睡眠呼吸监测方法及装置制造方法及图纸

本发明专利技术提供了一种睡眠呼吸监测方法及装置，该方法包括：通过录音设备采集所处环境中的声音信号；使用第一模型对声音信号进行分析，确定呼吸事件的数量，其中，呼吸事件为两个相邻呼吸之间的静音时长大于第一预设时长，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：声音信号和声音信号中识别出的呼吸事件；根据呼吸事件的数量，确定呼吸检测结果，其中，呼吸检测结果用于指示呼吸紊乱指数AHI。从而能够在患者睡眠过程中对患者的音频数据直接进行采集和分析判断并得到相应的呼吸检测结果，能够有效提高对患者睡眠质量的评估的效率，解决了现有技术中对患者进行睡眠质量评估时效率较低的问题。

Sleep breathing monitoring methods and devices

The invention provides a sleep breathing monitoring method and device, which includes: collecting sound signals in the environment by recording equipment; analyzing sound signals by using the first model to determine the number of breathing events, in which the silence time between two adjacent breathing events is longer than the first preset time, and the first model is to use multiple sets of data to pass through the machine. Each group of data from the training includes respiratory events identified in sound signals and sound signals, and respiratory test results are determined according to the number of respiratory events, in which the respiratory test results are used to indicate the respiratory disorder index AHI. Thus, the audio data of patients can be collected, analyzed and judged directly during the sleep process, and the corresponding breathing test results can be obtained. It can effectively improve the efficiency of the evaluation of patients'sleep quality, and solve the problem of low efficiency of the evaluation of patients' sleep quality in the existing technology.

