睡眠呼吸暂停低通气的检测装置、方法、设备及存储介质.pdf

《睡眠呼吸暂停低通气的检测装置、方法、设备及存储介质.pdf》由会员分享，可在线阅读，更多相关《睡眠呼吸暂停低通气的检测装置、方法、设备及存储介质.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010548081.4 (22)申请日 2020.06.16 (71)申请人 清华大学深圳国际研究生院 地址 518055 广东省深圳市南山区西丽街 道深圳大学城清华校区A栋二楼 申请人 东莞见达信息技术有限公司 (72)发明人 王兴军董宇涵贾进滢续明凯 康晋博樊佳敏冯发润黄海平 李庆 (74)专利代理机构 北京三友知识产权代理有限 公司 11127 代理人 周晓飞王天尧 (51)Int.Cl. A61B 5/00(2006.01) A61B 5/08(2006.01) (。

2、54)发明名称 睡眠呼吸暂停低通气的检测装置、 方法、 设 备及存储介质 (57)摘要 本发明实施例提供了一种睡眠呼吸暂停低 通气的检测装置、 方法、 设备及存储介质， 其中， 该装置包括： 数据采集设备， 用于采集鼻压力气 流数据； 检测设备， 用于在鼻压力气流数据中设 置滑动窗口， 将每个滑动窗口中的待检测数据转 化为呼吸状态序列， 在呼吸状态序列中检测睡眠 呼吸暂停低通气事件。 该方案有利于降低计算复 杂度， 有利于提高检测的准确度。 权利要求书2页 说明书11页 附图5页 CN 111759277 A 2020.10.13 CN 111759277 A 1.一种睡眠呼吸暂停低通气的检测。

3、装置， 其特征在于， 包括： 数据采集设备， 用于采集鼻压力气流数据； 检测设备， 用于在鼻压力气流数据中设置滑动窗口， 将每个滑动窗口中的待检测数据 转化为呼吸状态序列， 在呼吸状态序列中检测睡眠呼吸暂停低通气事件。 2.一种睡眠呼吸暂停低通气的检测方法， 其特征在于， 包括： 采集鼻压力气流数据； 在鼻压力气流数据中设置滑动窗口， 将每个滑动窗口中的待检测数据转化为呼吸状态 序列， 在呼吸状态序列中检测睡眠呼吸暂停低通气事件。 3.如权利要求2所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 在鼻压力气流数 据中设置滑动窗口， 包括： 在鼻压力气流数据中设置滑动窗口， 滑动后的窗口和上一。

4、个窗口存在重叠窗口， 每个 所述滑动窗口的前段为历史数据， 称为历史窗口， 所述滑动窗口的后段为待检测数据， 称为 待检测窗口。 4.如权利要求3所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 所述历史窗口的 长度范围为30秒至120秒， 所述待检测窗口的长度为30秒。 5.如权利要求3所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 所述重叠窗口的 长度范围为所述待检测窗口的长度的0.5倍至0.8倍。 6.如权利要求3所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 将每个滑动窗口 中的待检测数据转化为呼吸状态序列， 包括： 针对每个所述滑动窗口， 将该所述滑动窗口中的历史数据分为多。

5、个等长片段， 计算每 个片段的能量值， 对所有片段的能量值进行升序排序， 选取预设排位的能量值为该所述滑 动窗口的能量基线； 将所述滑动窗口中的待检测数据分为多个等长片段， 计算每个片段的 能量值； 将待检测数据中每个片段的能量值与所述滑动窗口的能量基线进行比较， 根据比较结 果确定每个片段的呼吸状态， 待检测数据中各片段的呼吸状态组成呼吸状态序列。 7.如权利要求6所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 所述预设排位为 总排位数乘以75至95范围内任一数值的排位。 8.如权利要求6所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 将待检测数据中 每个片段的能量值与所述滑动窗口的。

6、能量基线进行比较， 根据比较结果确定每个片段的呼 吸状态， 包括： 当片段的能量值与能量基线的比值小于0.15时， 输出第一状态信号， 所述第一状态信 号表示睡眠呼吸暂停低通气状态， 否则， 输出第二状态信号， 所述第二状态信号表示正常状 态。 9.如权利要求2所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 呼吸状态包括正 常状态和呼吸暂停低通气状态， 在呼吸状态序列中检测睡眠呼吸暂停低通气事件， 包括： 在呼吸状态序列中将第一个呼吸暂停低通气状态作为睡眠呼吸暂停低通气事件的起 始点， 通过循环以下步骤确定睡眠呼吸暂停低通气事件： 依次确定起始点后的呼吸状态属于该睡眠呼吸暂停低通气事件， 。

7、直至出现以下情况之 一， 将当前正常状态前的呼吸状态确定为该睡眠呼吸暂停低通气事件的结束点， 否则直至 权利要求书 1/2 页 2 CN 111759277 A 2 该睡眠呼吸暂停低通气事件包括呼吸状态的总时长达到预设时长： 当前正常状态为起始点 后的第一个正常状态且当前正常状态的时长与该睡眠呼吸暂停低通气事件包括呼吸状态 的当前总时长的比值大于预设值、 当前正常状态为起始点后的第二个正常状态； 将该睡眠呼吸暂停低通气事件的结束点后的第一个呼吸暂停低通气状态作为下一个 睡眠呼吸暂停低通气事件的起始点。 10.如权利要求2至9至任一项所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 还 包括：。

8、 在设置滑动窗口之前， 对采集到的鼻压力气流数据进行降采样； 对降采样后的鼻压力气流数据进行滤波； 对滤波后的鼻压力气流数据进行平滑处理； 对平滑处理后的鼻压力气流数据进行归一化处理。 11.如权利要求2至9至任一项所述的睡眠呼吸暂停低通气的检测方法， 其特征在于， 还 包括： 针对存在重叠的相邻的睡眠呼吸暂停低通气事件， 合并该相邻的睡眠呼吸暂停低通气 事件； 删除不属于预设睡眠时段的睡眠呼吸暂停低通气事件； 删除属于所述预设睡眠时段 且处于清醒期的睡眠呼吸暂停低通气事件。 12.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理。

9、器执行所述计算机程序时实现权利要求2至11中任一项所 述的睡眠呼吸暂停低通气的检测方法。 13.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有执行权利 要求2至11中任一项所述的睡眠呼吸暂停低通气的检测方法的计算机程序。 权利要求书 2/2 页 3 CN 111759277 A 3 睡眠呼吸暂停低通气的检测装置、 方法、 设备及存储介质 技术领域 0001 本发明涉及睡眠呼吸检测技术领域， 特别涉及一种睡眠呼吸暂停低通气的检测装 置、 方法、 设备及存储介质。 背景技术 0002 睡眠呼吸暂停低通气(Sleep Apnea and Hypopnea Syndrome， S。

10、AHS)是睡眠中一 种常见的现象， 全球大约2-4的人口会出现这种现象， 该睡眠呼吸暂停低通气的检测数 据可以为睡眠质量判断、 分析提供参考数据。 0003 目前， SAHS检测的金标准是多导睡眠检测(Polysomnography， PSG)。 然而PSG检测 需要专业技师进行人工判断， 费时费力。 另外， 人工判断会因为疲倦等因素而引起主观误 判， 该误判复核成本高昂， 导致人工判断的平均准确率难以提高。 此外， PSG检测成本高。 因 此需要更加高效准确的检测手段来辅助检测。 0004 SAHS包含呼吸暂停和低通气(Apnea and Hypopnea， AH)事件。 到目前为止， 如果。

11、按 方法来划分， 主流的方法包括基于规则的方法和机器学习的方法， 基于规则的方法可解释 性强， 但是基于规则的方法存在两大难点， 使得影响准确率。 第一个难点是基线难以定义， 因为基线会随着时间动态变化。 一方面， 我们的睡眠结构拥有自己的节律， 根据AASM， 我们 的睡眠期可以分为清醒(Wakefulness， W)、 N1期、 N2期、 N3期和R期， 随着睡眠由浅入深， 身体 的肌肉逐步放松， 呼吸幅度和频率也随之发生变化。 另一方面， 不同人之间呼吸的幅度和频 率也存在差异， 呼吸基线也不尽相同。 此外， 呼吸气流存在很多噪声包括伪迹、 体动、 睡姿、 脱落等都会影响基线的获取。 因。

12、此， 如何动态捕捉基线变化是基于规则检测方法的一大难 点。 第二个难点是呼吸暂停和低通气事件的起止点难以确定， 据AASM判读手册所述， 呼吸暂 停和低通气的持续时间从第一个波幅明显下降的那次呼吸曲线最低点开始， 到波幅接近呼 吸基线的第一次曲线的起点终止。 在包含噪声的呼吸气流曲线中确定每一个呼吸本来就非 常困难， 确定每个事件的起止点就更加困难。 0005 机器学习方法检测SAHS一般遵循如下流程： 1)预处理， 2)信号分割， 3)特征提取， 4)特征筛选， 5)分类。 特征提取步骤， 主要是提取时域和频域方面的特征， 特征的设计对检 测结果影响比较大。 特征选择方面主要是剔除冗余特征，。

13、 使得模型更加高效。 分类的过程主 要是两分类判断当前片段是否是AH事件， 最常用的分类器是SVM。 机器学习方法的弊端在于 特征工程繁琐， 时间分辨率不高， 计算复杂度高， 模型可解释性不强。 0006 目前现存的自动SAHS检测工具， 存在检测准确率不高的等问题。 发明内容 0007 本发明实施例提供了一种睡眠呼吸暂停低通气的检测装置， 以解决现有技术中睡 眠呼吸暂停低通存在准确性低的技术问题。 该装置包括： 0008 数据采集设备， 用于采集鼻压力气流数据； 0009 检测设备， 用于在鼻压力气流数据中设置滑动窗口， 将每个滑动窗口中的待检测 说明书 1/11 页 4 CN 111759。

