CN108968963A - 一种医疗护理用呼吸检测设备及其检测*** - Google Patents

一种医疗护理用呼吸检测设备及其检测*** Download PDF

Info

Publication number
CN108968963A
CN108968963A CN201810668731.1A CN201810668731A CN108968963A CN 108968963 A CN108968963 A CN 108968963A CN 201810668731 A CN201810668731 A CN 201810668731A CN 108968963 A CN108968963 A CN 108968963A
Authority
CN
China
Prior art keywords
respiratory rate
patient
module
medical treatment
nursing
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.)
Pending
Application number
CN201810668731.1A
Other languages
English (en)
Inventor
何逢清
明洁
张庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Tongnan District People's Hospital
Original Assignee
Chongqing Tongnan District People's Hospital
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Tongnan District People's Hospital filed Critical Chongqing Tongnan District People's Hospital
Priority to CN201810668731.1A priority Critical patent/CN108968963A/zh
Publication of CN108968963A publication Critical patent/CN108968963A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816Measuring devices for examining respiratory frequency
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/746Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Pulmonology (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明属于医疗器械技术领域,公开了一种医疗护理用呼吸检测设备及其检测***;设置有主控模块、固定模块、监测模块、报警模块、显示模块。该***能够对患者的呼吸频率、深度、节律以及呼吸是否正常进行监测,增加了工作效率,降低了人力和物力。本发明从心电和脉搏波中提取呼吸信号,利用AR模型功率谱估计算法计算呼吸率,并通过基于卡尔曼滤波和信号质量评估的多路数据融合算法估计呼吸率。数据融合算法较好地反映了呼吸率的变化,与压阻式呼吸传感器提供的参考呼吸率相比,误差为(‑0.03±2.78)次/min。基于多路数据融合的方法可以较准确地估计呼吸率,为临床呼吸监测和在睡眠呼吸暂停研究中的应用奠定了基础。