【技术实现步骤摘要】
睡眠呼吸监测方法及装置
本专利技术医疗设备领域，具体而言，涉及一种睡眠呼吸监测方法及装置。
技术介绍
睡眠质量是影响人们健康的重要因素。目前睡眠质量较差的人群越来越多。睡眠质量较差的患者存在睡眠呼吸暂停或呼吸不足的状况，通过分析患者的睡眠呼吸暂停或呼吸不足状况可以对其睡眠质量进行评估。目前，在对患者的睡眠质量进行评估时，首先在患者睡眠过程中采用相应的录音设备录制患者睡眠期间的音频数据，再将该音频数据输入专门的分析软件进行分析才能得到结果，不仅工作效率较低，同时费时费力。
技术实现思路
本专利技术的主要目的在于提供一种睡眠呼吸监测方法及装置，以解决现有技术中对患者进行睡眠质量评估时效率较低的问题。为了实现上述目的，本专利技术提供了一种睡眠呼吸监测方法，包括：通过录音设备采集所处环境中的声音信号；使用第一模型对所述声音信号进行分析，确定呼吸事件的数量，其中，所述呼吸事件为两个相邻呼吸之间的静音时长大于第一预设时长，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：声音信号和声音信号中识别出的呼吸事件；根据所述呼吸事件的数量，确定呼吸检测结果，其中，所述呼吸检测结果用于指示呼吸紊乱指数AHI。可选地，所述使用第一模型对所述声音信号进行分析，确定呼吸事件的数量包括：计算所述声音信号的梅尔谱图；使用神经网络模型将所述梅尔谱图变换为判别性特征，所述判别性特征用于指示输入的声音信号的内容信息，所述判别性特征的结构为1024×(F/64-1)×1，其中F是输入声音信号的帧数，其中，所述神经网络模型为基于Audioset数据集训练的；使用分类模型对所述判别性特征进行分类，得到所述呼吸事件的数量，其中，所述分类模型为基于ESC-50训练的。可选地，所述计算所述声音信号的梅尔谱图包括：将所述声音信号以第一预设频率进行重新采样，提取梅尔频带特征，以得到所述梅尔谱图，其中，快速傅立叶变换窗口的长度为第一预设数值采样点，连续帧之间步长为第二预设数值采样点。可选地，所述根据所述呼吸事件的数量，确定呼吸紊乱指数AHI之后，所述方法还包括：通过显示屏显示所述呼吸检测结果。可选地，所述根据所述呼吸事件的数量，确定呼吸紊乱指数AHI之后，所述方法还包括：在所述AHI大于预设呼吸紊乱指数阈值的情况下，发出告警信息。本专利技术还提供了一种睡眠呼吸监测装置，包括：录音设备，用于采集所处环境中的声音信号；信号处理单元，与所述录音设备连接，用于使用第一模型对所述声音信号进行分析，确定呼吸事件的数量，其中，所述呼吸事件是指两个相邻呼吸之间的静音时长大于第一预设时长，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：声音信号和声音信号中识别出的呼吸事件；分析判断单元，与所述信号处理单元连接，用于根据所述呼吸事件的数量，确定呼吸检测结果，其中，所述呼吸检测结果用于指示呼吸紊乱指数AHI。可选地，睡眠呼吸监测装置还包括：显示屏，与所述分析判断单元连接，用于显示所述呼吸检测结果。可选地，睡眠呼吸监测装置还包括：告警装置，与所述分析判断单元连接，用于在所述AHI大于预设呼吸紊乱指数阈值的情况下，发出告警信息。可选地，睡眠呼吸监测装置还包括：蓝牙通信单元，与所述分析判断单元连接，用于将所述呼吸检测结果发送至对应的终端设备。本专利技术还提供了一种睡眠呼吸监测装置，包括监测器和固定头圈；其中，所述监测器，用于执行上述的睡眠呼吸监测方法；所述监测器设置在固定头圈的前端，以通过所述固定头圈佩戴在患者的头部。应用本专利技术技术方案的睡眠呼吸监测方法及装置，通过录音设备采集所处环境中的声音信号；使用第一模型对声音信号进行分析，确定呼吸事件的数量，其中，呼吸事件为两个相邻呼吸之间的静音时长大于第一预设时长，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：声音信号和声音信号中识别出的呼吸事件；根据呼吸事件的数量，确定呼吸检测结果，其中，呼吸检测结果用于指示呼吸紊乱指数AHI。从而能够在患者睡眠过程中对患者的音频数据直接进行采集和分析判断并得到相应的呼吸检测结果，能够有效提高对患者睡眠质量的评估的效率。解决了现有技术中对患者进行睡眠质量评估时效率较低的问题。附图说明构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例一种可选的睡眠呼吸监测方法的流程示意图；图2(a)是根据本专利技术实施例一种可选的深层CNN模型的结构示意图；图2(b)是根据本专利技术实施例另一种可选的深层CNN模型的结构示意图；图3是根据本专利技术实施例另一种可选的睡眠呼吸监测方法的流程示意图；图4是根据本专利技术实施例一种可选的睡眠呼吸监测装置的结构示意图；图5是根据本专利技术实施例另一种可选的睡眠呼吸监测装置的结构示意图；图6是根据本专利技术实施例又一种可选的睡眠呼吸监测装置的结构示意图；图7是根据本专利技术实施例又一种可选的睡眠呼吸监测装置的结构示意图；图8是根据本专利技术实施例一种可选的睡眠呼吸监测装置的监测器的结构示意图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。实施例1根据本专利技术实施例的睡眠呼吸监测方法，如图1所示，该方法包括以下步骤：步骤S101，通过录音设备采集所处环境中的声音信号。步骤S102，使用第一模型对所述声音信号进行分析，确定呼吸事件的数量。其中，所述呼吸事件为两个相邻呼吸之间的静音时长大于第一预设时长(即在两个相邻呼吸之间的静音时长大于第一预设时长的情况下，确定产生所述呼吸事件)，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：声音信号和声音信号中识别出的呼吸事件。可选地，所述使用第一模型对所述声音信号进行分析，确定呼吸事件的数量包括：计算所述声音信号的梅尔谱图；使用神经网络模型将所述梅尔谱图变换为判别性特征，所述判别性特征用于指示输入的声音信号的内容信息，所述判别性特征的结构为1024×(F/64-1)×1，其中F是输入声音信号的帧数，其中，所述神经网络模型为基于Audioset数据集训练的；使用分类模型对所述判别性特征进行分类，得到所述呼吸事件的数量，其中，所述分类模型为基于ESC-50训练的。具体地，判别性特征为后述卷积神经网络模型F1层输出，结构为1024×(F/64-1)×1，能够描述输入声音信号的内容信息并用于声音分类，其中F是输入声音信号的帧数，由声音长度决定。其中，所述计算所述声音信号的梅尔谱图包括：将所述声音信号以第一预设频率进行重新采样，提取梅尔频带特征，以得到所述梅尔谱图，其中，快速傅立叶变换窗口的长度为第一预设数值采样点，连续帧之间步长为第二预设数值采样点。步骤S103，根据所述呼吸事件的数量，确定呼吸检测结果，其中，所述呼吸检测结果用于指示呼吸紊乱指数AHI。可选地，所述根据所述呼吸事件的数量，确定呼吸紊乱指数AHI之后，所述方法还包括：通过显示屏显示所述呼吸检测结果。可选地，所述根据所述呼吸事件的数量，确定呼吸紊乱指数AHI之后，所述方法还包括：在所述AHI大于预设呼吸紊乱指数阈值的情况下本文档来自技高网...