14、277 A 4 数据转化为呼吸状态序列， 在呼吸状态序列中检测睡眠呼吸暂停低通气事件。 0010 本发明实施例还提供了一种睡眠呼吸暂停低通气的检测方法， 以解决现有技术中 睡眠呼吸暂停低通存在准确性低的技术问题。 该方法包括： 0011 采集鼻压力气流数据； 0012 在鼻压力气流数据中设置滑动窗口， 将每个滑动窗口中的待检测数据转化为呼吸 状态序列， 在呼吸状态序列中检测睡眠呼吸暂停低通气事件。 0013 本发明实施例还提供了一种计算机设备， 包括存储器、 处理器及存储在存储器上 并可在处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现上述任意的睡 眠呼吸暂停低通气的检测方法， 。

15、以解决现有技术中睡眠呼吸暂停低通存在准确性低的技术 问题。 0014 本发明实施例还提供了一种计算机可读存储介质， 所述计算机可读存储介质存储 有执行上述任意的睡眠呼吸暂停低通气的检测方法的计算机程序， 以解决现有技术中睡眠 呼吸暂停低通存在准确性低的技术问题。 0015 在本发明实施例中， 提出了一种睡眠呼吸暂停低通气的检测装置， 通过睡眠呼吸 暂停低通气的检测装置即可实现设备自动化完成检测睡眠呼吸暂停低通气事件的工作， 且 通过将每个滑动窗口中的待检测数据转化为呼吸状态序列， 再在呼吸状态序列中检测睡眠 呼吸暂停低通气事件， 使得相对于现有技术可以避免特征提取、 分类等复杂过程， 有利于降。

16、 低计算复杂度； 此外， 基于呼吸状态序列有利于确定出睡眠呼吸暂停低通气事件的起始点 和结束点， 进而睡眠呼吸暂停低通气的检测装置的使用有利于提高检测的准确度。 附图说明 0016 此处所说明的附图用来提供对本发明的进一步理解， 构成本申请的一部分， 并不 构成对本发明的限定。 在附图中： 0017 图1是本发明实施例提供的一种睡眠呼吸暂停低通气的检测装置的结构框图； 0018 图2是本发明实施例提供的一种实施上述睡眠呼吸暂停低通气的检测装置的具体 结构示意图； 0019 图3是本发明实施例提供的一种事件检测的原理示意图； 0020 图4是本发明实施例提供的一种人工标注事件的结果示意图； 00。

17、21 图5是本发明实施例提供的一种上述睡眠呼吸暂停低通气的检测装置检测事件的 结果示意图； 0022 图6是本发明实施例提供的一种基于上述睡眠呼吸暂停低通气的检测装置检测结 果计算的AHI与真实AHI的相关关系图； 0023 图7是本发明实施例提供的一种基于上述睡眠呼吸暂停低通气的检测装置检测结 果计算的AHI和真实AHI的Bland-Altman图； 0024 图8是本发明实施例提供的一种睡眠呼吸暂停低通气的检测方法的流程图； 0025 图9是本发明实施例提供的一种计算机设备的结构框图。 具体实施方式 0026 为使本发明的目的、 技术方案和优点更加清楚明白， 下面结合实施方式和附图， 对 。

18、说明书 2/11 页 5 CN 111759277 A 5 本发明做进一步详细说明。 在此， 本发明的示意性实施方式及其说明用于解释本发明， 但并 不作为对本发明的限定。 0027 在本发明实施例中， 提供了一种睡眠呼吸暂停低通气的检测装置， 如图1所示， 该 装置包括： 0028 数据采集设备102， 用于采集鼻压力气流数据； 0029 检测设备104， 用于在鼻压力气流数据中设置滑动窗口， 将每个滑动窗口中的待检 测数据转化为呼吸状态序列， 在呼吸状态序列中检测睡眠呼吸暂停低通气事件。 0030 由图1所示可知， 在本发明实施例中， 提出了一种睡眠呼吸暂停低通气的检测装 置， 通过睡眠呼吸。

19、暂停低通气的检测装置即可实现设备自动化完成检测睡眠呼吸暂停低通 气事件的工作， 且通过将每个滑动窗口中的待检测数据转化为呼吸状态序列， 再在呼吸状 态序列中检测睡眠呼吸暂停低通气事件， 使得相对于现有技术可以避免特征提取、 分类等 复杂过程， 有利于降低计算复杂度； 此外， 基于呼吸状态序列有利于确定出睡眠呼吸暂停低 通气事件的起始点和结束点， 进而睡眠呼吸暂停低通气的检测装置的使用有利于提高检测 的准确度。 0031 具体实施时， 传统PSG检测设备为了检测SAHS， 需要在人体上连接多个通道， 这样 会引起很大的不适， 对检测也会有影响。 本申请的思想是对信号源进行简化， 提升用户体验 同。

