專利名稱：根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣綜合癥嚴重程度的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種確定阻塞性睡眠呼吸暫停低通氣綜合癥(Obstructive sleep apnea hypopnea syndrome, 簡稱OSAHS)嚴重程度的方法。不同于傳統(tǒng)的多導(dǎo)睡 眠監(jiān)測系統(tǒng)(PSG)，本發(fā)明通過分析鼾聲的“共振峰在各個子頻段的分布概率(formant probability in sub-band,簡稱SBFP) ”這一聲學(xué)特征來確定OSAHS的嚴重程度，為患者
提供初步的診斷結(jié)果，為下一步的手術(shù)需要提供參考。
背景技術(shù)：
醫(yī)學(xué)上，PSG作為判斷OSAHS嚴重程度的黃金標準，主要由專業(yè)人員依據(jù)多路 傳感信號(眼電圖，腦電圖，心電圖，肌電圖，鼻氣流，胸部運動，腹部運動，血氧變化等)綜合 判斷患者呼吸暫停的類型(中樞類型，阻塞類型或混合類型)，以及OSAHS嚴重程度。醫(yī)學(xué) 上呼吸暫停與低通氣指數(shù)(Apnea Hypopnea Index, AHI)表示OSAHS嚴重程度，按AHI可 將鼾聲分為四類0<ΑΗΙ彡5屬于單純鼾聲(或簡單鼾聲)，5<AHI彡20屬于輕度0SAHS， 20<AHI彡40屬于中度0SAHS，AHI>40屬于重度OSAHS。PSG監(jiān)測示意圖如圖1所示，患者 臉部、胸腹部以及手指上都貼有不同的傳感器，傳感器通過導(dǎo)線連接到床邊的“黑盒子”上， 而“黑盒子”通過電纜線連接到護士中心的PC機，從PC機上可以看到如圖2所示各路傳感 器的實時信號。由圖1可知，PSG提供精確診斷的同時，也削減了患者的舒適度，更糟糕的 情況是，由于睡眠環(huán)境(平時睡覺沒有傳感器貼在身上)的改變，有時PSG監(jiān)測結(jié)果并不能正 確地反映患者平時的狀態(tài)。除此之外，PSG監(jiān)測費用昂貴，PSG設(shè)備不便攜帶，需要專業(yè)人員 連接繁瑣的線路以及分析整晚多路信號的數(shù)據(jù)等使PSG設(shè)備的實用性與普遍性大打折扣。鼾聲是OSAHS最突出的特點之一，盡管PSG有一路貼片麥克風(fēng)信號用于監(jiān) 測喉部振動情況，但根據(jù)該信號僅能判斷有無鼾聲。而且，鼾聲信號的獲取不同于其他傳感 信號，麥克風(fēng)設(shè)備并不需要接觸身體。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對PSG監(jiān)測存在的不足，提供一種根據(jù)鼾聲聲學(xué)特征確定阻 塞性睡眠呼吸暫停與低通氣綜合癥嚴重程度的方法，并將診斷結(jié)果顯示出來?；驹肀娝苤?，聲音是由振動引起的，而語音的產(chǎn)生是氣流經(jīng)由口腔鼻腔 等聲道引起共鳴，聲道的共振頻率稱為共振峰頻率，簡稱共振峰。與語音相似，鼾聲是由呼 吸道某部位(器官)塌陷或者阻塞，導(dǎo)致呼吸氣流不通暢引起共鳴而發(fā)出的聲音。也就是 說，鼾聲與阻塞位置密切相關(guān)，OSAHS嚴重程度不同，對應(yīng)鼾聲的共振峰頻率分布(formant probability in sub-band,簡稱SBFP)也不同，而對于同一 OSAHS嚴重程度的患者，其鼾 聲在某一頻段有一致的規(guī)律?；蛘哒f，重度OSAHS的鼾聲在某些頻率段更容易出現(xiàn)共振峰，而在單純鼾聲更容易在另一頻率段出現(xiàn)共振峰。如圖3所示四種OSAHS不同嚴重程度的患 者的SBFP特征參數(shù)規(guī)律，其中橫軸對應(yīng)8個子頻段，帶寬均為500Hz，縱軸表示共振峰在各 個子頻段的分布概率。本發(fā)明的構(gòu)思是通過統(tǒng)計鼾聲吸氣段的共振峰分布概率(SBFP)這個聲學(xué)特征 來確定患者的OSAHS嚴重程度。鼾聲由吸氣段、過渡段和呼吸段組成，由于鼾聲吸氣段的共 振峰穩(wěn)定而且明顯，該特征的分析對象是鼾聲吸氣段，以下鼾聲均指其吸氣段。一種根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣綜合癥嚴重程度的方 法，其特征在于
