一种基于时域的成人呼吸事件检测方法技术

本发明专利技术涉及一种基于时域的成人呼吸事件检测方法。解决现有技术中人工判别呼吸事件存在时间长、标准不统一、准确性不高的问题。方法包括获取口鼻气流信号、胸部运动信号和血氧饱和度信号；对口鼻气流信号进行时域划分分析，获取信号振幅数据并记录信号事件；根据口鼻气流信号和气流鼾声信号对口鼻气流信号事件进行初步分类，分类为暂定呼吸暂停事件和暂定低通气事件；将暂定低通气事件结合血氧饱和度信息确定低通气事件；将暂定呼吸暂停事件结合胸部运动信号振幅数据比较情况确定呼吸暂停事件类型。本发明专利技术相比人工判别呼吸时间，判别时间更短，判别标准统一，判别结构更加准确，使得能够快速准确自动分析出一个结构供医生进行参考。参考。参考。

【技术实现步骤摘要】
一种基于时域的成人呼吸事件检测方法


[0001]本专利技术涉及生理参数分析
，尤其是涉及一种基于时域的成人呼吸事件检测方法。

技术介绍

[0002]随着人们对睡眠的日益关注，睡眠医学已成为临床医学中一个新的热点。睡眠的客观检测是睡眠医学和睡眠相关研究的基本条件。多导睡眠监测（polysomnography，PSG）是国际公认的诊断睡眠呼吸暂停低通气综合症的金标准。而夜间睡眠呼吸事件的判别是进行疾病诊断的重要因素。
[0003]呼吸事件分为低通气和呼吸暂停，而呼吸暂停又分为中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停。AASM中各个呼吸事件的判别标准如下：低通气：口鼻气流较基线下降≥30%，持续时间≥10s，且伴有≥3%的血氧饱和度下降。
[0004]呼吸暂停：口鼻气流较基线下降≥90%，持续时间≥10s。
[0005]中枢性呼吸暂停：呼吸暂停的过程中不存在努力呼吸。
[0006]阻塞性呼吸暂停：呼吸暂停的过程中存在持续地努力呼吸。
[0007]混合性呼吸暂停：呼吸暂停的过程中，开始不存在努力呼吸，之后开始持续的努力呼吸。
[0008]而现实中一般通过人工去判别呼吸事件，但人工存在判别时间长，判别标准不统一，判别的结构准确度不高的问题。