20、时降低成本。 根据AASM手册， 呼吸暂停和低通气的检测均可以通过鼻压力信号进行， 因 此， 本申请选取单通道鼻压力信号进行SAHS检测。 0032 具体实施时， 上述数据采集设备可以是直接采集鼻压力气流数据的设备， 例如， 呼 吸睡眠监测仪、 多导睡眠仪、 压力传感器等， 以便实现睡眠呼吸暂停低通气的检测装置可以 实时基于鼻压力气流数据检测睡眠呼吸暂停低通气事件， 此外， 上述数据采集设备还可以 是能够从呼吸睡眠监测仪、 多导睡眠仪等读取鼻压力气流数据的设备， 例如， 数据存储器 等， 读取鼻压力气流数据并存储， 非紧急情况下， 以便睡眠呼吸暂停低通气的检测装置可以 后续基于鼻压力气流数据检。

21、测睡眠呼吸暂停低通气事件。 0033 具体实施时， 通常获取的鼻压力气流数据存在很多噪声， 包括基线漂移、 伪迹、 高 频噪声以及体动引起信号异常、 信号脱落等， 为了进一步降低计算量， 提高检测效率， 在本 实施例中， 在基于鼻压力气流数据设置滑动窗口进行检测之前， 对鼻压力气流数据进行预 处理， 例如， 如图2所示， 上述睡眠呼吸暂停低通气的检测装置， 还包括预处理设备106， 具体 的， 预处理设备106包括： 0034 降采样器件1062， 用于在设置滑动窗口之前， 对采集到的鼻压力气流数据进行降 采样； 具体的， 例如， 鼻压力气流数据一般采样率都比较高， 例如100HZ， 对信号进。

22、行降采样， 降采样之后的频率可以为10HZ， 以降低计算复杂度， 降采样器件可以通过有数据处理能力 的芯片实现。 0035 带通滤波器1064， 用于对降采样后的鼻压力气流数据进行滤波； 具体的， 鼻压力气 流数据一般伴随低频和高频噪声， 为了滤出低频和高频噪声， 可以将降采样后的鼻压力气 流数据通过带通滤波器， 例如， 带通滤波器的阶数可以为4， 有效频带可以为0.1HZ到2HZ， 带 通滤波器可以选用巴特沃兹带通滤波器。 0036 平滑器件1066， 用于对滤波后的鼻压力气流数据进行平滑处理， 具体的， 平滑器件 可以通过有数据处理能力的芯片实现， 例如， fpga芯片； 说明书 3/11。

23、 页 6 CN 111759277 A 6 0037 归一化器件1068， 用于对平滑处理后的鼻压力气流数据进行归一化处理， 具体的， 归一化器件可以通过有数据处理能力的芯片实现， 例如， fpga芯片。 0038 具体的， 经过滤波之后， 为了抑制由于体动等引起的高幅度异常呼吸数据， 进行了 平滑过程， 例如， 平滑过程中平滑器件可以利用滑动平均曲线(Moving Average Curve， MAC)对鼻压力气流数据进行平滑操作， MAC的公式如下： 0039 0040其中， S为鼻压力气流数据， T是事件窗口长度， L为信号长度，表示气流数据 在区间t1,t2的算术平均值。 0041 具。

24、体的， 在整夜的监测过程中， 由于体位的变化经常会引起信号幅度的波动。 当传 感器靠近鼻孔时， 气流的幅度会变高， 当传感器远离鼻孔时候气流幅度会下降。 为了消除这 种影响， 归一化器件可以使用自适应归一化方法， 可以有效削弱基线波动。 例如， 经过MAC之 后， 可以对鼻压力气流数据进行归一化操作， 因为呼吸强度的动态性， 可以选择动态归一 化。 动态归一化的公式如下： 0042 0043 0044 Fnorm(k)min0.95Fnorm(k-1)+0.05A(k),0.95Fnorm(k-1)+0.05 (k) 0045 其中， fs是采样频率， 是信号在1秒内的均值， Fnorm是归一。

25、化因子。 0046 具体实施时， 在基于鼻压力气流数据检测睡眠呼吸暂停低通气事件时， 本申请提 出了在鼻压力气流数据中设置滑动窗口， 在本实施例中， 如图2所示， 所述检测设备104， 包 括： 0047 窗口设置器件1042， 用于在鼻压力气流数据中设置滑动窗口， 滑动后的窗口和上 一个窗口存在重叠窗口， 每个所述滑动窗口的前段为历史数据， 称为历史窗口， 所述滑动窗 口的后段为待检测数据， 称为待检测窗口。 0048 具体实施时， 为了提高事件检测的时间分辨率， 对处理完之后的信号设置一个滑 动窗口， 如图3所示， 滑动窗口由两部分组成， 前段为历史窗口， 后段为待检测窗口。 一般呼 吸的。