【技术保护点】
1.一种睡眠呼吸监测方法，其特征在于，包括：通过录音设备采集所处环境中的声音信号；使用第一模型对所述声音信号进行分析，确定呼吸事件的数量，其中，所述呼吸事件为两个相邻呼吸之间的静音时长大于第一预设时长，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：声音信号和声音信号中识别出的呼吸事件；根据所述呼吸事件的数量，确定呼吸检测结果，其中，所述呼吸检测结果用于指示呼吸紊乱指数AHI。

【技术特征摘要】
1.一种睡眠呼吸监测方法，其特征在于，包括：通过录音设备采集所处环境中的声音信号；使用第一模型对所述声音信号进行分析，确定呼吸事件的数量，其中，所述呼吸事件为两个相邻呼吸之间的静音时长大于第一预设时长，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：声音信号和声音信号中识别出的呼吸事件；根据所述呼吸事件的数量，确定呼吸检测结果，其中，所述呼吸检测结果用于指示呼吸紊乱指数AHI。2.根据权利要求1所述的睡眠呼吸监测方法，其特征在于，所述使用第一模型对所述声音信号进行分析，确定呼吸事件的数量包括：计算所述声音信号的梅尔谱图；使用神经网络模型将所述梅尔谱图变换为判别性特征，所述判别性特征用于指示输入的声音信号的内容信息，所述判别性特征的结构为1024×(F/64-1)×1，其中F是输入声音信号的帧数，其中，所述神经网络模型为基于Audioset数据集训练的；使用分类模型对所述判别性特征进行分类，得到所述呼吸事件的数量，其中，所述分类模型为基于ESC-50训练的。3.根据权利要求2所述的睡眠呼吸监测方法，其特征在于，所述计算所述声音信号的梅尔谱图包括：将所述声音信号以第一预设频率进行重新采样，提取梅尔频带特征，以得到所述梅尔谱图，其中，快速傅立叶变换窗口的长度为第一预设数值采样点，连续帧之间步长为第二预设数值采样点。4.根据权利要求1至3中任一项所述的睡眠呼吸监测方法，其特征在于，所述根据所述呼吸事件的数量，确定呼吸紊乱指数AHI之后，所述方法还包括：通过显示屏显示所述呼吸检测结...

【专利技术属性】
技术研发人员：任晓勇，罗靖，刘海琴，陈浩，施叶雯，冯雅妮，程龙，
申请(专利权)人：西安交通大学医学院第二附属医院，
类型：发明
国别省市：陕西,61