(1)建立四個不同OSAHS嚴重程度的參比模型統(tǒng)計不同OSAHS嚴重程度的共振峰分 布規(guī)律，根據(jù)SBFP特征參數(shù)建立四個不同OSAHS嚴重程度的參比模型，分別為簡單鼾聲模 型、輕度OSAHS模型、中度OSAHS模型和重度OSAHS模型；
(2)檢測鼾聲并計算其SBFP特征參數(shù)錄制被試者的鼾聲，計算其鼾聲的SBFP特征參
數(shù)；
(3)將SBFP特征參數(shù)匹配四個參比模型根據(jù)被試者的SBFP聲學(xué)特征參數(shù)匹配步驟 (1)中四個參比模型，匹配概率最大的模型對應(yīng)被試者的OSAHS嚴重程度類型；
(4)顯示基于聲學(xué)特征的OSAHS診斷結(jié)果。
本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實質(zhì)性特點和顯著優(yōu)點通過采 集患者的鼾聲信號、分析鼾聲的聲學(xué)特征并擬合PSG的診斷結(jié)果，確定OSAHS的嚴重程度。 在不影響患者睡眠的舒適度、對測試環(huán)境要求不高、檢測方便、費用低廉的條件下，確定患 者的OSAHS嚴重程度。


圖1 PSG多導(dǎo)睡眠監(jiān)測的連接圖。圖2 PSG多導(dǎo)傳感器信號同步顯示界面。圖3四個不同OSAHS嚴重程度的患者的SBFP特征參數(shù)規(guī)律圖。圖4根據(jù)鼾聲的SBFP聲學(xué)特征確定鼾聲患者的OSAHS嚴重程度流程圖。圖5 “離線分析”不同OSAHS嚴重程度的聲學(xué)規(guī)律的流程圖。圖6 “在線分析”計算被試者SBFP特征參數(shù)的流程圖。圖7根據(jù)鼾聲聲學(xué)特征分析OSAHS的人機界面。
具體實施例方式本發(fā)明的優(yōu)選實施例結(jié)合附圖詳述如下
實施例一參見圖4、圖5和圖6，根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣 綜合征(OSAiB)嚴重程度，其特征在于
(1)建立四個不同OSAHS嚴重程度的參比模型統(tǒng)計不同OSAHS嚴重程度的共振峰分 布規(guī)律，根據(jù)SBFP特征參數(shù)建立四個不同OSAHS嚴重程度的參比模型，分別為簡單鼾聲模 型、輕度OSAHS模型、中度OSAHS模型和重度OSAHS模型；
(2)檢測鼾聲并計算其SBFP特征參數(shù)錄制被試者的鼾聲，計算其鼾聲的SBFP特征參數(shù)；
(3)將SBFP特征參數(shù)匹配四個參比模型根據(jù)被試者的SBFP聲學(xué)特征參數(shù)匹配步驟 (1)中四個參比模型，匹配概率最大的模型對應(yīng)被試者的OSAHS嚴重程度類型；
(4)顯示基于聲學(xué)特征的OSAHS診斷結(jié)果。
實施例二 本實施例與實施例二基本相同，特別之處如下
所述步驟(1)建立四個不同OSAHS嚴重程度的參比模型時需要 1)獲取大量不同OSAHS嚴重程度的鼾聲，其中不同OSAHS嚴重程度由醫(yī)院PSG監(jiān)測結(jié) 果獲得，所述PSG監(jiān)測結(jié)果必須正確；每一類OSAHS的實驗需要超過500個，即四種OSAHS 程度的患者至少各500人；對于OSAHS患者，需要結(jié)合Alice中的MicL信號，使Alice信號 與鼾聲同步，根據(jù)醫(yī)學(xué)診斷標定的呼吸暫停低通氣位置，截取對應(yīng)的鼾聲吸氣段，作為統(tǒng)計 聲學(xué)規(guī)律的實驗數(shù)據(jù)；對于簡單鼾聲患者，所有鼾聲的吸氣段都可作為統(tǒng)計SBFP特征參數(shù) 的規(guī)律；由于SBFP是對被試者所有鼾聲吸氣段的共振峰分布規(guī)律的統(tǒng)計，所以鼾聲的吸氣 段必須完備且呼吸暫停低通氣時間對應(yīng)，需要手工切割鼾聲。2)根據(jù)同一類OSAHS鼾聲的SBFP特征訓(xùn)練模型，采用高斯混合模型，其中保證高 斯混合數(shù)與子頻段數(shù)相等，以進一步分析導(dǎo)致OSAHS的可能阻塞位置。所述步驟(2)檢測鼾聲并計算SBFP特征參數(shù)時需要
①保證被試者處于良好的錄音環(huán)境盡量減少噪音，除了可能的空調(diào)和電腦主機外， 監(jiān)測時受試者單獨在臥室，房門關(guān)閉，臥室外面保持安靜；麥克風(fēng)的位置需要通過播放測試 音的方法不斷調(diào)整，必須保證與建立參比模型時錄音的靈敏度一致；
②有效的鼾聲檢測與鼾聲有關(guān)的聲音包括靜音、鼾聲吸氣段、鼾聲呼氣段以及說話 聲，鼾聲檢測指從與鼾聲有關(guān)的聲音中檢測出鼾聲吸氣段，必須保證鼾聲吸氣段檢測無誤， 這樣統(tǒng)計SBFP特征參數(shù)才有意義；
③針對鼾聲吸氣聲求共振峰在不同子頻段的分布概率SBFP，將8個子頻段分 為:0-500Hz,500-1000Hz,1000-1500Hz,1500-2000Hz,2000-2500Hz,2500-3000Hz, 3000-3500Hz和3500_4000Hz，估計共振峰時需要對500Hz內(nèi)出現(xiàn)一個以上共振峰的情況合 并處理，要求計算共振峰的正確率高于90%。所述步驟(4)顯示診斷結(jié)果是需要保留中間判斷過程和結(jié)果，將鼾聲檢測的時 間和聲音自動保存到PC機，同時波形顯示應(yīng)該以對比色顯示不同的呼吸事件一主要指鼾 聲事件、正常呼吸事件和呼吸暫停與低通氣事件，以便核實和校準。
實施例三
如圖4所示，根據(jù)鼾聲SBFP聲學(xué)特征確定OSAHS嚴重程度可分四步
(1)“離線分析”不同OSAHS嚴重程度的聲學(xué)規(guī)律，建立四個不同OSAHS嚴重程度的模 型；(這里根據(jù)已有的數(shù)據(jù)分析規(guī)律，而不是對實時錄音數(shù)據(jù)分析，故稱為離線分析)
(2)“在線分析”計算被試者的SBFP特征參數(shù)；(在線分析指對實時錄音數(shù)據(jù)處理)
(3)用步驟O)中計算的SBFP匹配(1)中的離線分析的四個模型，根據(jù)最大概率確定 被試者匹配的模型；
(4)結(jié)果顯示根據(jù)匹配模型確定OSAHS嚴重程度，并顯示OSAHS嚴重程度以及鼾聲次數(shù)和對應(yīng)時間。上述步驟(1)中實施過程如圖5所示，具體步驟如下
1)獲取不同OSAHS嚴重程度的鼾聲與單純鼾聲，并結(jié)合PSG的Alice監(jiān)測波形手動切 割呼吸暫停和低通氣后的鼾聲，作為統(tǒng)計共振峰規(guī)律的實驗樣本；
2)根據(jù)具體錄音環(huán)境，對實驗樣本預(yù)處理，包括去噪、鼾聲分成短時幀等；
3)采用線性預(yù)測分析(LPC)的方法計算共振峰；
4)根據(jù)劃分的子帶，統(tǒng)計步驟幻中計算的共振峰落在各個子帶的規(guī)律，最終得到該 實驗樣本的SBFP特征參數(shù)；
5)采用聚類算法，對同一類OSAHS實驗樣本的SBFP特征參數(shù)分析，最終每一類OSAHS 都以一個GMM模型表示，其中模型參數(shù)由SBFP特征參數(shù)的均值、方差和高斯混合的權(quán)重系 數(shù)表示。上述步驟O)中的實現(xiàn)流程如圖6所示，具體步驟如下
<1>分析的對象是被試者的整晚聲音數(shù)據(jù)，該聲音數(shù)據(jù)是通過麥克風(fēng)采集被試者整晚 的睡眠過程得到；
