一种睡眠呼吸暂停的监测方法技术

本发明专利技术公开了一种睡眠呼吸暂停的监测方法，包括：获取睡眠时间内的声音信号；对声音信号进行预处理后，获得无噪声音信号；对无噪声音信号进行识别处理，获得打鼾声音段与非打鼾声音段；获取初始呼吸信号，截取与非打鼾声音段对应时刻的静默呼吸信号，提取静默呼吸信号的呼吸特征并予以记录；基于呼吸特征判定是否为呼吸暂停，若为呼吸暂停，则进行记录，实现睡眠呼吸暂停监测。本发明专利技术根据是否打鼾对声音段进行划分，并据此对呼吸信号有针对性的进行处理，声音信号与呼吸信号的采集不直接接触人体，也不会产生影响睡眠的噪声和亮光，能够在被测者处于完全自然的状况下实现无干扰测量及多方面联合监测。及多方面联合监测。及多方面联合监测。

【技术实现步骤摘要】
一种睡眠呼吸暂停的监测方法


[0001]本专利技术属于睡眠呼吸监测
，特别是涉及一种睡眠呼吸暂停的监测方法。

技术介绍

[0002]在打鼾的人群中，约有20％的人睡觉时经常出现憋气症状，医学上称之为睡眠呼吸暂停综合征。睡眠呼吸暂停综合征(SleepApneaSyndrome，SAS)是指因各种原因导致睡眠状态下出现呼吸暂停和/或低通气，引起反复的间歇低氧血症、高碳酸血症发作，从而机体发生一系列病理生理改变的临床综合征；调查显示，我国目前约有四千万人患有此疾病，患者伴有容易困倦，性格急躁，身体乏力，工作效率下降等症状，并易发高血压、冠心病、脑血管疾病。
[0003]呼吸暂停是指睡眠过程中，口鼻气流完全停止10秒以上；低通气是指呼吸气流幅度较基线水平降低50％以上，并伴有血氧饱和度较基础水平下降4％。如果每夜暂停次数在30次以上，每次暂停时间在10秒以上，即可被诊断为“呼吸暂停综合症”。由于呼吸暂停发生在睡眠过程中，不易察觉，如果长期的呼吸暂停现象未被发现，得不到有效的治疗，就会出现一系列的疾病，因此，检测呼吸暂停对人体健康至关重要。
[0004]现有技术普遍存在的一个限制是无法做到无干扰的监测睡眠状况，会对人的睡眠造成一定的影响。现有技术中使用动态心电图记录器同步记录动态心电图与呼吸波，利用HRV和呼吸波2种指标相互佐证，对采集的数据进行推导和图像显示的分析，睡眠时采用这种方法进行睡眠呼吸状况的监测会对被测者的睡眠状况产生一定的影响。
[0005]此外还有部分研究采用红外热成像技术来监测睡眠呼吸状况。这种方法的基本原理是捕捉在呼吸过程中鼻子和嘴巴周围的温度波动，通过对波动的结果分析来判定呼吸状况。同时还有些研究主张在使用红外热成像技术监测睡眠呼吸状况时还应采用人脸捕捉系统；而使用红外热成像技术进行监测的主要局限性在于如果睡姿发生改变，在无法十分准确的进行人脸追踪的情况下，很难十分准确的输出睡眠呼吸状况。而如果加入了人脸识别系统，第一会导致算法编写难度加大，需要进行点对点的识别；第二监测数据更加丰富，例如如果不加入人脸识别系统，当被测者将头埋入被子中，只测试温度波动就略显不足。

技术实现思路

[0006]本专利技术的目的是提供一种睡眠呼吸暂停的监测方法，以解决上述现有技术存在的问题。
[0007]为实现上述目的，本专利技术提供了一种睡眠呼吸暂停的监测方法，包括：
[0008]获取睡眠时间内的声音信号；对所述声音信号进行预处理获得无噪声音信号；
[0009]对所述无噪声音信号进行识别处理，获得打鼾声音段与非打鼾声音段；
[0010]获取初始呼吸信号，截取与所述非打鼾声音段对应时刻的静默呼吸信号，提取所述静默呼吸信号的呼吸特征并予以记录；
[0011]基于呼吸特征判定是否为呼吸暂停，若为呼吸暂停，则进行记录，实现睡眠呼吸暂
停监测。
[0012]可选的，所述声音信号的采集与预处理过程包括：采用麦克风阵列采集所述声音信号，所述声音信号为多路声音信号，采用滤波器权值固定法对所述声音信号进行固定波束形成，采用陷波器与带通滤波器对声音信号进行进一步过滤。
[0013]可选的，构建卷积神经网络，获取样本集，通过所述样本集对所述卷积神经网络进行训练，利用训练后的卷积神经网络对所述无噪声音信号进行分类，获得声音信号中的打鼾声音段与非打鼾声音段。
[0014]可选的，打鼾声音段时间长度少于固定值划分为非打鼾声音段，所述非打鼾声音段还包括无声声音段，固定值为3S。
[0015]可选的，所述初始呼吸信号的获取过程包括：获取压力变化值，对所述压力变化值进行放大转化，并转换为正弦函数的绝对值图像，图像从一个纵坐标为0值的点上升至波峰后再降到0值的点为一个呼吸周期。
[0016]可选的，所述绝对值图像无波动的时间段为呼吸暂停时间，在睡眠时间段内以3s为间隔，获得当前时刻向前3min内的声音信号；若呼吸暂停时间与暂停次数未超过预设值，判定为呼吸正常，若呼吸暂停时间与暂停次数超过预设值，则判定为危险情况。
[0017]可选的，通过压电薄膜传感器获得压力值的变化，若干个压电薄膜传感器分布在人体睡眠区域。
[0018]可选的，所述呼吸特征包括呼吸频率、呼气及吸气时长。
[0019]可选的，若未出现危险情况，则持续监测，若出现危险情况，则开启振动器；振动器设有手动关闭，若15秒内振动器未关闭，则进行报警。
[0020]本专利技术的技术效果为：
[0021]本专利技术采集声音信号，对打鼾声音段与非打鼾声音段进行划分，基于声音信号声音段的划分，有针对性的对呼吸信号进行处理，声音信号的采集不直接接触人体，也不会产生影响睡眠的噪声和亮光；呼吸信息的采集也不会与人体产生接触，解决了现有技术影响被检测者睡眠的问题，能够在被测者处于完全自然的状况下对睡眠中的呼吸状况进行监测，实现无干扰测量及多方面联合监测，同时结合声音信息与呼吸信息，减少研究工作量，使结果更加准确。
附图说明
[0022]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0023]图1为本专利技术实施例中的方法流程图。
具体实施方式
[0024]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申请。
[0025]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0026]实施例一
[0027]众所周知，声音是由物体振动引起的，而语音的产生是声带振动或声道狭窄部所产生的涡流。声音经过气流通道所形成的共鸣系统或经过滤波器以后，频谱发生改变。再经过口唇和鼻腔时频谱又发生改变。不同音位之间的差别可以是由于发声源引起的，也可以是由于声道的形状和空气柱的长度不同所引起的。与语音相似，鼾声是由呼吸道某部位(器官)塌陷或者阻塞，导致呼吸气流不通畅引起共鸣而发出的声音。
[0028]如图1所示，本实施例中提供一种睡眠呼吸暂停的监测方法，包括：
[0029]获取睡眠时间内的声音信号；对所述声音信号进行预处理获得无噪声音信号；
[0030]对所述无噪声音信号进行识别处理，获得打鼾声音段与非打鼾声音段；
[0031]由于在日常的睡眠情景中，能够产生的声音信息主要包括：与呼吸相关的声音信息，例如：新声信息和粗重的呼吸声信息；与呼吸无关的声音信息，例如：空调发出的声音信息、风扇发出的声音信息、汽车鸣笛发出的声音信息以及物品碰撞发出的声音信息等。那么在对患者的一个睡眠周期中产生的声音信息进行采集，采集的不仅包含了鼾声信息，还包含了鼾声之外的其他声音信息，在本专利技术实施例中除了鼾声之外的其他声音信息被称为噪声信息。
[0032]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠呼吸暂停的监测方法，其特征在于，包括以下步骤：获取睡眠时间内的声音信号；对所述声音信号进行预处理获得无噪声音信号；对所述无噪声音信号进行识别处理，获得打鼾声音段与非打鼾声音段；获取初始呼吸信号，截取与所述非打鼾声音段对应时刻的静默呼吸信号，提取所述静默呼吸信号的呼吸特征并予以记录；基于呼吸特征判定是否为呼吸暂停，若为呼吸暂停，则进行记录，实现睡眠呼吸暂停监测。2.根据权利要求1所述的睡眠呼吸暂停的监测方法，其特征在于，所述声音信号的采集与预处理过程包括：采用麦克风阵列采集所述声音信号，所述声音信号为多路声音信号，采用滤波器权值固定法对所述声音信号进行固定波束形成，并采用陷波器与带通滤波器对声音信号进行进一步过滤。3.根据权利要求2所述的睡眠呼吸暂停的监测方法，其特征在于，构建卷积神经网络，获取样本集，通过所述样本集对所述卷积神经网络进行训练，利用训练后的卷积神经网络对所述无噪声音信号进行分类，获得声音信号中的打鼾声音段与非打鼾声音段。4.根据权利要求3所述的睡眠呼吸暂停的监测方法，其特征在于，打鼾声音段时间长度少于固定值划分为非打鼾声音段，所述非打...

【专利技术属性】
技术研发人员：石用伍，石亚楠，龙本丹，石龙，李小勇，
申请(专利权)人：贵州省人民医院，
类型：发明
国别省市：