26、幅度跟最近的呼吸幅度关系最大， 与更久远的呼吸幅度关系不大， 为了使得历史窗口 包括的数据更加有效， 历史窗口的长度范围可以选取30s-120s， 由于呼吸暂停和低通气事 件最少持续时间为10s， 最长持续时间大概为120s， 可以选取30秒作为待检测窗口的长度。 之后滑动窗口在整个鼻压力气流数据上有重叠的滑动， 即滑动后的窗口和上一个窗口存在 重叠， 重叠窗口的长度范围可以设置为待检测窗口长度的0.5倍至0.8倍。 0049 具体实施时， 为了提高事件起止点检测的精度， 本申请提出了将每个滑动窗口中 的待检测数据转化为呼吸状态序列， 进而基于呼吸状态序列检测睡眠呼吸暂停低通气事 说明书 4/。

27、11 页 7 CN 111759277 A 7 件， 在本实施例中， 如图2所示， 通过以下方式将每个滑动窗口中的待检测数据转化为呼吸 状态序列， 所述检测设备104， 还包括： 0050 能量计算器件1044， 用于针对每个所述滑动窗口， 将该所述滑动窗口中的历史数 据分为多个等长片段， 计算每个片段的能量值， 对所有片段的能量值进行升序排序， 选取预 设排位的能量值为该所述滑动窗口的能量基线； 将所述滑动窗口中的待检测数据分为多个 等长片段， 计算每个片段的能量值； 具体的， 能量计算器件可以通过具有计算能力的芯片实 现， 例如， fpga芯片。 0051 比较器件1046， 用于将待检测。

28、数据中每个片段的能量值与所述滑动窗口的能量基 线进行比较， 根据比较结果确定每个片段的呼吸状态， 待检测数据中各片段的呼吸状态组 成呼吸状态序列。 0052 具体实施时， 为了避免突发噪声引起的能量值过高， 所述预设排位为总排位数乘 以75至95范围内任一数值的排位。 0053 具体实施时， 所述比较器件， 具体用于当片段的能量值与能量基线的比值小于 0.15时， 输出第一状态信号， 所述第一状态信号表示睡眠呼吸暂停低通气状态， 用AH表示， 否则， 输出第二状态信号， 所述第二状态信号表示正常状态， 用N表示。 0054 具体的， 该比较器件可以是大小比较器， 根据比较结果输出对应的状态信号。

29、， 例 如， 将片段的能量值和能量基线的0.15倍的数值输入比较器件， 对二者进行比较， 当片段的 能量值小于能量基线的0.15倍的数值时， 输出高电平信号， 即第一状态信号， 否则， 输出低 电平信号， 即第二状态信号。 0055 具体的， 实现了通过能量将待检测数据的每个片段转化为呼吸状态， 进而将待检 测数据转化为呼吸状态序列， 与现有技术相比， 避免了通过呼吸幅度的量化来检测睡眠呼 吸暂停低通气事件， 从而有利于提高睡眠呼吸暂停低通气事件的检测准确性。 0056 具体实施时， 在本实施例中， 通过以下方式确定睡眠呼吸暂停低通气事件， 如图2 所示， 所述检测设备， 包括： 0057 检。

30、测器件1048， 具体用于在呼吸状态序列中将第一个呼吸暂停低通气状态作为睡 眠呼吸暂停低通气事件的起始点， 通过循环以下步骤确定睡眠呼吸暂停低通气事件： 0058 依次确定起始点后的呼吸状态属于该睡眠呼吸暂停低通气事件， 直至出现以下情 况之一， 将当前正常状态前的呼吸状态确定为该睡眠呼吸暂停低通气事件的结束点， 否则 直至该睡眠呼吸暂停低通气事件包括呼吸状态的总时长达到预设时长： 当前正常状态为起 始点后的第一个正常状态且当前正常状态的时长与该睡眠呼吸暂停低通气事件包括呼吸 状态的当前总时长的比值大于预设值、 当前正常状态为起始点后的第二个正常状态； 0059 将该睡眠呼吸暂停低通气事件的结。

31、束点后的第一个呼吸暂停低通气状态作为下 一个睡眠呼吸暂停低通气事件的起始点。 0060 具体的， 上述检测器件可以通过具有数据处理能力、 判断能力的芯片实现， 例如， fpga芯片。 0061 具体的， 如图3所示， 每个滑动窗口中待检测数据分成多个片段后， 每个滑动窗口 中待检测数据可以转化为多个呼吸状态组成的序列， 每一个AH事件(Event， 即睡眠呼吸暂 停低通气事件)可以包含多个呼吸状态片段， 确定AH事件的过程为： 以呼吸状态序列中第一 个AH状态作为睡眠呼吸暂停低通气事件的起始点， 依次将第一个AH状态后的呼吸状态扩展 说明书 5/11 页 8 CN 111759277 A 8 。