Description

一种医疗护理用呼吸检测设备及其检测***
技术领域
本发明属于医疗器械技术领域,尤其涉及一种医疗护理用呼吸检测设备及其检测***。
背景技术
目前,呼吸是非常重要的生理信号,通过呼吸作用可以判别病患者是否还有生理特征,同时通过分析患者的呼吸强度以及呼吸频率可以判别患者的生理特征是否正常。目前需要一种护理用的呼吸检测设备及***,用来检测患者生理特征是否正常,以此来降低医护工作者的工作强度,提高工作效率。
综上所述,现有技术存在的问题是:
(1)目前护理用的呼吸检测***使用人工操作,工作劳动强度大,工作效率低。
(2)电信号利用拟合能力强大的高斯过程进行建模运算时间,预测误差大。
(3)压阻式呼吸传感器的参考呼吸率误差较大,不能准确地估计呼吸率。
发明内容
针对现有技术存在的问题,本发明提供了一种医疗护理用呼吸检测设备及其检测***。
本发明是这样实现的,一种医疗护理用呼吸检测方法,所述医疗护理用呼吸检测方法包括:
传出的电信号,将电信号加强,传递到报警模块和显示模块;
所述电信号y(t)为:
y(t)=c(t)m(t);
式中,c(t)为调整信号,m(t)为高斯噪声;
对于任意有限随机变量x1,…,xn,其中,n≥1,且为任意整数,与其对应的过程状态f(x1),f(x2),…,f(xn)的联合概率分布服从n维高斯分布,具体过程可由均值m(x)与协方差函数k(x,x′)确定:
f(x)~GP(m(x),k(x,x′));
给定训练D={xi,yi)|i=1,2,…,N},其中,xi∈Rd为输入量,yi∈R是输出向量,则输出向量y由零均值函数m(x)和一个正定的协方差函数k(x,x′)的高斯先验分布组成y~N(m,p);输入新的向量x∈Rd,KN为训练样本的协方差矩阵,则对应的待预测数据的高斯分布函数为y~N(m,p):
通过多分辨率离散小波变换将电信号y(t)分解:
为尺度函数,ψ(t)为小波函数,尺度系数和小波系数的表达式为:
dj(k)=<y(t),ψj,k(t)>=|y|(t)ψj,k(t)dt;
电信号对应的高斯分布函数为:
cj~N(mc,pc),dj~N(md,pd);
设备固定在患者的面部;
对患者的呼吸频率以及呼吸强度进行实时监测;
所述呼吸频率的状态值x(x∈Rn)和预测值z(z∈Rn)分贝满足离散时间过程差分方程:
xk=Axk-1+Buk+wk-1
zk=Hxk+vk
式中,过程激励噪声w和测量噪声v为相互独立、正态分布的均值为0、协方差分别为Q和R的白噪声;矩阵A、B和H为状态变换系数矩阵,u为可选控制输入变量;卡尔曼滤波递推为:
式中,为在已知第k步之前的状态下,第k步的呼吸率先验状态估计,为给出第k步的呼吸率估计值zk后的呼吸率的后验状态估计;为先验估计误差的协方差,Pk为后验估计误差的协方差;Q为过程激励噪声的协方差,R为测量噪声的协方差,为测量过程的残差,Kk为残差的增益系数;
R=R0exp(1/SQI2-1);
式中,SQI为信号质量指数;
当患者的呼吸频率不正常时,通过初筛模型及时提出警报;
对患者的呼吸频率,呼吸强弱信息进行显示。
进一步,所述通过初筛模型:y(n)=x(n)-x(n-1),当前接收到的心电数据为x(n),且为S波峰的后一个采样值,x(m)为R波峰值,x(i)为Q波分值后的一个采样值,且满足:
S波辨认:
y(n)≥0,y(n-1)≤-1,y(n-2)|≤-1;
R波辨认:
y(m+3)≤-1,y(m+2)≤-3,y(m+1)≥1;
Q波辨认:
y(i)≥0,y(i-1)≤1,y(i-2)≤1。
本发明的另一目的在于提供一种实现所述医疗护理用呼吸检测方法的医疗护理用呼吸检测***,所述医疗护理用呼吸检测检测***包括:
主控模块,用于将检测模块传出的电信号,将电信号加强,传递到报警模块和显示模块;
固定模块,与主控模块相连接,用于将该设备固定在患者的面部;
监测模块,与主控模块相连接,用于对患者的呼吸频率以及呼吸深度、节律进行实时的监测;
报警模块,与主控模块相连接,用于当患者的呼吸频率不正常的时候,及时的提出警报;
显示模块,与主控模块相连接,用于对患者的呼吸频率,呼吸强弱等信息进行显示。
进一步,所述固定模块为面罩,面罩设置有橡胶绳,将面罩扣在患者面部,通过橡胶绳系在后脑部位。
进一步,所述监测模块为粘贴在固定模块上的气流感应器,通过患者呼吸在气流感应器上气流的大小。
进一步,所述报警模块为蜂鸣器,当气流感应器没有感受到气流压后,通过气流感应器的电流几乎为零,此时报警模块的蜂鸣器从另外电路接收电流开始发生报警。
进一步,所述显示模块为显示屏,用于对患者的呼吸频率,呼吸强弱信息进行显示。
