CN112971763A - 睡眠呼吸事件检测装置 - Google Patents
睡眠呼吸事件检测装置 Download PDFInfo
- Publication number
- CN112971763A CN112971763A CN202110177025.9A CN202110177025A CN112971763A CN 112971763 A CN112971763 A CN 112971763A CN 202110177025 A CN202110177025 A CN 202110177025A CN 112971763 A CN112971763 A CN 112971763A
- Authority
- CN
- China
- Prior art keywords
- respiratory
- module
- amplitude
- sleep
- apnea
- 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.)
- Granted
Links
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 129
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 208000008784 apnea Diseases 0.000 claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 25
- 239000008280 blood Substances 0.000 claims abstract description 25
- 210000004369 blood Anatomy 0.000 claims abstract description 25
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 25
- 239000001301 oxygen Substances 0.000 claims abstract description 25
- 208000003417 Central Sleep Apnea Diseases 0.000 claims abstract description 24
- 206010021079 Hypopnoea Diseases 0.000 claims abstract description 21
- 210000001015 abdomen Anatomy 0.000 claims abstract description 18
- 208000001797 obstructive sleep apnea Diseases 0.000 claims abstract description 18
- 201000002859 sleep apnea Diseases 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims abstract description 14
- 208000020020 complex sleep apnea Diseases 0.000 claims abstract description 13
- 201000006646 mixed sleep apnea Diseases 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 81
- 210000000038 chest Anatomy 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000009423 ventilation Methods 0.000 claims description 10
- 230000003187 abdominal effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000000414 obstructive effect Effects 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 210000000115 thoracic cavity Anatomy 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 7
- 208000023504 respiratory system disease Diseases 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010021133 Hypoventilation Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003519 ventilatory effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pulmonology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及一种睡眠呼吸事件检测装置,包括:信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块;其根据受试者的胸、腹呼吸信号,初步判定睡眠呼吸事件,然后采用与所述胸、腹呼吸信号对应的血氧饱和度数据和三轴加速度数据进行校准,从而确定睡眠呼吸事件;所述睡眠呼吸事件为呼吸睡眠暂停或低通气;其中呼吸睡眠暂停为阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停、或混合性睡眠呼吸暂停。
Description
技术领域
本发明涉及睡眠呼吸暂停的检测技术,尤其涉及一种睡眠呼吸事件检测装置。
背景技术
睡眠对于人们健康状态息息相关,睡眠质量影响人们的身体健康和精神状态。睡眠呼吸紊乱症会很大程度影响睡眠质量,严重的睡眠呼吸紊乱会导致白天疲劳,记忆力、注意力下降,可能出现抑郁、焦虑,会引发呼吸***,心血管***,内分泌***紊乱,甚至危及生命。睡眠呼吸暂停综合症和睡眠低通气综合症是睡眠紊乱症的主要两个种类。睡眠呼吸暂停进而又分成中枢性、阻塞性和混合性睡眠呼吸暂停三种类型。暂停-低通气指数(AHI)是定量评价呼吸紊乱症的严重程度一个重要指标,即平均每小时发生呼吸暂停和低通气的次数。及时准确诊断睡眠紊乱综合症至关重要。
传统的自动检测呼吸紊乱的算法的研究主要基于心电信号和呼吸信号。基于心电的自动检测算法大多数是通过RR间隙的时域和频域的特征进行机器学习模型训练,大多数文章都是基于physionet2000年挑战项目的数据集。但是这个数据集数据量有限(仅70例),而且没有对呼吸事件的类型进行分类。此外,通过心率进行检测要求受试者没有心脏***类疾病,否则会影响到算法的准确性。
其次,基于呼吸信号本身进行呼吸事件自动检测的研究比较少,大多数使用SHHS数据库,通过规则对呼吸紊乱进行检测,且选择的患者样本主要为AHI>30和AHI<5两个类别,没有在不同严重程度测试算法的准确性。
申请号为CN 104688232 A的专利公开了一种睡眠呼吸暂停的检测方法及设备,克服难以分辨出睡眠呼吸暂停的类型的缺陷。该方法根据气道流量参考值判断出用户当前没了自主呼吸且持续时间已达到预设的时间阈值时,判断出用户所处于呼吸暂停的状态;判断用户的上气道是否通畅;根据用户的上气道是否通畅,确定用户的呼吸暂停为中枢性呼吸暂停或者阻塞性呼吸暂停。但该申请的实施例只可以区分中枢性或者阻塞性,并不能区分混合性,也不能检测低通气事件。
专利201410568638.5公开了一种睡眠呼吸暂停综合症检测***,由保护电路、阻抗式呼吸检测模块、心电信号检测模块、加速度检测模块、口鼻呼吸检测模块、处理器模块、无线通信模块的睡眠呼吸检测设备,以及用于探测口鼻呼吸气流的热敏电阻传感器,探测人体胸部呼吸和心电图信号的正负极构成。该专利可以区分中枢、阻塞、混合性三类事件,但同样不能对低通气事件进行检测。而且,由于心动、低频信号的干扰等,给检测呼吸波形带来了很大困难,从而影响检测的准确性。
另外,呼吸信号本身不稳定,呼吸幅度容易受到睡姿影响,且非常容易受到运动伪迹的影响,从而导致睡眠呼吸事件及AHI指数判断不准确。
发明内容
鉴于上述问题,本申请旨在提出一种睡眠呼吸事件检测装置。
本申请的睡眠呼吸事件检测装置,其包括:信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块;
所述信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块均通过计算设备运行相应的程序实现;
信号预处理模块用于对受试者的胸、腹呼吸信号进行预处理;
