TWI809864B - 感測方法和感測系統 - Google Patents

Abstract

本揭露提供一種感測方法與感測系統，適用於偵測生物體呼吸型態。藉由感測裝置感測生物體的呼吸型態，辨識生物體的呼吸型態。根據所辨識的呼吸型態，進而判斷生物體是否有異常。

Description

感測方法和感測系統

本揭露涉及一種感測方法和感測系統，特別是，一種適用於偵測生物體呼吸型態的感測方法與感測系統。

近年來樂齡、安養、長照服務事業因應全球老齡化趨勢蓬勃發展。老年人口占比遽增與青壯人口萎縮，導致照護比嚴重失衡，仰賴科技手段輔助照護成為必然趨勢。眾多科技照護方案方興未艾，但老人服務重在人性，除了生理健康的照護，涵蓋心理、社交、心靈的全人醫養理念逐被重視。加上突如其來的疫情擴散，隔離政策造成病患、醫護與家屬間的不便，許多遺憾事件不免發生。如將現行的科技照護與遠距醫療的解決方式加以適當配置與規劃，可提供臥床者、照護者與親屬三者間跳躍式的需求滿足。

但由於臥床者會因突發情況而呼吸停止，以讓照護者與親屬措手不及而有見不到最後一面的遺憾，因此，極需一種能偵測臥床者的呼吸狀態的方法與系統，以能讓照護者或醫療人員對其進行判斷並進行即時處理。

因此，本揭露提出一種適用於偵測生物體呼吸型態的感測方法與感測系統，可即時判斷生物的呼吸型態是否異常，以能讓照護者或醫療人員對其進行判斷並進行即時處理。

本揭露之一實施例提供一種感測方法，適用於偵測生物體呼吸型態，包括：藉由感測裝置感測生物體的呼吸型態；辨識生物體的呼吸型態；根據所辨識的呼吸型態，進而判斷生物體是否有異常。

本揭露之一實施例提供一種感測系統，適用於偵測生物體呼吸型態，包括：感測裝置，感測並辨識生物體的呼吸型態，根據呼吸型態的類型轉換為相對應的偵測信號；處理裝置，連接感測裝置，接收相對應的偵測信號，並對偵測信號進行分析，進而判斷生物體是否有異常

為更進一步瞭解本揭露的特徵及技術內容，請參閱以下有關本揭露的詳細說明與圖式，然而所提供的圖式僅用於提供參考與說明，並非用來對本揭露加以限制。

圖1顯示根據本揭露一實施例的適用於偵測生物體呼吸型態的感測方法。感測方法包括：藉由感測裝置感測生物體的呼吸型態(步驟(S101)，接著，辨識生物體的呼吸型態(步驟S102)，並根據所辨識的呼吸型態，進而判斷生物體是否有異常(步驟S103)。前述感測方法還包括當生物體有異常時，可即時通知異常，以進行處理。於本揭露，前述生物體包括人類或動物，感測裝置為生理雷達，生理雷達包括非接觸式自我注入鎖定雷達或頻率調變連續波雷達。

前述呼吸型態可依據既有的醫學常識來判斷，呼吸型態可包括呼吸正常(Eupnea)、呼吸急促(tachypnea)、呼吸徐緩(bradypnea)、睡眠呼吸中止(sleep apnea)、潮式呼吸(Cheyne-Stokes)、瀕死呼吸(Agonal)等型態，如圖2所示。圖2顯示各種不同呼吸型態，由上而下分別表示呼吸正常、呼吸急促、呼吸徐緩、睡眠呼吸中止、潮式呼吸與瀕死呼吸等不同的波形形態。本揭露雖僅揭露圖2的六種呼吸型態，但並不受限於此，亦可根據現有的呼吸型態進行增加於本揭露中，以進行判斷。

圖3顯示根據本揭露一實施例的適用於偵測生物體呼吸型態的感測系統。前述感測系統包括感測裝置301與處理裝置302。感測裝置301感測並辨識生物體303的呼吸型態，根據呼吸型態的類型轉換為相對應的偵測信號。處理裝置302連接感測裝置301，接收相對應的偵測信號，並對偵測信號進行分析，進而判斷生物體303是否有異常，當生物體有異常時，可即時通知異常，以進行處理。於本揭露，前述生物體包括人類或動物，感測裝置為生理雷達，生理雷達包括非接觸式自我注入鎖定雷達或頻率調變連續波雷達。

