睡眠呼吸系统及方法技术方案

本发明专利技术提供了一种睡眠呼吸系统，其包括血氧数据采集模块、呼吸气流数据采集模块、胸腹运动数据采集模块、隔肌肌电信号采集模块、数据预处理软件以及呼吸事件判定软件。与相关技术相比，本发明专利技术的睡眠呼吸系统极大地提升了呼吸事件判定的准确性，更进一步拓展了呼吸机终端的睡眠监测功能。本发明专利技术还提供了一种睡眠呼吸方法，其包括数据采集步骤、数据预处理步骤以及呼吸事件判定步骤。与相关技术相比，本发明专利技术的睡眠呼吸方法其呼吸事件判定的准确性更高。

Sleep breathing system and methods

The invention provides a sleep breathing system, which includes blood oxygen data acquisition module, respiratory flow data acquisition module, chest abdominal motion data acquisition module, myoelectric signal acquisition module, data preprocessing software and respiratory event determination software. Compared with the related technology, the sleep breathing system of the invention greatly improves the accuracy of the determination of respiratory events and further expands the sleep monitoring function of the ventilator terminal. The invention also provides a sleep breathing method, which comprises a data acquisition step, a data pre-processing step and a respiratory event determination step. Compared with the related technology, the sleep breathing method of the invention has higher accuracy in judging respiratory events.

【技术实现步骤摘要】
睡眠呼吸系统及方法
本专利技术涉及家庭医疗设备
，尤其涉及一种睡眠呼吸系统及方法。
技术介绍
睡眠是一项与人类健康息息相关的生命活动，机体有很多生理活动都是在睡眠中进行的。随着理论研究的推进，人们对睡眠的认识不断提高，同时对与睡眠相关的疾患也加深关注。睡眠质量直接影响人体的健康状态。由于近些年来人们的社会压力越来越大，睡眠问题已成为社会关注的焦点问题之一。阻塞性睡眠呼吸暂停低通气综合征(OSAHS)是指患者在睡眠过程中反复出现呼吸暂停和低通气。由于夜间反复出现大脑皮层的觉醒与觉醒反应，正常睡眠结构和节律被破坏，睡眠效率明显降低，白天出现嗜睡，记忆力下降，严重者出现认知功能下降，行为异常，目前认为OSAHS是一种全身性疾病，同时又是引起猝死、道路交通事故的重要原因，是一个严重的社会问题。诊断OSAHS的标准手段是整夜的多导电生理睡眠检测仪(PSG)监测。PSG监测的生理参数较多，有利于医生综合判断给出准确的诊断结果。但同时由于PSG采用的传感器众多，且多数置于头部和面部，是一些比较敏感的部位，另外，由于设备体积大，不便移动，患者需住院监测，由此带来睡眠环境的改变及监测设备的影响导致入睡困难，反而影响诊断的准确性。并且，监测设备价格昂贵，操作复杂，难以在家庭中推广应用。所以家庭睡眠监测对于OSAHS的诊断及治疗效果评估具有重要意义。而目前常用的家庭睡眠监测设备由于监测数据种类及算法的局限，往往存在睡眠事件判定准确性较低的不足。因此，实有必要提供一种新的睡眠呼吸系统及方法来克服上述技术问题。
技术实现思路
为解决上述技术问题，本专利技术提供了一种睡眠呼吸系统及方法。本专利技术提供的一种睡眠呼吸系统，其包括：血氧数据采集模块，采集血氧浓度和心率数据；呼吸气流数据采集模块，采集呼吸气流流量数据；胸腹运动数据采集模块，测量呼吸努力状态，计算出电感变化量数据；隔肌肌电信号采集模块，采集因膈肌肌肉收缩产生的电信号数据；数据预处理软件，根据呼吸气流流量数据计算出每个呼吸周期的最大值和最小值；呼吸事件判定软件，根据所述血氧浓度数据进行氧减事件判定；根据每个呼吸周期呼吸气流流量的最大值减去最小值计算出的每个呼吸周期的幅值，依次存储形成幅值数组，经比对筛选后形成事件判定数组，结合所述呼吸气流流量数据、电感变化量数据以及电信号数据进行呼吸暂停事件判定，结合所述呼吸气流流量数据以及血氧浓度数据进行低通气事件判定。优选的，所述睡眠呼吸系统包括呼吸机终端、数据采集外设以及云服务器，所述呼吸机终端配置有所述血氧数据采集模块、呼吸气流数据采集模块以及数据预处理软件，所述数据采集外设包括所述胸腹运动数据采集模块以及隔肌肌电信号采集模块，所述云服务器配置有呼吸事件判定软件。优选的，所述呼吸机终端将所述数据预处理软件计算出的每个呼吸周期的最大值和最小值数据传输至云服务器，所述数据采集外设将所述电感变化量数据以及电信号数据传输至所述呼吸机终端，再所述呼吸机终端传输至所述云服务器。优选的，所述数据采集外设通过蓝牙、wifi、串口线或USB方式对所述呼吸机终端进行数据传输。优选的，所述呼吸机终端通过无线方式对所述云服务器进行数据传输。优选的，所述血氧数据采集模块包括血氧探头，所述呼吸气流数据采集模块包括流量传感器。优选的，所述胸腹运动数据采集模块包括RIP胸腹带，所述膈肌肌电信号采集模块包括表面电极。