技术实现思路

[0009]本专利技术主要是解决现有技术中人工判别呼吸事件存在时间长、标准不统一、准确性不高的问题，提供了一种基于时域的成人呼吸事件检测方法。
[0010]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于时域的成人呼吸事件检测方法，包括以下步骤，S1.获取口鼻气流信号、胸部运动信号和血氧饱和度信号；S2.对口鼻气流信号进行时域划分分析，获取信号振幅数据并记录信号事件；S3.根据口鼻气流信号和气流鼾声信号对口鼻气流信号事件进行初步分类，分类为暂定呼吸暂停事件和暂定低通气事件；S4.将暂定低通气事件结合血氧饱和度信息确定低通气事件；将暂定呼吸暂停事件结合胸部运动信号振幅数据比较情况确定呼吸暂停事件类型。本专利技术根据口鼻气流信号、胸部运动信号和血氧饱和度信号，通过对口鼻气流信号和胸部运动信号进行时域划分分析，根据片段的振幅情况来判断低通气事件和呼吸暂停事件具体类型，相比人工判别呼吸时间，本专利技术判别时间更短，判别标准统一，判别结构更加准确，使得能够快速准确自动分析出一个结构供医生进行参考。
[0011]作为一种优选方案，步骤S2中时域划分分析过程包括：S21.将信号根据一次呼吸时间划分n个片段，获得信号片段序列W(w
n
)，w
n
为片段；本方案中一次呼吸时间优选2.5秒。正常成人每分钟呼吸次数在16至20次之间，也就是每3至4秒呼吸一次，采用2.5秒的窗口，略小于一次呼吸的时间，可以更精准的估计振幅的变化情况。
[0012]S22.将每个片段中最大值与最小值之差作为片段的振幅，获得片段振幅序列A(a
n
)，a
n
为片段振幅；片段振幅序列可以反应出信号每2.5秒的振幅变化情况。
[0013]S23.设定振幅基线a
base
，以振幅序列A(a
n
)的第一个值a0作为振幅基线初始值，遍历片段振幅序列A(a
n
)；若当前振幅a
k
＞振幅基线a
base
，则获取当前振幅相邻的两个振幅a
k
‑1、a
k+1
，振幅基线更新为a
base
=( a
k
‑1+a
k
+a
k+1
)/3；振幅基线表示振幅的正常值，用于和振幅下降时进行对比。
[0014]若当前振幅a
k
＜μa
base
，其中μ为设定比例系数，0≤μ≤1，开始记录信号事件，若持续m个片段的振幅a
k
、a
k
‑1…
a
k+m
均小于μa
base
，直到a
k+m+1
＞μa
base
，信号事件记录结束，振幅基线更新为a
base
= a
k+m+1
。在对口鼻气流信号进行时域划分分析中，μ取值0.7，在对胸部运动信号进行时域划分分析中，μ取值范围为0.1
‑
0.2，优选取值0.2。
[0015]作为一种优选方案，口鼻气流信号进行时域划分分析中，记录呼吸事件，过程包括：记录获得可能呼吸事件{w
k
，w
k+1
，
…
，w
k+m
}，由于片段长度为2.5秒，可能出现事件范围不准确的问题，通过计算相邻两个片段w
k
‑1和w
k+m+1
的微分来调整事件范围，把范围向左右两边延展，记左右延展的片段为w
left
和w
right
，其长度分别为Δt
left
和Δt
right
；判断（2.5*m+Δt
left
+Δt
right
）是否大于10s，若是，则m+2个片段{ w
left
，w
k
，w
k+1
，
…
，w
k+m
，w
right
}记录为一个呼吸事件，若否，事件不记录。
[0016]作为一种优选方案，步骤S3的具体过程包括：S31.对于呼吸事件{ w
left
，w
k
，w
k+1
，
…
，w
k+m
，w
right
}，检测振幅小于0.7a
base
且大于0.1a
base
的片段，这些片段个数记为n1，检测振幅是否小于等于0.1a
base
的片段，这些片段个数记为n2；S32.判断是否n2≥n1，若是，呼吸事件{ w
left
，w
k
，w
k+1
，
…
，w
k+m
，w
right
}记为第一呼吸暂停事件ap1，若否，呼吸事件{ w
left
，w
k
，w
k+1
，
…
，w
k+m
，w
right
}记为第一低通气事件hp1；S33.将口鼻气流信号进行5Hz高通滤波，获得气流鼾声信号，将第一呼吸暂停事件ap1结合气流鼾声信号，其中第一呼吸暂停事件ap1中包含气流鼾声信号的事件记为第二低通气事件hp2，剩余第一呼吸暂停事件ap1记为第二呼吸暂停事件ap2；S34.将第一低通气事件hp1和第二低通气事件hp2记为暂定低通气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时域的成人呼吸事件检测方法，其特征在于：包括以下步骤，S1.获取口鼻气流信号、胸部运动信号和血氧饱和度信号；S2.对口鼻气流信号进行时域划分分析，获取信号振幅数据并记录信号事件；S3.根据口鼻气流信号和气流鼾声信号对口鼻气流信号事件进行初步分类，分类为暂定呼吸暂停事件和暂定低通气事件；S4.将暂定低通气事件结合血氧饱和度信息确定低通气事件；将暂定呼吸暂停事件结合胸部运动信号振幅数据比较情况确定呼吸暂停事件类型。2.根据权利要求1所述的一种基于时域的成人呼吸事件检测方法，其特征是步骤S2中时域划分分析过程包括：S21.将信号根据一次呼吸时间划分n个片段，获得信号片段序列W(w
n
)，w
n
为片段；S22.将每个片段中最大值与最小值之差作为片段的振幅，获得片段振幅序列A(a
n
)，a
n
为片段振幅；S23.设定振幅基线a
base
，以振幅序列A(a
n
)的第一个值a0作为振幅基线初始值，遍历片段振幅序列A(a
n
)；若当前振幅a
k
＞振幅基线a
base
，则获取当前振幅相邻的两个振幅a
k
‑1、a
k+1
，振幅基线更新为a
base
=( a
k
‑1+a
k
+a
k+1
)/3；若当前振幅a
k
＜μa
base
，其中μ为设定比例系数，0≤μ≤1，开始记录信号事件，若持续m个片段的振幅a
k
、a
k
‑1…
a
k+m
均小于μa
base
，直到a
k+m+1
＞μa
base
，信号事件记录结束，振幅基线更新为a
base
= a
k+m+1
。3.根据权利要求2所述的一种基于时域的成人呼吸事件检测方法，其特征是口鼻气流信号进行时域划分分析中，记录呼吸事件，过程包括：记录获得可能呼吸事件{w
k
，w
k+1
，
…
，w
k+m
}，计算相邻两个片段w
k
‑1和w
k+m+1
，记为w
left
和w
right
，其长度分别为Δt
left
和Δt
right
；判断（2.5*m+Δt
left
+Δt
right
）是否大于10s，若是，则m+2个片段{ w
left
...

【专利技术属性】
技术研发人员：袁靖嘉，戴松青，王凯平，罗睿，
申请(专利权)人：杭州菲诗奥医疗科技有限公司，
类型：发明
国别省市：