【技术实现步骤摘要】
一种非接触式的睡眠呼吸信号获取方法和装置
[0001]本专利技术涉及生命体征监测
，特别是涉及一种非接触式的睡眠呼吸信号获取方法和装置。
技术介绍
[0002]随着社会经济技术的发展和生活水平的提高，人们对自身健康的关注度也越来越高，对日常的健康监测需求越来越大。呼吸是最基本的人体生命体征，人体的病态体征往往会从异常的睡眠呼吸上反映出来，因此，实现睡眠呼吸的日常实时监测对人体健康评估和疾病预防有着重要意义。
[0003]睡眠呼吸暂停低通气综合症是指在指定时间段内，呼吸暂停(睡眠状态下的口鼻气流停止)和低通气(睡眠状态下口鼻气流强度降到正常值30％以下)出现的次数超过一定的范围。该病的严重程度可以通过呼吸暂停低通气指数(AHI)即每小时出现的呼吸事件次数来评估。此病症发病率高但不易察觉，在无法及时确诊并得到必要医疗干预的情况下，轻则影响正常的睡眠质量，重则诱发其他严重疾病甚至发生猝死。
[0004]当前，现有的呼吸事件检测方法包括鼻气流检测、胸腹带检测、睡眠图像识别和鼾声检测等。鼻气流和胸腹带检测相对准确...
【技术保护点】
【技术特征摘要】
1.一种非接触式的睡眠呼吸信号获取方法，其特征在于，包括：获取睡眠呼吸的振动信号，并将所述振动信号转换为数字电信号；其中，所述振动信号包括呼吸信号、体动信号、心跳信号和噪声；从所述数字电信号中提取与睡眠呼吸对应的呼吸信号，并得到与所述呼吸信号对应的波形图；通过预设的滑动窗口对所述波形图进行分析与计算，根据滑动窗口中的波峰与波谷确定与所述呼吸信号对应的若干个呼吸特征参数，所述呼吸特征参数包括呼吸时长、呼吸曲线下面积、呼吸曲线半高宽、呼吸曲线偏度、呼吸峰谷值、吸气时长、吸气曲线下面积、吸气平均斜率、呼气时长、吸气与呼气时长占比、呼吸幅度下降参数；将所述呼吸特征参数输入预设呼吸信号分类模型，通过所述呼吸信号分类模型对所述呼吸信号进行分类，并得到分类结果，所述分类结果包括与所述呼吸信号对应的每个呼吸周期的呼吸状态，所述呼吸状态包括正常呼吸状态、低通气状态和呼吸暂停状态；计算睡眠呼吸过程中的低通气状态次数和呼吸暂停状态次数，并根据所述低通气状态次数和所述呼吸暂停状态次数判断睡眠中呼吸事件的风险。2.根据权利要求1所述的方法，其特征在于，所述呼吸信号分类模型对所述呼吸信号进行分类，包括：将呼吸信号按照滑动步长打上状态标签，所述状态标签包括正常呼吸状态标签N、低通气状态标签A和呼吸暂停状态标签H；其中，若所述滑动窗口内包含呼吸暂停状态则状态标签为A，若不包含呼吸暂停状态但包含低通气状态则状态标签为H，若不包含呼吸暂停状态且不包含低通气状态则状态标签为N；根据所述滑动窗口的滑动步长对连续呼吸信号进行分类，进而获得对应的连续呼吸状态标签；将睡眠呼吸过程中呼吸信号连续标记为A或H的标签合并。3.根据权利要求2所述的方法，其特征在于，在将睡眠呼吸过程中呼吸信号连续标记为A或H的标签合并后，所述方法还包括：计算每个滑动窗口对应的合并后的连续呼吸状态标签的呼吸时长；判断所述连续呼吸状态标签的呼吸时长是否大于预设时长；若所述呼吸时长小于预设时长，则将所述合并后的连续呼吸状态标签修正判定为正常呼吸的标签N；若所述呼吸时长大于或等于预设时长，则将所述合并后的连续呼吸状态标签对应的一段呼吸信号标记为呼吸事件，并计算呼吸事件时长T_event。4.根据权利要求3所述的方法，其特征在于，所述预设时长为10秒。5.根据权利要求2所述的方法，其特征在于，所述滑动窗长为120秒，滑动步长为1秒。6.根据权利要求1所述的方法，其特征在于，从所述数字电信号中提取与睡眠呼吸对应的呼吸信号，包括：在所述数字电信号中设置硬阈值，结合短时傅里叶变换中的时频分布识别体动信号，并对所述体动信号进行过滤；对过滤体动信号后的数字电信号进行平滑滤波，滤除心跳和噪声，得到与睡眠呼吸对应的呼吸信号，并通过预设的滑动窗计算呼吸特征参数。
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。