於本揭露，處理裝置302應用時域或頻域分析，以計算呼吸型態的特徵值，並根據特徵值判斷該生物體是否有異常。圖4顯示應用時域或頻域分析計算呼吸型態方法的流程圖，前述方法步驟包括：對偵測信號進行時域分析處理(步驟S401)並應用短時距傅立葉變換對該偵測信號進行計算，以產生計算後的信號。藉由一維卷積層對該計算後的信號進行一維數據的空間資料的萃取(步驟S402)。接著，藉由長短期記憶處理對該計算後的信號進行處理(步驟S403)。前述長短期記憶處理是一種特殊的循環神經網絡（Recurrent Neural Network，RNN），主要是為了解決長序列訓練過程中的梯度消失和梯度***問題，而循環神經網絡（Recurrent Neural Network，RNN），是一種用於處理序列數據的神經網絡。相比一般的神經網絡來說，他能夠處理序列變化的數據。其次，應用防止過度擬合技術(DropOut) (步驟S404)，主要目的為防止過度擬合，首要參數rate為關掉隱藏層節點的比例，利用隨機關掉隱藏層節點與輸入神經元的連結，不更新權重，造成多個結果，再作比較去除極端值，即可達到避免過度擬合的現象。接著應用深度神經網路處理( Deep Neural Network ，DNN) (步驟S405)，該計算後的信號有很多隱藏層的神經網絡。第一層是輸入層，最後一層是輸出層，而中間的層數都是隱藏層。層與層之間是全連接的，最後，可判斷出呼吸型態類型(步驟S406)。

前述呼吸型態可依據既有的醫學常識來判斷，前述呼吸型態包括呼吸正常(Eupnea)、呼吸急促(tachypnea)、呼吸徐緩(bradypnea)、睡眠呼吸中止(sleep apnea)、潮式呼吸(Cheyne-Stokes)、瀕死呼吸(Agonal)等型態，如圖2所示。本揭露雖僅揭露圖2的六種呼吸型態，但並不受限於此，亦可根據現有的呼吸型態進行增加於本揭露中，以進行判斷。

前述生理雷達可包括頻率調變連續波雷達或非接觸式自我注入鎖定雷達。圖5A顯示簡易的頻率調變連續波雷達的方塊圖。如圖5A所示，頻率調變連續波雷達包含雷達發射器51、雷達接收器52與中央處理器53、天線54與天線55。雷達發射器51通過天線54連續發射多個信號S1到生物體H，再由雷達接收器52通過天線55接收由生物體H回射的多個信號S2並進行多個信號差值及多個信號和值，再將多個信號差值與多個信號和值進行耦合產生耦合信號，再輸入中央處理器53進行處理。雷達發射器51可為信號合成器，雷達接收器52可為混頻器、低通濾波器及類比數位轉換器，而中央處理器53可為微處理器、圖形處理器、數位訊號處理器等等。圖5B顯示簡易的非接觸式自注入鎖定生理信號雷達感測器的方塊圖。如圖5B所示，自我注入鎖定積體電路61通過天線62發射信號至生物體H，並由生物體H反射信號通過天線63回自我注入鎖定積體電路61，再由自我注人鎖定積體61產生頻率調變及振幅調變射頻信號S3。本揭露雖僅揭露前述圖5A的頻率調變連續波雷達感測器與圖5B的非接觸式自注入鎖定生理信號雷達感測器，但並不受限於此，亦可根據現有的頻率調變連續波雷達感測器與非接觸式自注入鎖定生理信號雷達感測器進行增加或增減於本揭露中，以進行感測。

本揭露的偵測呼吸型態可結合既有的生理感應照護系統，以隱藏式視訊對講螢幕，提供臥床者與外界溝通的橋樑，由於隱私保障的需求，平時視訊對講螢幕收起，當遇醫護、家屬有視訊溝通需求時，由遠端啟動螢幕推出，喚醒病患與長者進行雙向溝通。通過視訊螢幕可以提供專業醫護人員在必要的時刻，遠端即時探查病患情況，並給予專業建議。視訊對講螢幕與彩色攝影鏡頭(例如RGB鏡頭)提供遠程光體積描記圖法(Remote Photoplethysmography；rPPG)非接觸心跳、血氧分析，可提供專業醫護人員在問診同時觀察病患生理狀態。通過視訊螢幕可以提供親屬遠距對話，平時感情聯繫與重要時刻的臨終談話都能解決因隔離或居住交通不能及時趕到的問題。視訊對講屏幕也能作為外界資訊的來源，提供即時內容服務。針對在床側照護提供此種隱藏式的視訊對講系統提供的床側自動化問診與數位內容傳遞服務申請專利。

本揭露已由上述相關實施例加以描述，然而上述實施例僅為實施本揭露之範例。必需指出的是，已揭露之實施例並未限制本揭露之範圍。相反地，包含於申請專利範圍之精神及範圍之修改及均等設置均包含於本揭露之範圍內。

S101:步驟 S102:步驟 S103:步驟 301:感測裝置 302:處理裝置 303:生物體 S401:步驟 S402:步驟 S403:步驟 S404:步驟 S405:步驟 S406:步驟 51:雷達發射器 52:雷達接收器 53:中央處理器 54:天線 55:天線 61:自我注入鎖定積體電路 62:天線 63:天線 S1~S3:信號

圖1顯示根據本揭露一實施例的適用於偵測生物體呼吸型態的感測方法。

圖2顯示各種不同呼吸型態。

圖3顯示根據本揭露一實施例的適用於偵測生物體呼吸型態的感測系統。

圖4顯示應用時域或頻域分析計算呼吸型態方法的流程圖。

圖5A顯示簡易的頻率調變連續波雷達的方塊圖。

圖5B顯示簡易的非接觸式自我注入鎖定生理信號雷達感測器的方塊圖。

S101:步驟

S102:步驟

S103:步驟

Claims (14)

1. 一種感測方法，適用於偵測生物體呼吸型態，包括：藉由一感測裝置感測一生物體的一呼吸型態，根據該呼吸型態轉換為相對應的一偵測信號；藉由一處理裝置連接該感測裝置，接收相對應的該偵測信號，並對該偵測信號進行時域分析處理產生一計算後的信號，藉由一維卷積層對該計算後的信號進行一維數據的空間資料的萃取，藉由長短期記憶處理對該計算後的信號進行處理，判斷出該呼吸型態的一類型；以及根據所判斷出該呼吸型態的該類型，進而判斷該生物體是否有異常。
2. 如請求項1所述的感測方法，還包括：當該生物體有異常時，可即時通知醫護人員異常，以進行處理。
3. 如請求項1所述的感測方法，其中該呼吸型態包括呼吸正常、呼吸急促、呼吸徐緩、睡眠呼吸中止、潮式呼吸與瀕死呼吸等型態。
4. 如請求項1所述的感測方法，其中該生物體包括人類或動物。
5. 如請求項1所述的感測方法，其中該感測裝置為生理雷達，該生理雷達包括非接觸式自我注入鎖定雷達或頻率調變連續波雷達。
6. 如請求項1所述的感測方法，其中藉由長短期記憶處理對該計算後的信號進行處理之後，更包括應用防止過度擬合技術。
7. 如請求項6所述的感測方法，其中在應用防止過度擬合技術之後，更包括應用深度神經網路處理。
8. 一種感測系統，適用於偵測生物體呼吸型態，包括：一感測裝置，感測一生物體的一呼吸型態，根據該呼吸型態轉換為相對應的一偵測信號；以及一處理裝置，連接該感測裝置，接收相對應的該偵測信號，並對該偵測信號進行時域分析處理產生一計算後的信號，藉由一維卷積層對該計算後的信號進行一維數據的空間資料的萃取，藉由長短期記憶處理對該計算後的信號進行處理，判斷出該呼吸型態的一類型，根據所判斷出該呼吸型態的該類型，進而判斷該生物體是否有異常。
9. 如請求項8所述的感測系統，其中該呼吸型態包括呼吸正常、呼吸急促、呼吸徐緩、睡眠呼吸中止、潮式呼吸與瀕死呼吸等型態。
10. 如請求項8所述的感測系統，其中該感測裝置為生理雷達，該生理雷達包括非接觸式自我注入鎖定雷達或頻率調變連續波雷達。
11. 如請求項8所述的感測系統，其中該處理裝置應用時域或頻域分析，以計算該呼吸型態的特徵值，並根據該特徵值判斷該生物體是否有異常。
12. 如請求項8所述的感測系統，其中該生物體包括人類或動物。
13. 如請求項8所述的感測系統，其中藉由長短期記憶處理對該計算後的信號進行處理之後，更包括應用防止過度擬合技術。
14. 如請求項13所述的感測系統，其中在應用防止過度擬合技術之後，更包括應用深度神經網路處理。