<2>鼾聲檢測整晚聲音數(shù)據(jù)可能包括鼾聲、說話聲、平靜呼吸聲、空調(diào)噪聲等聲音，鼾 聲檢測指根據(jù)一定的判斷準則從整晚聲音數(shù)據(jù)中自動檢測鼾聲吸氣段，以待下一步分析； <3>預(yù)處理根據(jù)錄音環(huán)境適當“去噪”以及將每次鼾聲分成短時幀以計算共振峰； <4>采用線性預(yù)測分析的方法計算共振峰；
<5>根據(jù)劃分的子帶，統(tǒng)計<4>中計算的共振峰落在各個子帶的規(guī)律，最終得到被試 者的SBFP特征參數(shù)。上述步驟(3)中的GMM模型由高斯混合的權(quán)重系數(shù) 為、特征參數(shù)均值煒和方差of表示，IA ^V , F是高斯混合數(shù)。若已知被試者的SBFP特 征參數(shù)ζ ( ζ是AT維的矢量)，匹配模型的概率計算可表示為公式(1)所示
#1(χ-μ·)2
才)⑴
技術(shù)效果
基于鼾聲聲學(xué)特征確定OSAHS嚴重程度的方法，可以結(jié)合圖7所示的軟件界面實現(xiàn)。該 軟件界面可實現(xiàn)鼾聲的采集、聲學(xué)特征分析、分析數(shù)據(jù)自動保存以及通過鼾聲的SBFP聲學(xué) 特征確定其OSAHS嚴重程度的結(jié)果顯示。既可實時地監(jiān)測分析，又可以根據(jù)某個聲音文件 離線判斷OSAHS嚴重程度，下面簡單地介紹圖7所示的軟件界面
①開始錄音(在線分析)包括啟動錄音、對實時聲音數(shù)據(jù)進行鼾聲檢測和自動保存每 一次自動檢測的鼾聲到PC機上(包括時間和聲音文件)、保存每一個鼾聲吸氣段的各幀的 共振峰計算結(jié)果，以供核實；保存錄制的整晚聲音到PC機上，以便離線分析；顯示OSAHS嚴 重程度；簡單地統(tǒng)計呼吸事件，通過檢測無聲段的時間判斷是否呼吸暫停和低通氣的方法 (持續(xù)無聲時間超過IOs以上視為呼吸暫停和低通氣)，統(tǒng)計呼吸暫停和低通氣的次數(shù)；
②“暫停錄音”時，統(tǒng)計睡眠過程的時間也會暫停，這樣不影響由呼吸暫停和低通氣次 數(shù)計算AHI的值；
③“在線分析”時，在結(jié)果顯示區(qū)將顯示如圖7所示的結(jié)果，包括鼾聲次數(shù)、呼吸暫停和低通氣次數(shù)及AHI值和被試者的OSAHS嚴重程度；
④“導(dǎo)入鼾聲”(離線分析)可以通過導(dǎo)入整晚聲音到軟件中，通過鼾聲確定該患者 的OSAHS嚴重情況，離線分析對驗證和改進軟件中的算法很有效；
⑤離線分析與在線分析類似，由離線分析可知導(dǎo)入鼾聲的OSAHS嚴重程度以及鼾聲次 數(shù)、呼吸暫停低通氣次數(shù)和AHI值。 隨著鼾聲聲學(xué)特征的不斷研究，還可向軟件中添加算法和功能，比如分析OSAHS 患者可能的阻塞位置、是否睡姿不對等引起OSAHS的原因，這些都有待于對鼾聲聲學(xué)特征 更深入的研究。
權(quán)利要求
1.一種根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣綜合征(OSAHS)嚴重程 度的方法，其特征在于(1)建立四個不同OSAHS嚴重程度的參比模型統(tǒng)計不同OSAHS鼾聲類型的共振峰分 布規(guī)律，根據(jù)SBFP特征參數(shù)建立四個不同OSAHS嚴重程度的參比模型，分別為簡單鼾聲模 型、輕度OSAHS模型、中度OSAHS模型和重度OSAHS模型；(2)檢測鼾聲并計算其SBFP特征參數(shù)錄制被試者的鼾聲，計算其鼾聲的SBFP特征參數(shù)；(3)將SBFP特征參數(shù)匹配四個參比模型根據(jù)被試者的SBFP聲學(xué)特征參數(shù)匹配步驟 (1)中四個參比模型，匹配概率最大的模型對應(yīng)被試者的OSAHS嚴重程度類型；(4)顯示基于聲學(xué)特征的OSAHS診斷結(jié)果。