32、为睡眠呼吸暂停低通气事件所包含的状态， 根据AASM手册， 扩展的原则为， 在第一个AH状态 后的连续AH状态直接扩展为睡眠呼吸暂停低通气事件所包含的状态， 遇到第一个AH状态后 的第一个N状态时， 如果第一个N状态在生成的序列(即睡眠呼吸暂停低通气事件已包含的 状态)中占比小于一定比例， 状态序列就应该继续扩展， 当遇到第一个AH状态后的第二个N 状态(包括两个连续的N状态和非连续N状态个数达到两个的两种情况)时， 排除掉结尾的N 状态(即第二个N状态)， 将第二个N状态前的一个呼吸状态作为结束点， 否则， 状态序列的长 度达到待检测事件的长度， 一个睡眠呼吸暂停低通气事件生成过程结束； 再。

33、将下一个AH状 态作为睡眠呼吸暂停低通气事件的起始点， 继续确定睡眠呼吸暂停低通气事件的过程， 依 次循环， 生成过程持续进行直到序列结尾。 0062 具体的， 根据美国睡眠医学会睡眠及相关事件判定手册(AASM Manual for the Scoring of Sleep and Associated Events,AASM)， 满足以下全部标准时， 判读为呼吸暂 停。 (1)气流曲线峰值较基线值下降90。 (2)事件持续时间10s。 (3)至少90事件持续 时间内， 气流符合呼吸暂停的波幅降低标准。 低通气的判定需要满足(1)鼻压力信号较基线 值下降30。 (2)气流下降持续至少10s。。

34、 (3)氧饱和度较事件前基线值下降4。 (4)至 少90事件持续时间内， 气流波幅降低必须符合低通气标准。 另外， 低通气事件检测的替代 规则要求事件持续10s以上， 事件期间内鼻压力信号较基线下降50， 并伴随3的氧 饱和度下降或者微觉醒。 呼吸暂停事件还可以分为三种类型中枢型、 阻塞型和混合型， 呼吸 暂停的分型可以通过胸腹运动情况来判断。 0063 具体实施时， 初步生成的睡眠呼吸暂停低通气事件中会存在一些不合理事件， 在 本实施例中， 通过以下方式做精细调整， 例如， 上述睡眠呼吸暂停低通气的检测装置还包 括： 0064 过滤设备， 用于针对存在重叠的相邻的睡眠呼吸暂停低通气事件， 合。

35、并该相邻的 睡眠呼吸暂停低通气事件； 删除不属于预设睡眠时段的睡眠呼吸暂停低通气事件； 删除属 于所述预设睡眠时段且处于清醒期的睡眠呼吸暂停低通气事件。 0065 具体的， 上述预设睡眠时段可以是关灯和开灯之间的时段， 该时段内的数据为有 效数据， 因此需要筛选出位于该时段的睡眠呼吸暂停低通气事件。 再次根据AASM手册， W期 不应该判读事件， 因此需要对起点和终点均在W期内的睡眠呼吸暂停低通气事件进行过滤。 经过调整之后， 剩余的睡眠呼吸暂停低通气事件即为上述睡眠呼吸暂停低通气的检测装置 检测的呼吸暂停低通气事件。 0066 具体实施时， 根据睡眠时间和检测的AH事件个数可以计算出AHI(。

36、表示睡眠中每小 时呼吸暂停和低通气的次数)， 同时还可以提供事件的持续时间等信息。 0067 具体的， 以下对上述睡眠呼吸暂停低通气的检测装置进行有效性验证。 采用医院 PSG设备采集了24例数据， 其中包含脑电信号、 心电信号、 呼吸气流信号等。 所有呼吸暂停低 通气事件以及睡眠分期均为人工(如技师)依据AASM手册标注结果如图4所示(图4的横坐标 为时间， 纵坐标为异步映射， 即AMP)， 通过上述睡眠呼吸暂停低通气的检测装置检测呼吸暂 停低通气事件的结果如图5所示(图4、 5中， 虚线框表示检测事件)。 以下分别从准确率、 召回 率和AHI一致性角度对上述睡眠呼吸暂停低通气的检测装置进行。

37、评价。 0068 一般情况下， 准确率和召回率的计算需要真实的标签和预测的标签数目一致。 但 是在呼吸暂停低通气检测的场景下， 事件的数目是一个随机数， 因此检测得到的事件和真 说明书 6/11 页 9 CN 111759277 A 9 实事件个数不一定相同， 因此我们需要稍加改进准确率和召回率的计算方式。 另外， 我们要 考虑到检测事件的有效性， 我们定义一方事件与另一方事件存在重叠时， 该事件为有效事 件。 因此对于真实事件和检测出的事件二者的有效事件数目不一定相同。 准确率和召回率 的计算公式为： 0069 0070 0071 这里TP1为检测的事件中有效事件个数， TP2为真实事件中有。