本发明的优点及积极效果为:该医疗护理用呼吸检测设备及其检测***。对电信号进行高斯过程回归建模预测,能很好地拟合其非线性;高斯过程建模时,仿真结果证明,高斯过程对电信号有良好的拟合能力和强大的泛化性能;采用基于小波的高斯建模,解决了单纯使用高斯过程建模带来的运行时间长和非同一集合预测误差大的缺点;从仿真结果来看,引入小波后的预测效果在减小误差和运算时间上都有明显的优势。本发明从心电和脉搏波中提取呼吸信号,利用AR模型功率谱估计算法计算呼吸率,并通过基于卡尔曼滤波和信号质量评估的多路数据融合算法估计呼吸率。数据融合算法较好地反映了呼吸率的变化,与压阻式呼吸传感器提供的参考呼吸率相比,误差为(-0.03±2.78)次/min。基于多路数据融合的方法可以较准确地估计呼吸率,为临床呼吸监测和在睡眠呼吸暂停研究中的应用奠定了基础。
附图说明
图1是本发明实施例提供的医疗护理用呼吸检测设备的检测***的结构示意图;
图中:1、主控模块;2、固定模块;3、监测模块;4、报警模块;5、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的医疗护理用呼吸检测***包括:主控模块1、固定模块2、监测模块3、报警模块4、显示模块5。
主控模块1,用于将检测模块传出的电信号,将电信号加强,传递到报警模块4和显示模块5。
固定模块2,与主控模块1相连接,用于将该设备固定在患者的面部。
监测模块3,与主控模块1相连接,用于对患者的呼吸频率以及呼吸强度进行实时的监测。
报警模块4,与主控模块1相连接,用于当患者的呼吸频率不正常的时候,及时的提出警报。
显示模块5,与主控模块1相连接,用于对患者的呼吸频率,呼吸强弱等信息进行显示。
本发明的固定模块为一面罩,面罩设置有橡胶绳,将面罩扣在患者面部表面,通过橡胶绳系在后脑部位,使得该装置得以固定在患者的面部。报警模块4为蜂鸣器,当气流感应器没有感受到气流压后,通过气流感应器的电流几乎为零,此时报警模块的蜂鸣器从另外电路接收电流开始发生报警。检测模块3为粘贴在固定模块上的气流感应器,通过患者呼吸在气流感应器上气流的大小,对感应器产生一定的气流压,使得气流感应器的表面电阻发生改变,使得通过气流感应器的电流产生变化,以此来感应患者呼吸是否正常,呼吸频率是否正常以及呼吸强度如何。显示模块5为显示屏,用于对患者的呼吸频率,呼吸强弱等信息进行显示。主控模块1将检测模块3传出的电信号做为信号中转站,将电信号加强后,传递到报警模块4和显示模块5。
下面结合具体实施例对本发明的应用原理作进一步的描述。
本发明实施例提供的医疗护理用呼吸检测方法包括:
传出的电信号,将电信号加强,传递到报警模块和显示模块;
所述电信号y(t)为:
y(t)=c(t)m(t);
式中,c(t)为调整信号,m(t)为高斯噪声;
对于任意有限随机变量x1,…,xn,其中,n≥1,且为任意整数,与其对应的过程状态f(x1),f(x2),…,f(xn)的联合概率分布服从n维高斯分布,具体过程可由均值m(x)与协方差函数k(x,x′)确定:
f(x)~GP(m(x),k(x,x′));
给定训练D={(xi,yi)|i=1,2,…,N},其中,xi∈Rd为输入量,yi∈R是输出向量,则输出向量y由零均值函数m(x)和一个正定的协方差函数k(x,x′)的高斯先验分布组成y~N(m,p);输入新的向量x∈Rd,KN为训练样本的协方差矩阵,则对应的待预测数据的高斯分布函数为y~N(m,p):
通过多分辨率离散小波变换将电信号y(t)分解:
为尺度函数,ψ(t)为小波函数,尺度系数和小波系数的表达式为:
dj(k)=<y(t),ψj,k(t)>=∫y|(t)ψj,k(t)dt;
电信号对应的高斯分布函数为:
cj~N(mc,pc),dj~N(md,pd);
设备固定在患者的面部;
对患者的呼吸频率以及呼吸强度进行实时监测;
所述呼吸频率的状态值x(x∈Rn)和预测值z(z∈Rn)分贝满足离散时间过程差分方程:
xk=Axk-1+Buk+wk-1
zk=Hxk+vk
式中,过程激励噪声w和测量噪声v为相互独立、正态分布的均值为0、协方差分别为Q和R的白噪声;矩阵A、B和H为状态变换系数矩阵,u为可选控制输入变量;卡尔曼滤波递推为:
式中,为在已知第k步之前的状态下,第k步的呼吸率先验状态估计,为给出第k步的呼吸率估计值zk后的呼吸率的后验状态估计;为先验估计误差的协方差,Pk为后验估计误差的协方差;Q为过程激励噪声的协方差,R为测量噪声的协方差,为测量过程的残差,Kk为残差的增益系数;
R=R0exp(1/SQI2-1);
式中,SQI为信号质量指数;
当患者的呼吸频率不正常时,通过初筛模型及时提出警报;
对患者的呼吸频率,呼吸强弱信息进行显示。
进一步,所述通过初筛模型:y(n)=x(n)-x(n-1),当前接收到的心电数据为x(n),且为S波峰的后一个采样值,x(m)为R波峰值,x(i)为Q波分值后的一个采样值,且满足:
S波辨认:
y(n)≥0,y(n-1)≤-1,y(n-2)|≤-1;
R波辨认:
y(m+3)≤-1,y(m+2)≤-3,y(m+1)≥1;
Q波辨认:
y(i)≥0,y(i-1)≤1,y(i-2)≤1。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。

Claims (7)

1.一种医疗护理用呼吸检测方法,其特征在于,所述医疗护理用呼吸检测方法包括:
传出的电信号,将电信号加强,传递到报警模块和显示模块;
所述电信号y(t)为:
y(l)=c(t)m(l);
式中,c(t)为调整信号,m(t)为高斯噪声;
对于任意有限随机变量x1,…,xn,其中,n≥1,且为任意整数,与其对应的过程状态f(x1),f(x2),…,f(xn)的联合概率分布服从n维高斯分布,具体过程可由均值m(x)与协方差函数确定:
给定训练D={(xi,yi)|i=1,2,…,N},其中,xi∈Rd为输入量,yi∈R是输出向量,则输出向量y由零均值函数m(x)和一个正定的协方差函数的高斯先验分布组成y~N(m,p);输入新的向量x∈Rd,KN为训练样本的协方差矩阵,则对应的待预测数据的高斯分布函数为y~N(m,p):
通过多分辨率离散小波变换将电信号y(t)分解:
为尺度函数,φ(t)为小波函数,尺度系数和小波系数的表达式为:
电信号对应的高斯分布函数为:
cj~N(mc,pc),dj~N(md,pd);
设备固定在患者的面部;
对患者的呼吸频率以及呼吸强度进行实时监测;
所述呼吸频率的状态值x(x∈Rn)和预测值z(z∈Rn)分贝满足离散时间过程差分方程:
式中,过程激励噪声w和测量噪声v为相互独立、正态分布的均值为0、协方差分别为Q和R的白噪声;矩阵A、B和H为状态变换系数矩阵,u为可选控制输入变量;卡尔曼滤波递推为:
式中,为在已知第k步之前的状态下,第k步的呼吸率先验状态估计,为给出第k步的呼吸率估计值后的呼吸率的后验状态估计;为先验估计误差的协方差,为后验估计误差的协方差;Q为过程激励噪声的协方差,R为测量噪声的协方差,为测量过程的残差,为残差的增益系数;
R=R0exp(1/SQI2-1);
式中,SQI为信号质量指数;
当患者的呼吸频率不正常时,通过初筛模型及时提出警报;
对患者的呼吸频率,呼吸强弱信息进行显示。
2.如权利要求1所述的医疗护理用呼吸检测方法,其特征在于,所述通过初筛模型:y(n)=x(n)-x(n-1),当前接收到的心电数据为x(n),且为S波峰的后一个采样值,x(m)为R波峰值,x(i)为Q波分值后的一个采样值,且满足:
S波辨认:
y(n)≥0,y(n-1)≤-1,y(n-2)|≤-1;
R波辨认:
y(m+3)≤-1,y(m+2)≤-3,y(m+1)≥1;
Q波辨认:
y(i)≥0,y(i-1)≤1,y(i-2)≤1。
3.一种实现权利要求1所述医疗护理用呼吸检测方法的医疗护理用呼吸检测***,其特征在于,所述医疗护理用呼吸检测检测***包括:
主控模块,用于将检测模块传出的电信号,将电信号加强,传递到报警模块和显示模块;
固定模块,与主控模块相连接,用于将该设备固定在患者的面部;
监测模块,与主控模块相连接,用于对患者的呼吸频率以及呼吸深度、节律进行实时的监测;
报警模块,与主控模块相连接,用于当患者的呼吸频率不正常的时候,及时的提出警报;
显示模块,与主控模块相连接,用于对患者的呼吸频率,呼吸强弱等信息进行显示。
4.如权利要求3所述的医疗护理用呼吸检测***,其特征在于,所述固定模块为面罩,面罩设置有橡胶绳,将面罩扣在患者面部,通过橡胶绳系在后脑部位。
5.如权利要求3所述的医疗护理用呼吸检测***,其特征在于,所述监测模块为粘贴在固定模块上的气流感应器,通过患者呼吸在气流感应器上气流的大小。
6.如权利要求3所述的医疗护理用呼吸检测***,其特征在于,所述报警模块为蜂鸣器,当气流感应器没有感受到气流压后,通过气流感应器的电流几乎为零,此时报警模块的蜂鸣器从另外电路接收电流开始发生报警。
7.如权利要求3所述的医疗护理用呼吸检测***,其特征在于,所述显示模块为显示屏,用于对患者的呼吸频率,呼吸强弱信息进行显示。
CN201810668731.1A 2018-06-26 2018-06-26 一种医疗护理用呼吸检测设备及其检测*** Pending CN108968963A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810668731.1A CN108968963A (zh) 2018-06-26 2018-06-26 一种医疗护理用呼吸检测设备及其检测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810668731.1A CN108968963A (zh) 2018-06-26 2018-06-26 一种医疗护理用呼吸检测设备及其检测***

Publications (1)

Publication Number Publication Date
CN108968963A true CN108968963A (zh) 2018-12-11

Family

ID=64538265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810668731.1A Pending CN108968963A (zh) 2018-06-26 2018-06-26 一种医疗护理用呼吸检测设备及其检测***

Country Status (1)

Country Link
CN (1) CN108968963A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112022122A (zh) * 2020-09-29 2020-12-04 深圳职业技术学院 一种睡眠监测耳机
CN112932460A (zh) * 2021-02-01 2021-06-11 重庆大学 呼吸频率监测装置和方法
CN116077050A (zh) * 2023-01-30 2023-05-09 青岛海尔科技有限公司 呼吸诊断方法、装置、存储介质及电子装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1642608A1 (en) * 2001-12-06 2006-04-05 Alaris Medical Systems, Inc. CO2 monitored drug infusion system
CN103156612A (zh) * 2011-12-09 2013-06-19 浩华科技实业有限公司 呼吸监测器
CN105582603A (zh) * 2014-10-20 2016-05-18 西安景行数创信息科技有限公司 一种基于气流压力传感器的医用吸氧装置
CN205695867U (zh) * 2016-06-16 2016-11-23 李新涛 一种呼吸道病患专用口罩
CN107374632A (zh) * 2017-07-21 2017-11-24 青岛康庆和医药科技有限责任公司 一种外科手术中的呼吸音监测装置及其使用方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1642608A1 (en) * 2001-12-06 2006-04-05 Alaris Medical Systems, Inc. CO2 monitored drug infusion system
CN103156612A (zh) * 2011-12-09 2013-06-19 浩华科技实业有限公司 呼吸监测器
CN105582603A (zh) * 2014-10-20 2016-05-18 西安景行数创信息科技有限公司 一种基于气流压力传感器的医用吸氧装置
CN205695867U (zh) * 2016-06-16 2016-11-23 李新涛 一种呼吸道病患专用口罩
CN107374632A (zh) * 2017-07-21 2017-11-24 青岛康庆和医药科技有限责任公司 一种外科手术中的呼吸音监测装置及其使用方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱新建等: "移动远程心电监护实时监测算法及其单片机实现", 《北京生物医学工程》 *
邓宝芸等: "基于心电和脉搏波数据融合的呼吸率估计", 《中国生物医学工程学报》 *
邵辉等: "采用小波变换和高斯过程的肌电信号模型预测", 《华侨大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112022122A (zh) * 2020-09-29 2020-12-04 深圳职业技术学院 一种睡眠监测耳机
CN112932460A (zh) * 2021-02-01 2021-06-11 重庆大学 呼吸频率监测装置和方法
CN112932460B (zh) * 2021-02-01 2022-11-04 重庆大学 呼吸频率监测装置和方法
CN116077050A (zh) * 2023-01-30 2023-05-09 青岛海尔科技有限公司 呼吸诊断方法、装置、存储介质及电子装置

Similar Documents

Publication Publication Date Title
US10595747B2 (en) Respiration processor
CN108968963A (zh) 一种医疗护理用呼吸检测设备及其检测***
US6820613B2 (en) Process and device for controlling the breathing gas supply
EP1551293B1 (en) System and method for the automatic detection of the expiratory flow limitation
EP3634218B1 (en) System for determining cardiac rhythm and/or respiratory
RU2012122704A (ru) Система и способ контроля дыхания
JP2005537068A5 (zh)
US20150164413A1 (en) Method of creating anesthetic consciousness index with artificial neural network
CN105662345B (zh) 心跳信号处理方法、装置和***
CN106572812A (zh) 监测慢性疾病的方法和设备
CN203029237U (zh) 一种监测睡眠呼吸状态的睡眠仪
CN103491872B (zh) 实时气道检查状态指示符
CN103006225A (zh) 一种监测睡眠呼吸状态的睡眠仪
CN110115596A (zh) 肺音监测装置及其肺音监测方法
US20130085425A1 (en) Methods and systems for ventilating or compressing
CN105031784B (zh) 呼吸器的警报方法及呼吸器警报***
CN109350063B (zh) 一种适用于慢阻肺监控的呼吸力学参数检测装置及方法
JP2021528152A (ja) 低呼吸モニタリングシステム及び方法
CN110353641A (zh) 生命体征监测方法及***
KR101837835B1 (ko) 광용적맥파를 이용하는 호흡수 측정 및 관리 방법
JP2020512040A (ja) 呼吸ステータスの検出を容易にするためのシステム及び方法
CN103054708A (zh) 一种阻塞性睡眠呼吸暂停治疗仪
WO2023114494A1 (en) Device and methods for monitoring and training breathing
CN109589117A (zh) 一种基于大数据的呼吸内科用监护仪控制方法及***
CN108042133A (zh) 一种基于呼吸肌电信号智能分析的痰液淤积报警***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181211