潮气量计算模块用于根据预处理的胸、腹呼吸信号计算受试者的潮气量;
阈值设定模块用于根据受试者的潮气量计算呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)、呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)曲线;然后基于该呼吸振幅基础值(AMP_MAX)计算呼吸暂停阈值(TH_A)和低通气阈值(TH_H);
呼吸事件判断模块用于根据吸暂停阈值(TH_A)和低通气阈值(TH_H)进行呼吸事件的初步判断;
校准模块用于根据受试者的与所述胸、腹呼吸信号对应的血氧饱和度数据和三轴加速度数据对所述呼吸事件的初步判断进行校准,得到最终的睡眠呼吸事件判断结果;所述睡眠呼吸事件为呼吸睡眠暂停或低通气;其中呼吸睡眠暂停为阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停、或混合性睡眠呼吸暂停。
优选地,所述信号预处理模块进行的预处理为以下预处理中的至少一种:
通过中值滤波剔除脉冲和异常点;
通过小波变换去除呼吸信号基线;
通过巴特沃兹4阶滤波器进行带通滤波。
优选地,潮气量计算模块通过如下公式进行计算所述潮气量,
VT=K×RC+M×AB,
其中,
VT为潮气量;
K为胸部呼吸信号拟合系数;
M为腹部呼吸信号拟合系数;
RC为经预处理的胸呼吸信号;
AB为经预处理的腹呼吸信号。
优选地,阈值设定模块通过该受试者的潮气量计算呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)曲线之前,对潮气量计算模块计算所得的潮气量进行预处理,该预处理包括:滤波和标准化。
优选地,呼吸幅度(AMP)是通过对潮气量进行波峰波谷检测而计算得到的,对计算得到的呼吸幅度(AMP)的伪峰进行剔除;多个呼吸幅度(AMP)构成呼吸幅度(AMP)曲线;
呼吸振幅基础值(AMP_MAX)是通过计算得到的呼吸幅度(AMP)而得到的;多个呼吸振幅基础值(AMP_MAX)构成呼吸振幅基础值(AMP_MAX)曲线;
对呼吸振幅基础值(AMP)曲线和呼吸幅度(AMP_MAX)曲线进行插值。
优选地,呼吸事件判断模块对中枢性睡眠呼吸暂停的判断标准为:
呼吸幅度(AMP)曲线的相邻的两个波峰间隔大于10秒且胸、腹呼吸均无呼吸努力,判为中枢性睡眠呼吸暂停;
呼吸振幅基础值小于呼吸暂停阈值的时间超过10秒且呼吸幅度(AMP)曲线没有波峰被检测出或者呼吸幅度(AMP)曲线的相邻的两个波峰间隔超过10秒,判为中枢性睡眠呼吸暂停;
呼吸事件判断模块对阻塞性睡眠呼吸暂停的判断标准为:
呼吸幅度(AMP)曲线的相邻的两个波峰间隔大于10秒且胸、腹呼吸信号至少有一个显示呼吸努力,判为阻塞性睡眠呼吸暂停;
呼吸振幅基础值小于呼吸暂停阈值的时间超过10秒且有6个以上的呼吸幅度(AMP)曲线波峰被检测出,或者被检测出的波峰不超过6个且波峰间隔未超过10秒,判为阻塞性睡眠呼吸暂停;
呼吸事件判断模块对混合性睡眠呼吸暂停的判断如下:
如果同一时间段同时满足中枢性睡眠呼吸暂停的判断标准和阻塞性睡眠呼吸暂停的判断标准,且中枢性呼吸暂停出现在阻塞性暂停之前,则判为混合性睡眠呼吸暂停;
呼吸事件判断模块对低通气的判断标准为:
呼吸振幅小于低通气阈值但大于呼吸暂停阈值持续超过10秒,并伴随4%以上的血氧饱和度的下降,判为低通气。
优选地,在所述校准模块进行校准时,根据信号质量指标删除伪迹造成的误判;
所述信号质量指标为幅度变化的方差,方差的窗口为10个呼吸;
所述校准模块通过计算每段呼吸暂停和低通气的呼吸幅度Mean(AMP),再计算事件后2分钟的平均呼吸幅度Mean(AMP_after2min);如果Mean(AMP)>=0.7*Mean(AMP_after2min),则认为是干扰进行剔除。
优选地,所述呼吸事件判断模块初步判断的睡眠呼吸事件为低通气事件时,如果血氧没有降低4%及以上,则所述校准模块对初步判断结果进行剔除;
所述呼吸事件判断模块初步判断的睡眠呼吸事件为呼吸暂停事件时,如果血氧没有降低3%以上。则所述校准模块对初步判断结果进行剔除;
所述校准模块通过三轴加速度数据判断受试者的睡姿和活动状态,将受试者非躺着的状态和活动的状态下以及其后1分钟检测出的初步判断结果进行剔除。
本申请的睡眠呼吸事件检测方装置,通过处理和分析胸腹呼吸信号初步判定睡眠呼吸事件,然后采用血氧饱和度数据和三轴加速度数据进行校准,从而确定睡眠呼吸事件,具有较高的准确性和可靠性。