本专利技术还提供了一种睡眠呼吸方法，其包括如下步骤：S1、数据采集：血氧数据采集模块，采集血氧浓度和心率数据；呼吸气流数据采集模块，采集呼吸气流流量数据；胸腹运动数据采集模块，测量呼吸努力状态，计算出电感变化量数据；隔肌肌电信号采集模块，采集因膈肌肌肉收缩产生的电信号数据；数据预处理软件，根据呼吸气流流量数据计算出每个呼吸周期呼吸气流流量的最大值和最小值；S2、数据预处理，包括如下步骤：S2.1、采用限幅滤波和滑动平均滤波方式消除呼吸气流流量数据波形中的抖动和部分噪声，S2.2、呼吸周期呼吸气流流量的最小值计算，包括如下步骤：S2.2.1、比较实时呼吸气流流量数据的值是否小于先前最小值，若是，则将实时呼吸气流流量数据的值作为该呼吸周期的最小值，持续时间置零，若否，则跳转到步骤S2.2.2；S2.2.2、比较实时呼吸气流流量数据的值是否大于流量基线值，若是，则跳转到步骤S2.2.3，若否，则比较先前最小值持续时间是否小于5秒，若小于5秒，则结束该呼吸周期呼吸气流流量的最小值计算，若大于或等于5秒，则跳转到步骤S2.2.3；S2.2.3、比较先前最小值是否小于流量基线值，若是，则将先前最小值作为该呼吸周期的最小值，若否，则结束该呼吸周期呼吸气流流量的最小值计算，其中，先前最小值为实时呼吸气流流量数据的值之前与其时间间隔最小的某个呼吸周期呼吸气流流量的最小值，先前最小值的初始最小值为流量基线值，流量基线值为零流量或零流量对应的AD值，S2.3、呼吸周期呼吸气流流量的最大值计算，包括如下步骤：S2.3.1、比较实时呼吸气流流量数据的值是否大于先前最大值，若是，则将实时呼吸气流流量数据的值作为该呼吸周期呼吸气流流量的最大值，持续时间置零，若否，则跳转到步骤S2.3.2；S2.3.2、比较实时呼吸气流流量数据的值是否小于流量基线值，若否，则跳转到步骤S2.3.3，若是，则比较先前最大值持续时间是否小于5秒，若小于5秒则结束该呼吸周期呼吸气流流量的最大值计算，若大于或等于5秒，则跳转到步骤S2.3.3；S2.3.3、比较先前最大值是否大于流量基线值，若是，则将先前最大值作为该呼吸周期的最大值，若否，则结束该呼吸周期呼吸气流流量的最大值计算，其中，先前最大值为实时呼吸气流流量数据的值之前与其时间间隔最小的某个呼吸周期呼吸气流流量的最大值，先前最大值的初始最大值为流量基线值，流量基线值为零流量或零流量对应的AD值，S3、呼吸事件判定，包括如下步骤：S3.1、根据采集的血氧浓度数据进行氧减事件判定；S3.2、计算每个有效呼吸周期的幅值，依次存储形成幅值数组，将幅值数组的第一个幅值作为初始的判定的幅值；S3.3、判断幅值基线值是否存在，若存在，则继续下一步骤，若不存在，则跳转至步骤S3.8；S3.4、判定的幅值是否小于幅值基线值的60％，若大于或等于，则跳转至步骤S3.8，若小于，则将该幅值及其前一幅值纳入事件判定数组，然后依次判断后续幅值是否小于幅值基线值的60％，若小于，则纳入事件判定数组，若大于或等于，将该幅值写入事件判定数组，并作为新的判定的幅值，继续下一步骤；S3.5、事件判定数组的持续时间是否大于或等于10s，若大于或等于，则继续下一步骤，否则，跳转至步骤S3.8；S3.6、进行呼吸暂停事件与低通气事件判定；S3.7、处理超长事件，清空事件判定数组；S3.8、更新幅值基线值；S3.9、计算判定的幅值与其后邻近幅值的时间间隔，若小于10s并且后一幅值大于或等于幅值基线值的60％，则将该区间记为呼吸暂停事件区间，否则，将后一幅值作为新的判定的幅值，重复步骤S3.3-S3.9。其中，步骤S3.2中，每个有效呼吸周期的幅值计算为每个有效呼吸周期呼吸气流流量的最大值减去最小值所得的差值；步骤S3.3中，幅值基线值的计算为：建立一个长度为2分钟的滑动时间窗，用于保存这段时间本文档来自技高网...