2.根據(jù)權(quán)利要求1所述的根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣綜合 癥嚴重程度的方法，其特征在于所述步驟(1)建立四個不同OSAHS嚴重程度的參比模型時需要1)獲取大量不同OSAHS嚴重程度的鼾聲，其中不同OSAHS嚴重程度由醫(yī)院的PSG監(jiān)測 結(jié)果獲得，所述PSG監(jiān)測結(jié)果必須正確；每一類OSAHS的實驗患者需要超過500個，即四種 OSAHS程度的患者至少各500人；對于OSAHS患者，需要結(jié)合Alice中的MicL信號，使Alice 信號與鼾聲同步，根據(jù)醫(yī)學(xué)診斷標定的呼吸暫停低通氣位置，截取對應(yīng)的鼾聲吸氣段，作為 統(tǒng)計聲學(xué)規(guī)律的實驗數(shù)據(jù)；對于簡單鼾聲患者，所有鼾聲的吸氣段都可作為統(tǒng)計SBFP特征 參數(shù)的規(guī)律；由于SBFP是對被試者所有鼾聲吸氣段的共振峰分布規(guī)律的統(tǒng)計，所以鼾聲的 吸氣段必須完備且與呼吸暫停低通氣時間對應(yīng)，需要手工切割鼾聲；2)根據(jù)同一類型OSAHS患者的SBFP特征訓(xùn)練模型，采用高斯混合模型，其中保證高斯 混合數(shù)與子頻段數(shù)相等，以進一步分析導(dǎo)致OSAHS的可能阻塞位置。
3.根據(jù)權(quán)利要求1所述的根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣綜合 癥嚴重程度的方法，其特征在于所述步驟(2)檢測鼾聲并計算SBFP特征參數(shù)時需要①保證受試者處于良好的錄音環(huán)境盡量減少噪音，除了可能的空調(diào)和電腦主機外， 監(jiān)測時受試者單獨在臥室，房門關(guān)閉，臥室外面保持安靜；麥克風(fēng)的位置需要通過播放測試 音的方法不斷調(diào)整，必須保證與建立參比模型時錄音的靈敏度一致；②有效的鼾聲檢測與鼾聲有關(guān)的聲音包括靜音、鼾聲吸氣段、鼾聲呼氣段以及說話 聲，鼾聲檢測指從與鼾聲有關(guān)的聲音中檢測出鼾聲吸氣段，必須保證鼾聲吸氣段檢測無誤， 這樣統(tǒng)計SBFP特征參數(shù)才有意義；③針對鼾聲吸氣聲求共振峰在不同子頻段的分布概率SBFP，將8個子頻段分 為:0-500Hz,500-1000Hz,1000_1500Hz，1500_2000Hz，2000_2500Hz，2500_3000Hz， 3000-3500Hz和3500_4000Hz，估計共振峰時需要對500Hz內(nèi)出現(xiàn)一個以上共振峰的情況合 并處理，要求計算共振峰的正確率高于90%。
4.根據(jù)權(quán)利要求1所述的根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣綜合 癥嚴重程度的方法，其特征在于所述步驟的顯示診斷結(jié)果是需要保留中間判斷過程 和結(jié)果，將鼾聲檢測的時間和聲音自動保存到PC機，同時波形顯示應(yīng)該以對比色顯示不同 的呼吸事件——主要指鼾聲事件、正常呼吸事件和呼吸暫停與低通氣事件，以便核實和校 準。
全文摘要
本發(fā)明涉及一種根據(jù)鼾聲聲學(xué)特征確定阻塞性睡眠呼吸暫停與低通氣綜合癥嚴重程度的方法。本方法是對大量相同OSAHS嚴重程度的實驗樣本的SBFP參數(shù)聚類分析，得到代表四種不同OSAHS嚴重程度的模型簡單鼾聲模型、輕度OSAHS模型、中度OSAHS模型和重度OSAHS模型。當需要判斷被試者屬于哪種OSAHS嚴重程度時，只需要錄制被試者整晚的聲音數(shù)據(jù)，計算其SBFP特征參數(shù)，然后用SBFP去匹配四個模型，由最大匹配概率對應(yīng)的模型就可知被試者屬于哪種OSAHS嚴重程度。本發(fā)明僅僅需要錄制患者睡眠時的鼾聲，簡單方便且不會影響患者的睡眠質(zhì)量。
文檔編號A61B5/08GK102138795SQ201110041378
公開日2011年8月3日 申請日期2011年2月21日 優(yōu)先權(quán)日2011年2月21日
發(fā)明者侯麗敏, 傅雙英, 宋偉, 杜敏, 殷善開, 謝愫 申請人:上海大學(xué)