附图说明
图1为本申请的睡眠呼吸事件检测装置的工作流程图;
图2为申请的睡眠呼吸事件检测装置的睡眠呼吸暂停判断流程图;
图3为数据库中AHI的取值和本申请的睡眠呼吸事件检测装置估测的AHI的取值的对比图;
图4为本申请的本申请的睡眠呼吸事件检测装置的构成图。
具体实施方式
下面结合附图,对本申请的睡眠呼吸事件检测装置进行详细说明。
本申请的睡眠呼吸事件检测装置,包括:信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块;
所述信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块均通过计算设备运行相应的程序实现;
信号预处理模块用于对受试者的胸、腹呼吸信号进行预处理;
潮气量计算模块用于根据预处理的胸、腹呼吸信号计算受试者的潮气量;
阈值设定模块用于根据受试者的潮气量计算呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)、呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)曲线;然后基于该呼吸振幅基础值(AMP_MAX)计算呼吸暂停阈值(TH_A)和低通气阈值(TH_H);
呼吸事件判断模块用于根据吸暂停阈值(TH_A)和低通气阈值(TH_H)进行呼吸事件的初步判断;
校准模块用于根据受试者的与所述胸、腹呼吸信号对应的血氧饱和度数据和三轴加速度数据对所述呼吸事件的初步判断进行校准,得到最终的睡眠呼吸事件判断结果;所述睡眠呼吸事件为呼吸睡眠暂停或低通气;其中呼吸睡眠暂停为阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停、或混合性睡眠呼吸暂停。
上述的信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块可以是通过在计算设备运行相应的程序实现,也可以是通过搭建与程序向对应的逻辑电路来实现。
通过对胸、腹呼吸信号进行处理和分析,初步判定睡眠呼吸事件,然后采用血氧饱和度数据和三轴加速度数据进行校准,从而确定睡眠呼吸事件。
睡眠呼吸事件包括睡眠呼吸暂停和低通气,其中睡眠呼吸暂停包括阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停和混合性睡眠呼吸暂停。
1)阻塞性睡眠呼吸暂停:口鼻气流停止达到10秒以上,在此期间胸腹运动仍然存在;
2)中枢性睡眠呼吸暂停:口鼻气流停止达到10秒以上,在此期间,胸腹运动同步停止;
3)混合性睡眠呼吸暂停:口鼻气流停止达到10秒以上,在口鼻气流恢复前,胸腹运动提前恢复;
4)低通气:呼吸气流或呼吸努力下降30%,且血氧饱和度降低4%以上,持续时间大于等于10秒。
睡眠呼吸事件确定流程如图1所示。
1)预处理胸腹呼吸信号
①通过中值滤波剔除脉冲和异常点;
②通过小波变换去除呼吸信号基线;
③通过巴特沃兹4阶滤波器进行带通滤波,频带为0.1-0.5。
2)潮气量计算
通过胸腹呼吸信号计算潮气量,如公式(1)所示。并对计算后的潮气量进行预处理和标准化。
VT=K×RC+M×AB (1)
VT:潮气量
K:胸部呼吸信号拟合系数
M:腹部呼吸信号拟合系数
RC:胸呼吸信号
AB:腹呼吸信号
3)计算呼吸振幅
对潮气量进行波峰波谷的检测,根据检测出的波峰波谷计算呼吸振幅(AMP)的序列:波峰信号幅度减相邻的波谷的信号幅度。若AMP≤0.15,则视为伪峰,进行剔除。
4)计算呼吸振幅基础值
对于AMP序列,呼吸振幅基础值(AMP_MAX)为前两分钟呼吸幅度最大的第二个到第四个的中位数。计算AMP_MAX的目的是为了减少伪迹的影响。
同时,对呼吸振幅、呼吸振幅基础值根据胸腹呼吸信号采样点频率进行插值,则呼吸振幅、呼吸振幅基础值可以和呼吸信号相对应。
5)设定睡眠呼吸事件的阈值
呼吸暂停阈值如公式(2)所示,低通气阈值如公式(3)所示。
TH_A=AMP_MAX×0.35 (2)
TH_H=AMP_MAX×0.7 (3)
TH_A:呼吸暂停阈值
TH_H:低通气阈值
AMP_MAX:呼吸振幅基础值
6)睡眠呼吸事件初步判定
根据第3)步检测的潮气量波峰波谷,进行睡眠呼吸事件的初步判断。
睡眠呼吸暂停初步判断
睡眠呼吸暂停判断流程如图2所示。
①判为中枢性睡眠呼吸暂停
a.两个波峰间隔大于10秒,且胸腹呼吸均无呼吸努力的信号片段判为中枢性睡眠呼吸暂停;
b.AMP小于TH_A的时间超过10秒,且没有波峰被检测出,或者波峰间隔超过10秒,判为中枢性睡眠呼吸暂停。
②判为阻塞性睡眠呼吸暂停
a.两个波峰间隔大于10秒,且胸腹呼吸信号至少有一个显示呼吸努力,判为阻塞性睡眠呼吸暂停;
b.AMP小于TH_A的时间超过10秒,且有6个以上的波峰被检测出,或者被检测出的波峰不超过6个,波峰间隔未超过10秒,判为阻塞性睡眠呼吸暂停。
③混合性睡眠呼吸暂停:
如果同一时间段同时满足上述两个判断标准,且中枢性呼吸暂停出现在阻塞性暂停之前,判为混合性睡眠呼吸暂停。
低通气
AMP小于TH_H但大于TH_A的信号超过10秒,并伴随4%以上的血氧饱和度的下降,判为低通气。
7)校准睡眠呼吸事件
校准睡眠呼吸事件包括两个步骤,①删除伪迹造成的误判;②通过血氧信号和三轴加速度信号进行校准。
①删除伪迹造成的误判
a.信号质量指标为幅度变化的方差。即:VAR(diff(AMP)),方差的窗口为10个呼吸。这个参数的大小和信号幅度相关,设定的值为如果有三轴加速的信号的阈值是AMP_MAX的4倍,如果没有三轴加速度的信号的话是AMP_MAX的2倍。对信号质量差的时候该段信号以及该段信号后2分钟内的之前检测出了呼吸暂停事件进行剔除。
b.计算每段呼吸暂停和低通气的呼吸幅度Mean(AMP)在计算事件后2分钟的平均呼吸幅度Mean(AMP_after2min),如果Mean(AMP)>=0.7*Mean(AMP_after2min),则认为是干扰进行剔除。
②通过血氧信号进行校准
a.对经过第①步校准后的结果进行血氧校准。如果发生低通气事件之后如果血氧没有降低4%及以上进行剔除,如果呼吸暂停事件血氧没有降低3%以上进行剔除。由于血氧有的时候会发生成段丢失的时候,所以校准的时候考虑到血氧的信号质量,对血氧进行预处理插值的时候记录血氧缺失的位置,如果呼吸事件发生检测到的时候,该段血氧有10秒以上的丢失,则该段事件予以保留。
b.对三轴加速度信号,通过三轴加速度信号可以识别睡姿和活动状态,将非躺着的状态和活动的状态下以及后1分钟检测出的呼吸暂停事件进行剔除。
需要说明的是,本申请的实时方案中,有一些常数和/或阈值,是根据大量的试验采集获得,在具体实施时,可以根据不同的需要进行略微的调整,本申请对这些经过试验采集获得的参数或阈值,并不做具体的限制。只要是根据本申请的思想所施行的技术方案,均应在本申请的保护范围之内,即便所采用的常数和/或阈值与本申请所提供的实施例不完全一致。
1、使用SHHS数据库验证本算法的准确性和可靠性。
SHHS数据是研究睡眠呼吸紊乱症对于心血管疾病影响的数据库。SHHS数据库可以分成SHHS1和SHHS2。其中SHHS1包含了1995年11月到1998年1月的6441受试者的PSG数据;SHHS2包含了2001-2003年的3295受试者的PSG数据。我们从SHHS1和SHHS2数据库中,各随机选取了600例数据,共1200例数据。其中AHI<5(正常),5<=AHI<15(轻度),15<=AHI<30(中度),AHI>30(重度)各300例。每个样本提取其胸、腹呼吸信号,采样率为10HZ,血氧信号1HZ,以及呼吸紊乱事件的标签(包括了事件的类型,起始时间和持续时间)。
2、通过两个方面衡量算法性能:①比较呼吸紊乱事件检测的特异性和敏感性;②通过均方误差衡量AHI估算值和真实的AHI的差别。
1)将暂停和低通气均合并成呼吸紊乱事件,计算准确率和召回率,如下表所示。
查准率 | 查全率 | |
AHI<30 | 64.86% | 66.54% |
AHI>=30 | 82.86% | 74.38% |
总计 | 72.61% | 70.17% |
2)按照AHI分类的结果(二类)(四类)。
准确率:Acc=92.18%
准确率:Acc=79.03%
3)AHI的估算结果和数据库标签结果的MAE(平均绝对误差),MSE(均方误差),RMSE(均方根误差)和R2
MAE | MSE | RMSE | R<sup>2</sup> |
3.33 | 31.77 | 5.64 | 0.86 |
4)数据库中AHI的取值和算法估测的AHI的取值对比如图3所示。
图3中,横坐标为SHHS数据库人工标签(金标准),纵坐标为算法估测的AHI数值,R2数值为0.86。
除非另有定义,本申请中使用的所有技术和/或科学术语具有与由本发明所涉及的领域的普通技术人员通常理解的相同含义。本申请中提到的材料、方法和实施例仅为说明性的,而非限制性的。
虽然已结合具体实施方式对本发明进行了描述,在本申请的发明主旨下,本领域的技术人员可以进行适当的替换、修改和变化,这种替换、修改和变化仍属于本申请的保护范围。
Claims (8)
1.一种睡眠呼吸事件检测装置,其包括:信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块;
所述信号预处理模块、潮气量计算模块、阈值设定模块、呼吸事件判断模块、校准模块均通过计算设备运行相应的程序实现;
信号预处理模块用于对受试者的胸、腹呼吸信号进行预处理;
潮气量计算模块用于根据预处理的胸、腹呼吸信号计算受试者的潮气量;
阈值设定模块用于根据受试者的潮气量计算呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)、呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)曲线;然后基于该呼吸振幅基础值(AMP_MAX)计算呼吸暂停阈值(TH_A)和低通气阈值(TH_H);
呼吸事件判断模块用于根据吸暂停阈值(TH_A)和低通气阈值(TH_H)进行呼吸事件的初步判断;
校准模块用于根据受试者的与所述胸、腹呼吸信号对应的血氧饱和度数据和三轴加速度数据对所述呼吸事件的初步判断进行校准,得到最终的睡眠呼吸事件判断结果;所述睡眠呼吸事件为呼吸睡眠暂停或低通气;其中呼吸睡眠暂停为阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停、或混合性睡眠呼吸暂停。
2.根据权利要求1所述的睡眠呼吸事件检测装置,其特征在于:
所述信号预处理模块进行的预处理为以下预处理中的至少一种:
通过中值滤波剔除脉冲和异常点;
通过小波变换去除呼吸信号基线;
通过巴特沃兹4阶滤波器进行带通滤波。
3.根据权利要求1所述的睡眠呼吸事件检测装置,其特征在于:
潮气量计算模块通过如下公式进行计算所述潮气量,
VT=K×RC+M×AB,
其中,
VT为潮气量;
K为胸部呼吸信号拟合系数;
M为腹部呼吸信号拟合系数;
RC为经预处理的胸呼吸信号;
AB为经预处理的腹呼吸信号。
4.根据权利要求1所述的睡眠呼吸事件检测装置,其特征在于:
阈值设定模块通过该受试者的潮气量计算呼吸幅度(AMP)和呼吸振幅基础值(AMP_MAX)曲线之前,对潮气量计算模块计算所得的潮气量进行预处理,该预处理包括:滤波和标准化。
5.根据权利要求1所述的睡眠呼吸事件检测装置,其特征在于:
呼吸幅度(AMP)是通过对潮气量进行波峰波谷检测而计算得到的,对计算得到的呼吸幅度(AMP)的伪峰进行剔除;多个呼吸幅度(AMP)构成呼吸幅度(AMP)曲线;
呼吸振幅基础值(AMP_MAX)是通过计算得到的呼吸幅度(AMP)而得到的;多个呼吸振幅基础值(AMP_MAX)构成呼吸振幅基础值(AMP_MAX)曲线;
对呼吸振幅基础值(AMP)曲线和呼吸幅度(AMP_MAX)曲线进行插值。
6.根据权利要求1所述的睡眠呼吸事件检测装置,其特征在于:
呼吸事件判断模块对中枢性睡眠呼吸暂停的判断标准为:
呼吸幅度(AMP)曲线的相邻的两个波峰间隔大于10秒且胸、腹呼吸均无呼吸努力,判为中枢性睡眠呼吸暂停;
呼吸振幅基础值小于呼吸暂停阈值的时间超过10秒且呼吸幅度(AMP)曲线没有波峰被检测出或者呼吸幅度(AMP)曲线的相邻的两个波峰间隔超过10秒,判为中枢性睡眠呼吸暂停;
呼吸事件判断模块对阻塞性睡眠呼吸暂停的判断标准为:
呼吸幅度(AMP)曲线的相邻的两个波峰间隔大于10秒且胸、腹呼吸信号至少有一个显示呼吸努力,判为阻塞性睡眠呼吸暂停;
呼吸振幅基础值小于呼吸暂停阈值的时间超过10秒且有6个以上的呼吸幅度(AMP)曲线波峰被检测出,或者被检测出的波峰不超过6个且波峰间隔未超过10秒,判为阻塞性睡眠呼吸暂停;
呼吸事件判断模块对混合性睡眠呼吸暂停的判断如下:
如果同一时间段同时满足中枢性睡眠呼吸暂停的判断标准和阻塞性睡眠呼吸暂停的判断标准,且中枢性呼吸暂停出现在阻塞性暂停之前,则判为混合性睡眠呼吸暂停;
呼吸事件判断模块对低通气的判断标准为:
呼吸振幅小于低通气阈值但大于呼吸暂停阈值持续超过10秒,并伴随4%以上的血氧饱和度的下降,判为低通气。
7.根据权利要求1所述的睡眠呼吸事件检测装置,其特征在于:
在所述校准模块进行校准时,根据信号质量指标删除伪迹造成的误判;
所述信号质量指标为幅度变化的方差,方差的窗口为10个呼吸;
所述校准模块通过计算每段呼吸暂停和低通气的呼吸幅度Mean(AMP),再计算事件后2分钟的平均呼吸幅度Mean(AMP_after2min);如果Mean(AMP)>=0.7*Mean(AMP_after2min),则认为是干扰进行剔除。
8.根据权利要求1所述的睡眠呼吸事件检测装置,其特征在于:
所述呼吸事件判断模块初步判断的睡眠呼吸事件为低通气事件时,如果血氧没有降低4%及以上,则所述校准模块对初步判断结果进行剔除;
所述呼吸事件判断模块初步判断的睡眠呼吸事件为呼吸暂停事件时,如果血氧没有降低3%以上。则所述校准模块对初步判断结果进行剔除;
所述校准模块通过三轴加速度数据判断受试者的睡姿和活动状态,将受试者非躺着的状态和活动的状态下以及其后1分钟检测出的初步判断结果进行剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110177025.9A CN112971763B (zh) | 2021-02-07 | 2021-02-07 | 睡眠呼吸事件检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110177025.9A CN112971763B (zh) | 2021-02-07 | 2021-02-07 | 睡眠呼吸事件检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112971763A true CN112971763A (zh) | 2021-06-18 |
CN112971763B CN112971763B (zh) | 2023-06-23 |
Family
ID=76392577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110177025.9A Active CN112971763B (zh) | 2021-02-07 | 2021-02-07 | 睡眠呼吸事件检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112971763B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050074741A1 (en) * | 2003-09-18 | 2005-04-07 | Kent Lee | System and method for discrimination of central and obstructive disordered breathing events |
CN203662728U (zh) * | 2013-10-11 | 2014-06-25 | 张政波 | 生理参数检测用胸带以及包括其的胸带式生理参数检测装置 |
CN104706355A (zh) * | 2015-03-26 | 2015-06-17 | 北京怡和嘉业医疗科技有限公司 | 呼吸暂停事件的种类的确定方法及*** |
CN109924980A (zh) * | 2017-12-19 | 2019-06-25 | 北京怡和嘉业医疗科技股份有限公司 | 呼吸事件判定***及睡眠监测仪 |
CN212261367U (zh) * | 2020-09-02 | 2021-01-01 | 北京海思瑞格科技有限公司 | 呼吸模式背心 |
-
2021
- 2021-02-07 CN CN202110177025.9A patent/CN112971763B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050074741A1 (en) * | 2003-09-18 | 2005-04-07 | Kent Lee | System and method for discrimination of central and obstructive disordered breathing events |
CN203662728U (zh) * | 2013-10-11 | 2014-06-25 | 张政波 | 生理参数检测用胸带以及包括其的胸带式生理参数检测装置 |
CN104706355A (zh) * | 2015-03-26 | 2015-06-17 | 北京怡和嘉业医疗科技有限公司 | 呼吸暂停事件的种类的确定方法及*** |
CN109924980A (zh) * | 2017-12-19 | 2019-06-25 | 北京怡和嘉业医疗科技股份有限公司 | 呼吸事件判定***及睡眠监测仪 |