【技术保护点】
1.一种睡眠呼吸系统，其特征在于，包括：血氧数据采集模块，采集血氧浓度和心率数据；呼吸气流数据采集模块，采集呼吸气流流量数据；胸腹运动数据采集模块，测量呼吸努力状态，计算出电感变化量数据；隔肌肌电信号采集模块，采集因膈肌肌肉收缩产生的电信号数据；数据预处理软件，根据呼吸气流流量数据计算出每个呼吸周期的最大值和最小值；呼吸事件判定软件，根据所述血氧浓度数据进行氧减事件判定；根据每个呼吸周期呼吸气流流量的最大值减去最小值计算出的每个呼吸周期的幅值，依次存储形成幅值数组，经比对筛选后形成事件判定数组，结合所述呼吸气流流量数据、电感变化量数据以及电信号数据进行呼吸暂停事件判定，结合所述呼吸气流流量数据以及血氧浓度数据进行低通气事件判定。

【技术特征摘要】
1.一种睡眠呼吸系统，其特征在于，包括：血氧数据采集模块，采集血氧浓度和心率数据；呼吸气流数据采集模块，采集呼吸气流流量数据；胸腹运动数据采集模块，测量呼吸努力状态，计算出电感变化量数据；隔肌肌电信号采集模块，采集因膈肌肌肉收缩产生的电信号数据；数据预处理软件，根据呼吸气流流量数据计算出每个呼吸周期的最大值和最小值；呼吸事件判定软件，根据所述血氧浓度数据进行氧减事件判定；根据每个呼吸周期呼吸气流流量的最大值减去最小值计算出的每个呼吸周期的幅值，依次存储形成幅值数组，经比对筛选后形成事件判定数组，结合所述呼吸气流流量数据、电感变化量数据以及电信号数据进行呼吸暂停事件判定，结合所述呼吸气流流量数据以及血氧浓度数据进行低通气事件判定。2.根据权利要求1所述的睡眠呼吸系统，其特征在于，包括呼吸机终端、数据采集外设以及云服务器，所述呼吸机终端配置有所述血氧数据采集模块、呼吸气流数据采集模块以及数据预处理软件，所述数据采集外设包括所述胸腹运动数据采集模块以及隔肌肌电信号采集模块，所述云服务器配置有呼吸事件判定软件。3.根据权利要求2所述的睡眠呼吸系统，其特征在于，所述呼吸机终端将所述数据预处理软件计算出的每个呼吸周期的最大值和最小值数据传输至云服务器，所述数据采集外设将所述电感变化量数据以及电信号数据传输至所述呼吸机终端，再所述呼吸机终端传输至所述云服务器。4.根据权利要求3所述的睡眠呼吸系统，其特征在于，所述数据采集外设通过蓝牙、wifi、串口线或USB方式对所述呼吸机终端进行数据传输。5.根据权利要求4所述的睡眠呼吸系统，其特征在于，所述呼吸机终端通过无线方式对所述云服务器进行数据传输。6.根据权利要求5所述的睡眠呼吸系统，其特征在于，所述血氧数据采集模块包括血氧探头，所述呼吸气流数据采集模块包括流量传感器。7.根据权利要求5所述的睡眠呼吸系统，其特征在于，所述胸腹运动数据采集模块包括RIP胸腹带，所述膈肌肌电信号采集模块包括表面电极。8.一种睡眠呼吸方法，其特征在于，包括如下步骤：S1、数据采集：血氧数据采集模块，采集血氧浓度和心率数据；呼吸气流数据采集模块，采集呼吸气流流量数据；胸腹运动数据采集模块，测量呼吸努力状态，计算出电感变化量数据；隔肌肌电信号采集模块，采集因膈肌肌肉收缩产生的电信号数据；数据预处理软件，根据呼吸气流流量数据计算出每个呼吸周期呼吸气流流量的最大值和最小值；S2、数据预处理，包括如下步骤：S2.1、采用限幅滤波和滑动平均滤波方式消除呼吸气流流量数据波形中的抖动和部分噪声，S2.2、呼吸周期呼吸气流流量的最小值计算，包括如下步骤：S2.2.1、比较实时呼吸气流流量数据的值是否小于先前最小值，若是，则将实时呼吸气流流量数据的值作为该呼吸周期的最小值，持续时间置零，若否，则跳转到步骤S2.2.2；S2.2.2、比较实时呼吸气流流量数据的值是否大于流量基线值，若是，则跳转到步骤S2.2.3，若否，则比较先前最小值持续时间是否小于5秒，若小于5秒，则结束该呼吸周期呼吸气流流量的最小值计算，若大于或等于5秒，则跳转到步骤S2.2.3；S2.2.3、比较先前最小值是否小于流量基线值，若是，则将先前最小值作为该呼吸周期的最小值，若否，则结束该呼吸周期呼吸气流流量的最小值计算，其中，先前最小值为实时呼吸气流流量数据的值之前与其时间间隔最小的某个呼吸周期呼吸气流流量的最小值，先前最小值的初始最小值为流量基线值，流量基线值为零流量或零流量对应的AD值，S2.3、呼吸周期呼吸气流流量的最大值计算，包括如下步骤：S2.3.1、比较实时呼吸气流流量数据的值是否大于先前最大值，若是，则将实时呼吸气流流量数据的值作为该呼吸周期呼吸气流流量的最大值，持续时间置零，若否，则跳转到步骤S2.3.2；S2.3.2、比较实时呼吸气流流量数据的值是否小于流量基线值，若否，则跳转到步骤S2.3.3，若是，则比较先前最大值持续时间是否小于5秒，若小于5秒则结束该呼吸周期呼吸气流流量的最大值计算，若大于或等于5秒，则跳转到步骤S2.3.3；S2.3.3、比较先前最大值是否大于流量基线值，若是，则将先前最大值作为该呼吸周期的最大值，若否，则结束该呼吸周期呼吸气流流量的最大值计算，其中，先前最大值为实时呼吸气流流量数据的值之前与其时间间隔最小的某个呼吸周期呼吸气流流量的最大值，先前最大值的初始最大值为流量基线值，流量基线值为零流量或零流量对应的AD值，S3、呼吸事件判定，包括如下步骤：S3.1、根据采集的血氧浓度数据进行氧减事件判定；S3.2、计算每个有效呼吸周期的幅值，依次存储形成幅值数组，将幅值数组的第一个幅值作为初始的判定的幅值；S3...

【专利技术属性】
技术研发人员：戴征，杨娟，
申请(专利权)人：湖南明康中锦医疗科技发展有限公司，
类型：发明
国别省市：湖南,43