38、效事件的个数， SUM1 为检测出事件的个数， SUM2为真实事件个数， 对每个人整晚的数据进行验证， 同时也对综合 性能进行验证： 结果如表1所示： 0072 表1 0073 0074 同时， 对所有人计算了AHI， 并且与真实AHI进行对比， 数据如表2所示。 并计算皮尔 森相关系数为0.980。 皮尔森相关系数计算公式为： 0075 0076其中， r为线性相关系数， n为样本个数Xi和Yi表示两个变量的第i个观测值， 和 分别表示两个变量的均值， SX和SY表示两个变量的标准差。 0077 表2 说明书 7/11 页 10 CN 111759277 A 10 0078 0079 通过将。

39、真实AHI和基于上述睡眠呼吸暂停低通气的检测装置检测结果计算出来的 AHI用图形表示出来， 如图6所示(图6的横坐标为真实AHI(事件/小时)， 纵坐标为预测AHI (事件/小时)， Data pairs为数据对)， 二者之间的相关性非常强， 充分证明了上述睡眠呼吸 暂停低通气的检测装置的有效性。 0080 如图7所示， Bland-Altman图是一种比较两种测量技术差异的有效手段， 也可用于 比较上述睡眠呼吸暂停低通气的检测装置的标注与人工标注的差异。 在Bland-Altman图 中， 横坐标是真实值和预测值(技师标注计算得到的AHI定义为真实值， 基于上述睡眠呼吸 暂停低通气的检测装置。

40、检测结果计算得到的AHI定义为预测值)的平均值， 纵坐标是真实值 和预测值的差值(可认为是预测值的误差)。 中间横线代表误差的均值mean， 上方和下方横 说明书 8/11 页 11 CN 111759277 A 11 线代表偏离均值1.96个标准差的边界。 从图7可以看出， 绝大部分误差都位于95置信区间 内。 充分证明， 上述睡眠呼吸暂停低通气的检测装置的准确性具有较高置信度。 0081 基于同一发明构思， 本发明实施例中还提供了一种睡眠呼吸暂停低通气的检测方 法， 如下面的实施例所述。 由于睡眠呼吸暂停低通气的检测方法解决问题的原理与睡眠呼 吸暂停低通气的检测装置相似， 因此睡眠呼吸暂停。

41、低通气的检测方法的实施可以参见睡眠 呼吸暂停低通气的检测装置的实施， 重复之处不再赘述。 0082 图8是本发明实施例的睡眠呼吸暂停低通气的检测方法的一种流程图， 如图8所 示， 该方法包括： 0083 步骤802： 采集鼻压力气流数据； 0084 步骤804： 在鼻压力气流数据中设置滑动窗口， 将每个滑动窗口中的待检测数据转 化为呼吸状态序列， 在呼吸状态序列中检测睡眠呼吸暂停低通气事件。 0085 在一个实施例中， 在鼻压力气流数据中设置滑动窗口， 包括： 0086 在鼻压力气流数据中设置滑动窗口， 滑动后的窗口和上一个窗口存在重叠窗口， 每个所述滑动窗口的前段为历史数据， 称为历史窗口，。

42、 所述滑动窗口的后段为待检测数据， 称为待检测窗口。 0087 在一个实施例中， 所述历史窗口的长度范围为30秒至120秒， 所述待检测窗口的长 度为30秒。 0088 在一个实施例中， 所述重叠窗口的长度范围为所述待检测窗口的长度的0.5倍至 0.8倍。 0089 在一个实施例中， 将每个滑动窗口中的待检测数据转化为呼吸状态序列， 包括： 0090 针对每个所述滑动窗口， 将该所述滑动窗口中的历史数据分为多个等长片段， 计 算每个片段的能量值， 对所有片段的能量值进行升序排序， 选取预设排位的能量值为该所 述滑动窗口的能量基线； 将所述滑动窗口中的待检测数据分为多个等长片段， 计算每个片 段。

43、的能量值； 0091 将待检测数据中每个片段的能量值与所述滑动窗口的能量基线进行比较， 根据比 较结果确定每个片段的呼吸状态， 待检测数据中各片段的呼吸状态组成呼吸状态序列。 0092 在一个实施例中， 所述预设排位为总排位数乘以75至95范围内任一数值的排 位。 0093 在一个实施例中， 将待检测数据中每个片段的能量值与所述滑动窗口的能量基线 进行比较， 根据比较结果确定每个片段的呼吸状态， 包括： 0094 当片段的能量值与能量基线的比值小于0.15时， 输出第一状态信号， 所述第一状 态信号表示睡眠呼吸暂停低通气状态， 否则， 输出第二状态信号， 所述第二状态信号表示正 常状态。 00。

44、95 在一个实施例中， 呼吸状态包括正常状态和呼吸暂停低通气状态， 在呼吸状态序 列中检测睡眠呼吸暂停低通气事件， 包括： 0096 在呼吸状态序列中将第一个呼吸暂停低通气状态作为睡眠呼吸暂停低通气事件 的起始点， 通过循环以下步骤确定睡眠呼吸暂停低通气事件： 0097 依次确定起始点后的呼吸状态属于该睡眠呼吸暂停低通气事件， 直至出现以下情 况之一， 将当前正常状态前的呼吸状态确定为该睡眠呼吸暂停低通气事件的结束点， 否则 说明书 9/11 页 12 CN 111759277 A 12 直至该睡眠呼吸暂停低通气事件包括呼吸状态的总时长达到预设时长： 当前正常状态为起 始点后的第一个正常状态且。

45、当前正常状态的时长与该睡眠呼吸暂停低通气事件包括呼吸 状态的当前总时长的比值大于预设值、 当前正常状态为起始点后的第二个正常状态； 0098 将该睡眠呼吸暂停低通气事件的结束点后的第一个呼吸暂停低通气状态作为下 一个睡眠呼吸暂停低通气事件的起始点。 0099 在一个实施例中， 还包括： 0100 在设置滑动窗口之前， 对采集到的鼻压力气流数据进行降采样； 0101 对降采样后的鼻压力气流数据进行滤波； 0102 对滤波后的鼻压力气流数据进行平滑处理； 0103 对平滑处理后的鼻压力气流数据进行归一化处理。 0104 在一个实施例中， 还包括： 0105 针对存在重叠的相邻的睡眠呼吸暂停低通气事。

46、件， 合并该相邻的睡眠呼吸暂停低 通气事件； 删除不属于预设睡眠时段的睡眠呼吸暂停低通气事件； 删除属于所述预设睡眠 时段且处于清醒期的睡眠呼吸暂停低通气事件。 0106 在本实施例中， 提供了一种计算机设备， 如图9所示， 包括存储器902、 处理器904及 存储在存储器上并可在处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实 现上述任意的睡眠呼吸暂停低通气的检测方法。 0107 具体的， 该计算机设备可以是计算机终端、 服务器或者类似的运算装置。 0108 在本实施例中， 提供了一种计算机可读存储介质， 所述计算机可读存储介质存储 有执行上述任意的睡眠呼吸暂停低通气的检测方法的。

47、计算机程序。 0109 具体的， 计算机可读存储介质包括永久性和非永久性、 可移动和非可移动媒体可 以由任何方法或技术来实现信息存储。 信息可以是计算机可读指令、 数据结构、 程序的模块 或其他数据。 计算机可读存储介质的例子包括， 但不限于相变内存(PRAM)、 静态随机存取存 储器(SRAM)、 动态随机存取存储器(DRAM)、 其他类型的随机存取存储器(RAM)、 只读存储器 (ROM)、 电可擦除可编程只读存储器(EEPROM)、 快闪记忆体或其他内存技术、 只读光盘只读 存储器(CD-ROM)、 数字多功能光盘(DVD)或其他光学存储、 磁盒式磁带， 磁带磁磁盘存储或 其他磁性存储设。

48、备或任何其他非传输介质， 可用于存储可以被计算设备访问的信息。 按照 本文中的界定， 计算机可读存储介质不包括暂存电脑可读媒体(transitory media)， 如调 制的数据信号和载波。 0110 本发明实施例实现了如下技术效果： 提出了一种睡眠呼吸暂停低通气的检测装 置， 通过睡眠呼吸暂停低通气的检测装置即可实现设备自动化完成检测睡眠呼吸暂停低通 气事件的工作， 且通过将每个滑动窗口中的待检测数据转化为呼吸状态序列， 再在呼吸状 态序列中检测睡眠呼吸暂停低通气事件， 使得相对于现有技术可以避免特征提取、 分类等 复杂过程， 有利于降低计算复杂度； 此外， 基于呼吸状态序列有利于确定出睡。

49、眠呼吸暂停低 通气事件的起始点和结束点， 进而睡眠呼吸暂停低通气的检测装置的使用有利于提高检测 的准确度。 0111 显然， 本领域的技术人员应该明白， 上述的本发明实施例的各模块或各步骤可以 用通用的计算装置来实现， 它们可以集中在单个的计算装置上， 或者分布在多个计算装置 所组成的网络上， 可选地， 它们可以用计算装置可执行的程序代码来实现， 从而， 可以将它 说明书 10/11 页 13 CN 111759277 A 13 们存储在存储装置中由计算装置来执行， 并且在某些情况下， 可以以不同于此处的顺序执 行所示出或描述的步骤， 或者将它们分别制作成各个集成电路模块， 或者将它们中的多个。

50、 模块或步骤制作成单个集成电路模块来实现。 这样， 本发明实施例不限制于任何特定的硬 件和软件结合。 0112 以上所述仅为本发明的优选实施例而已， 并不用于限制本发明， 对于本领域的技 术人员来说， 本发明实施例可以有各种更改和变化。 凡在本发明的精神和原则之内， 所作的 任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。 说明书 11/11 页 14 CN 111759277 A 14 图1 图2 说明书附图 1/5 页 15 CN 111759277 A 15 图3 图4 说明书附图 2/5 页 16 CN 111759277 A 16 图5 图6 说明书附图 3/5 页。