CN212261367U (zh) * | 2020-09-02 | 2021-01-01 | 北京海思瑞格科技有限公司 | 呼吸模式背心 |
Also Published As
Publication number | Publication date |
---|---|
CN112971763B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108670200B (zh) | 一种基于深度学习的睡眠鼾声分类检测方法及*** | |
JP6574648B2 (ja) | 流れ制限の検出のための自動制御 | |
KR101868888B1 (ko) | 비강압력신호를 이용한 수면호흡장애 환자의 수면/각성 분류 장치 및 방법 | |
US7727161B2 (en) | Systems and methods for monitoring cough | |
US6363270B1 (en) | Monitoring the occurrence of apneic and hypopneic arousals | |
CN105769122B (zh) | 一种睡眠呼吸暂停低通气指数的测量设备 | |
US5456264A (en) | Accuracy of breath-by-breath analysis of flow volume loop in identifying flow-limited breathing cycles in patients | |
JP5153770B2 (ja) | いびき検知及び確認のためのシステム及び方法 | |
US20130267805A1 (en) | System and method for detecting ventilatory instability | |
US20080300500A1 (en) | Apnea detection using a capnograph | |
US10004452B2 (en) | System and methods for estimating respiratory airflow | |
CN103961105A (zh) | 对打鼾进行识别和强度输出的方法与***及一种呼吸机 | |
WO2007092492A2 (en) | Systems and methods for processing pulmonary function data | |
CN112971724A (zh) | 入睡点检测方法 | |
Schmidt et al. | Comparative investigations of algorithms for the detection of breaths in newborns with disturbed respiratory signals | |
CN114176564B (zh) | 基于雷达信号提取呼吸状态的方法 | |
TW201544074A (zh) | 呼吸波形辨識方法及其系統 | |
CN112971763B (zh) | 睡眠呼吸事件检测装置 | |
CN112971766B (zh) | 睡眠呼吸事件检测方法 | |
Widasari et al. | Automatic sleep quality assessment for obstructive sleep apnea patients based on HRV spectrum analysis | |
TW202302032A (zh) | 基於心跳間隔下降率分組之呼吸暫停與不足事件偵測方法 | |
TWI669104B (zh) | 睡眠呼吸中止生理訊號檢測系統 | |
TWI837948B (zh) | 可偵測完整呼吸暫停與不足事件的方法 | |
CN112107293B (zh) | 基于睡眠时呼吸参数的打鼾监测*** | |
US20240000338A1 (en) | Techniques for extracting respiratory parameters from noisy short duration thoracic impedance measurements |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |