正常呼吸状态。该流量系数除可决定不同的呼吸状态之外,更可进一步区分该非正常呼吸状态的严重程度,例如短暂呼吸暂停、浅呼吸或浅慢呼吸。
值得注意的是,在该浅呼吸或该浅慢呼吸中,本发明的方法及其***,还可根据该流量系数进一步演算出例如AHI指数等,以判断属于阻塞性睡眠呼吸中止症状或是打呼(或称打鼾)的症状。
相较于现有技术,本发明解决了现有技术中呼吸机无法有效判断非正常呼吸状态的严重程度,而导致该呼吸机在对患者持续加压的过程中,可能抑制该患者的呼吸以及造成更严重呼吸障碍的缺陷。
附图说明
图1为本发明实施例的呼吸波形辨识方法的流程示意图。
图2(a)为正常呼吸状态的波形图。
图2(b)为非正常呼吸状态的波形图。
图3为说明图2(b)的非正常呼吸状态的波形经过振幅正规化与时间正规化之后的波形图。
图4为标准波形S(i)的波形图。
图5为本发明实施例的呼吸波形辨识***的单元示意图。
附图标记:
10 呼吸波形辨识***
12 气流传感器
14 处理单元
16 显示单元
BS 呼吸气流
A 振幅
T 时间
FC 流量系数
NBS 正常呼吸状态
ANBS 非正常呼吸状态
具体实施方式
为充分了解本发明之目的、特征及功效,通过下述具体的实施例,并配合所附的图式,对本发明进行详细说明,说明如后:
图1为本发明实施例的呼吸波形辨识方法的流程示意图。如图1中所示,该呼吸波形辨识方法能够在一呼吸气流的波形中,识别正常呼吸状态与非正常呼吸状态。
图2(a)是正常呼吸状态的波形图。图2(a)是根据患者在吸气动作与呼气动作过程中,在呼吸道中气体流量变化的波形图;其中,x轴方向表示时间T及y轴方向表示振幅A。在时间0至t1的波形中,该波形可表示吸气动作的气流变化。在时间t1至t2的波形中,该波形可表示呼气动作的气流变化。在该正常呼吸状态中,该吸气动作的气流变化大致等于该呼气动作的气流变化。
图2(b)是非正常呼吸状态的波形图。在该非正常呼吸状态中,因在该呼吸道中受到不同程度阻塞的影响,导致该吸气动作的气流变化不等于该呼气动作的气流变化。
回到图1,该呼吸波形辨识方法的步骤起始于步骤S11,在一呼吸周期检测该呼吸气流。以图2(b)为例,该呼吸周期定义为完成该吸气动作与该呼气动作一次的时间,即图中该时间0至t2表示一周期。
步骤S12为测量该呼吸气流的振幅,以及测量该呼吸周期的时间。在图2(b)中,该振幅的范围介于A1至-A1之间,以及该时间为0至t2。
步骤S13为多个取样点依照该振幅A与该时间T决定一吸气波形(时间0至t1之间)与一呼气波形(时间t1至t2之间)。举例而言,通过低频(约数Hz)的取样方式,在该振幅A对应该时间T的坐标轴上产生对应的取样点,以描绘出该波形。
步骤S14为正规化该吸气波形与该呼气波形的其中之一的该振幅A与该时间T,以建立正规化波形。该正规化波形可一并参考图3,其显示了提取该吸气波形。在图3中,由于该吸气波形的振幅经正规化的计算,使得该振幅A的大小由原来的A1被正规化成1,而该时间T的长短由原来的该时间t1被正规化成t0。
步骤S15为累加参考波形与该正规化波形之间的差值(例如该差值为最小绝对误差值及/或最小平方误差值),以计算出流量系数,该流量系数决定该正规化波形可被识别为该正常呼吸状态或该非正常呼吸状态。该参考波形可包含数种形态,分别地陈述如下。
a)一阶线性方程式
该参考波形符合一阶线性方程式a1·i+a2,该流量系数的数学表示式为其中,C1(i)为该一阶线性方程式,a1与a2为常数,i为各取样点,x为各取样点的起始点,y为各取样点的终止点,以及F(i)为在取样点i的该正规化波形的该振幅A。
b)二阶线性方程式
该参考波形符合二阶线性方程式a1·i2+a2·i+a3,该流量系数的数学表示式为其中C2(i)为该二阶线性方程式,a1、a2与a3为常数,i为各取样点,x为各取样点的起始点,y为各取样点的终止点,以及F(i)为在取样点i的该正规化波形的该振幅A。
由于该二阶线性方程式为曲线,相较于一阶线性方程式,该二阶线性方程式的拟合效果更佳。
c)三阶线性方程式
该参考波形符合三阶线性方程式a1·i3+a2·i2+a3·i+a4,该流量系数的数学表示式为其中C3(i)为该三阶线性方程式,a1、a2、a3与a4为常数,i为各取样点,x为各取样点的起始点,y为各取样点的终止点,以及F(i)为在取样点i的该正规化波形的该振幅A。
相较于二阶线性方程式的拟合效果,该三阶线性方程式可进一步提供该二阶线性方程式无法有效判断曲线左右偏移的优势。
d)三阶加权线性方程式
该参考波形符合三阶加权线性方程式a1·i3+a2·i2+a3·i+a4,该流量系数的数学表示式为其中W(i)的定义如下:
其中,C4(i)为该三阶线性方程式,a1、a2、a3与a4为常数,i为各取样点,x为各取样点的起始点,y为各取样点的终止点,W(i)为加权函数,A、B与C为加权值,以及F(i)为在取样点i的该正规化波形的该振幅A。
相较于三阶线性方程式的拟合效果,该三阶加权线性方程式可进一步针对例如起始点x或终止点y的数值进行加权,以对该三阶加权线性方程式所描绘出曲线的端点数值进行调整,以减少该端点数值所造成计算上的误差。
在本实施例中,该三阶加权线性方程式仅列举了该起始点与该终止点为例说明,但实际上并不局限于本实施例中的该起始点或该终止点。换言之,加权的取样位置除前述的该起始点或该终止点之外,更可增加其它特定的取样点,或者由其它取样点所取代。
举例而言,在另一实施例中,该加权值A的范围可设定在50至100之间、该加权值B的范围设定在200至400之间以及该加权值C为1。
e)标准波形
该参考波形符合多个标准波形S(i)的其中之一,一并可参考图4,其为标准波形S(i)的波形图。在图4中,标准波形S(i)可举例为三个正常呼吸状态下的波形S(i)1、S(i)2与S(i)3。该流量系数的数学表示式为:
其中
其中,i为各取样点,x为各取样点的起始点,y为各取样点的终止点,L为该起始点与该终止点之间的时间长度,Ki为该正规化波形与这些标准波形的其中之一的绝对误差,μ为该绝对误差的平均值,R为该正规化波形与标准波形的其中之一的曲线面积比,以及F(i)为在取样点i的该正规化波形的该振幅A。
举例而言,在另一实施例中,该起始点设定为取样点的20%,以及将该终止点设定为取样点的80%。
在上述该参考波形a)至e)的实施例中,流量系数可进一步设定多个流量阀值。通过该流量系数比对该等流量阀值,可从该流量系数中判定呼吸道的阻塞程度,例如该阻塞程度依照该呼吸道的该呼吸气流,又可进一步可区分为呼吸道畅通、轻度呼吸阻塞、重度呼吸阻塞或打呼等。
值得注意的是,虽上述的该参考波形举例为一阶线性方程式至三阶线性方程式;但实际上,本发明的该参考波形可扩展至高于三阶线性方程式(下称为多阶线性方程式)的实施例。在多阶线性方程式的实施例中,可通过该多阶线性方程式所形成的曲线波形拟合该正规化波形,并计算该二波形之间的差值,以获得该流量系数。该流量系数可决定该正规化波形被识别为该正常呼吸状态与该非正常呼吸状态。同样地,也可另外在该多阶线性方程式中导入一权重函数,以减少端点值的计算误差。
值得注意的是,为了更精准地判断,该多阶线性方程式演算出的该流量系数也可通过比对前述的这些流量阀值,以进一步判定该呼吸道的该阻塞程度。
图5为本发明实施例的呼吸波形辨识***的单元示意图。在图5中,该呼吸波形辨识***10能够在呼吸气流BS中识别正常呼吸状态NBS与非正常呼吸状态ANBS。
该呼吸波形辨识***包含气流传感器12、处理单元14与显示单元16。
在一时间内,该气流传感器12检测该呼吸气流BS的流量变化。该时间的长度至少足以检测到该呼吸气流BS的上升波形或下降波形。
该处理单元14连接该气流传感器12。该处理单元14接收该呼吸气流BS的流量变化信号,以及通过一算法分析该呼吸气流BS的振幅A并测量该呼吸周期的时间T,进而计算出该流量系数FC。再者,该算法根据该流量系数FC决定该呼吸气流属于该正常呼吸状态NBS或该非正常呼吸状态ANBS。
举例而言,该算法通过多个取样点取样该振幅A与该时间T。该振幅A与该时间T决定一吸气波形与一呼气波形。该算法正规化该吸气波形与该呼气波形的其中之一的该振幅A与该时间T,以建立正规化波形。该算法通过计算一标准波形与该正规化波形的差值,或者计算一线性方程式与该正规化波形之间的差值,以得出该流量系数FC。
在另一实施例中,该参考波形选自于多个标准波形的其中之一,且被选择的该标准波形最接近于该正规化波形。
该显示单元16连接该处理单元14。该显示单元16显示该正常呼吸状态NBS或该非正常呼吸状态ANBS。
在另外一实施例中,该呼吸波形辨识***10还包含储存单元(图中未表示)。该储存单元连接该处理单元12,以储存该流量系数FC。
本发明在上文中已以较佳实施例公开,但熟习本项技术者应理解的是,该实施例仅用于描绘本发明,而不应解读为限制本发明的范围。应注意的是,凡与该实施例等效的变化与置换,均应涵盖于本发明的范畴内。因此,本发明的保护范围当以权利要求书的界定为准。
Claims (3)
1.一种呼吸波形辨识***,用于在呼吸气流中识别正常呼吸状态与非正常呼吸状态,该呼吸波形辨识***包含:
气流传感器,其在一时间内检测所述呼吸气流的流量变化,其中该时间的长度至少足以检测到所述呼吸气流的上升波形或下降波形;
处理单元,其连接到所述气流传感器,所述处理单元接收所述呼吸气流的流量变化信号,以及通过一算法分析所述呼吸气流的振幅并测量所述呼吸周期的时间以计算出流量系数,所述算法根据该流量系数决定所述呼吸气流属于正常呼吸状态或非正常呼吸状态;以及
显示单元,其连接到所述处理单元,所述显示单元显示所述正常呼吸状态或所述非正常呼吸状态;
其中所述算法通过多个取样点取样所述振幅与所述时间,所述振幅与所述时间决定一吸气波形与一呼气波形,而所述算法正规化所述吸气波形与所述呼气波形的其中之一的所述振幅与所述时间,以建立正规化波形,所述算法通过计算一参考波形与所述正规化波形之间的差值,或者计算一线性方程式与所述正规化波形之间的差值,以获得所述流量系数。
2.根据权利要求1所述的呼吸波形辨识***,还包含储存单元,其连接到所述处理单元,所述储存单元储存所述流量系数。
3.根据权利要求1所述的呼吸波形辨识***,其中所述参考波形选自于多个标准波形的其中之一,而所述参考波形在所述标准波形中最接近于所述正规化波形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410424270.5A CN105361885B (zh) | 2014-08-26 | 2014-08-26 | 呼吸波形辨识*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410424270.5A CN105361885B (zh) | 2014-08-26 | 2014-08-26 | 呼吸波形辨识*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105361885A CN105361885A (zh) | 2016-03-02 |
CN105361885B true CN105361885B (zh) | 2018-12-11 |
Family
ID=55364874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410424270.5A Active CN105361885B (zh) | 2014-08-26 | 2014-08-26 | 呼吸波形辨识*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105361885B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108186018B (zh) * | 2017-11-23 | 2020-11-20 | 苏州朗开医疗技术有限公司 | 一种呼吸数据处理方法及装置 |
CN110237374B (zh) * | 2019-05-22 | 2022-03-08 | 东南大学 | 一种生成给定吸气波形的装置及其使用方法 |
CN113419569B (zh) * | 2020-06-18 | 2022-11-22 | 湖北工业大学 | 一种频率可调的香烟烟气流量控制方法及装置 |
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07222732A (ja) * | 1994-02-10 | 1995-08-22 | Tadamichi Meguro | 気道過敏性と気道閉塞性の総合的な評価方法および装置 |
CN101394885A (zh) * | 2006-03-06 | 2009-03-25 | 雷斯梅德有限公司 | 阻塞性睡眠呼吸暂停的改进的气流受限检测方法和装置 |
CN102481127A (zh) * | 2009-08-13 | 2012-05-30 | 帝人制药株式会社 | 呼吸波形信息的运算装置和利用呼吸波形信息的医疗设备 |
CN103169476A (zh) * | 2013-03-14 | 2013-06-26 | 中山大学 | 一种用于呼吸波形图像识别与预警的方法及装置 |
WO2013138071A1 (en) * | 2012-03-15 | 2013-09-19 | Board Of Trustees Of Michigan State University | Food intake monitoring system using apnea detection in breathing signals |
CN103961105A (zh) * | 2014-05-22 | 2014-08-06 | 深圳市帝迈生物技术有限公司 | 对打鼾进行识别和强度输出的方法与***及一种呼吸机 |
-
2014
- 2014-08-26 CN CN201410424270.5A patent/CN105361885B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07222732A (ja) * | 1994-02-10 | 1995-08-22 | Tadamichi Meguro | 気道過敏性と気道閉塞性の総合的な評価方法および装置 |
CN101394885A (zh) * | 2006-03-06 | 2009-03-25 | 雷斯梅德有限公司 | 阻塞性睡眠呼吸暂停的改进的气流受限检测方法和装置 |
CN102481127A (zh) * | 2009-08-13 | 2012-05-30 | 帝人制药株式会社 | 呼吸波形信息的运算装置和利用呼吸波形信息的医疗设备 |
WO2013138071A1 (en) * | 2012-03-15 | 2013-09-19 | Board Of Trustees Of Michigan State University | Food intake monitoring system using apnea detection in breathing signals |
CN103169476A (zh) * | 2013-03-14 | 2013-06-26 | 中山大学 | 一种用于呼吸波形图像识别与预警的方法及装置 |
CN103961105A (zh) * | 2014-05-22 | 2014-08-06 | 深圳市帝迈生物技术有限公司 | 对打鼾进行识别和强度输出的方法与***及一种呼吸机 |
Also Published As
Publication number | Publication date |
---|---|
CN105361885A (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7276031B2 (en) | System and method for classifying patient's breathing using artificial neural network | |
JP6574648B2 (ja) | 流れ制限の検出のための自動制御 | |
AU683550B2 (en) | Apparatus for detecting and correcting airflow limitation | |
CA2809764C (en) | Systems and methods for respiratory event detection | |
CN105361885B (zh) | 呼吸波形辨识*** | |
CN104688239B (zh) | 睡眠呼吸事件的种类的确定方法及*** | |
US10835154B2 (en) | Method and apparatus for measuring airway resistance and lung compliance | |
CN103961105B (zh) | 对打鼾进行识别和强度输出的方法与***及一种呼吸机 | |
US10674938B2 (en) | Apparatus and method for detecting health deterioration | |
JP2006502774A (ja) | 人間の呼吸活動に関する測定信号の信号処理検討を実行する方法および装置 | |
CN110448301A (zh) | 检测呼吸气流不足的设备 | |
US10638971B2 (en) | Methods and applications for detection of breath flow and the system thereof | |
JP5593480B2 (ja) | 無呼吸・低呼吸判定装置 | |
Huq et al. | Automatic breath phase detection using only tracheal sounds | |
CN106659410A (zh) | 用于评估拔管失败的方法、***和软件 | |
TW201544074A (zh) | 呼吸波形辨識方法及其系統 | |
Schmidt et al. | Comparative investigations of algorithms for the detection of breaths in newborns with disturbed respiratory signals | |
EP2989979B1 (en) | Respiratory waveform recognition method and system | |
CN106419846B (zh) | 一种呼吸暂停检测方法 | |
Johnson et al. | Flow limitation/obstruction with recovery breath (FLOW) event for improved scoring of mild obstructive sleep apnea without electroencephalography | |
Norman et al. | Detection of flow limitation in obstructive sleep apnea with an artificial neural network | |
CN108618750A (zh) | 判别阻塞性睡眠呼吸暂停与中枢性睡眠呼吸暂停的方法 | |
Chetta et al. | Assessment and monitoring of ventilatory function and cough efficacy in patients with amyotrophic lateral sclerosis | |
CN112133421A (zh) | 气流受限检测方法、装置、存储介质及计算机设备 | |
Alamdari et al. | High frequency-low amplitude oscillometry: Continuous unobtrusive monitoring of respiratory function on PAP machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |