本發(fā)明涉及睡眠呼吸暫停檢測(cè)，具體的說(shuō)是一種基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法和設(shè)備。

背景技術(shù)：

1、長(zhǎng)期以來(lái)，睡眠呼吸暫停由于其發(fā)病的廣泛性以及對(duì)人體健康的危害性被廣泛關(guān)注。睡眠呼吸暫停主要指它是指在整晚睡眠中發(fā)生30次以上，每次持續(xù)10秒以上的呼吸氣流消失或減少的現(xiàn)象。阻塞型睡眠呼吸暫停(obstructive?sleep?apnea,osa)在睡眠呼吸暫停中占了很大一部分的比例，就死亡率而言osa也是最高的。它的特點(diǎn)是睡眠過(guò)程中上氣道完全或部分的間歇性阻塞，導(dǎo)致呼吸暫停和低通氣頻繁發(fā)作。

2、現(xiàn)有技術(shù)中，睡眠呼吸暫停的評(píng)價(jià)通常采用呼吸暫停低通氣指數(shù)(apneahypopnea?index,ahi)作為標(biāo)準(zhǔn)，即每小時(shí)睡眠中呼吸暫停和低通氣的合計(jì)次數(shù)。osa的疾病嚴(yán)重程度根據(jù)ahi可以被劃分為：ahi小于5時(shí)，為正常人；ahi在5-15之間(不包括15)時(shí)，為輕度osa患者；ahi在15-30之間(不包括30)時(shí)，為中度osa患者；ahi大于等于30時(shí)，為重度osa患者。

3、對(duì)睡眠呼吸暫停的及時(shí)診斷具有很重要的意義，能夠有效輔助患者確定睡眠呼吸暫停的發(fā)生情況，并且制定針對(duì)性的治療措施，以有效提升患者的生活質(zhì)量和保證患者的生命安全。現(xiàn)有技術(shù)中，睡眠呼吸暫停檢測(cè)主要使用多導(dǎo)睡眠監(jiān)測(cè)儀，其能夠監(jiān)測(cè)到患者睡眠期間的多種生理數(shù)據(jù)，能夠精確地確定睡眠呼吸暫停的發(fā)生情況，但是，這種監(jiān)護(hù)儀對(duì)受試者的睡眠干擾過(guò)大，影響患者的睡眠質(zhì)量，并且成本高。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法和設(shè)備，通過(guò)在不同尺度上的模糊熵的計(jì)算，對(duì)間期序列的微小變化更加敏感，從而提高睡眠呼吸暫停檢測(cè)的準(zhǔn)確率。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用的具體方案為：基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，包括如下步驟：

3、在用戶處于睡眠狀態(tài)時(shí)采集用戶的生理信號(hào)數(shù)據(jù)，并且劃分為多個(gè)片段；

4、從生理信號(hào)數(shù)據(jù)中提取間期序列，并且對(duì)間期序列進(jìn)行粗?；幚淼玫酱至Ｐ蛄校?/p>

5、求解粗粒序列的模糊熵，并且計(jì)算模糊熵的特征參數(shù)；

6、基于模糊熵的特征參數(shù)與標(biāo)準(zhǔn)樣本之間的差異程度確定用戶的睡眠呼吸暫停片段。

7、優(yōu)選的，所述生理信號(hào)數(shù)據(jù)包括心電數(shù)據(jù)和脈搏波數(shù)據(jù)，將生理信號(hào)數(shù)據(jù)劃分為多個(gè)片段時(shí)基于預(yù)設(shè)的片段時(shí)長(zhǎng)進(jìn)行劃分。

8、優(yōu)選的，從生理信號(hào)數(shù)據(jù)中提取間期序列的具體方法為pan-tompkins算法，提取出的間期序列包括rr間期序列。

9、優(yōu)選的，對(duì)間期序列進(jìn)行粗?；幚淼木唧w方法包括：

10、構(gòu)建原始序列和粗粒化序列；

11、根據(jù)粗?；蛄袑?duì)原始序列進(jìn)行均值粗?；幚?，得到粗粒序列。

12、

13、原始序列為x＝{x1,x2,…,xn}，其中n為總時(shí)間長(zhǎng)度；

14、粗粒化序列為其中τ為尺度參數(shù)。

15、優(yōu)選的，求解粗粒序列的模糊熵的方法包括：

16、將粗粒序列重構(gòu)為n維向量其中

17、計(jì)算兩個(gè)n維向量xi和xj之間的距離

18、

19、利用模糊函數(shù)計(jì)算兩個(gè)n維向量xi和xj之間的相似度；

20、其中，m為指數(shù)函數(shù)邊界的梯度，r為相似容限；

21、構(gòu)建相似比例函數(shù)并且表示為n+1維向量；

22、計(jì)算模糊熵

23、優(yōu)選的，指數(shù)函數(shù)邊界的梯度m＝1.8～2.2，相似容限r(nóng)＝0.23～0.26sd，其中sd為粗?；蛄械臉?biāo)準(zhǔn)差。

24、優(yōu)選的，當(dāng)n的長(zhǎng)度為有限時(shí)，模糊熵為fuzzyen(n,m,r,n)＝lnom(m,r)-lnom+1(m,r)。

25、優(yōu)選的，模糊熵的特征參數(shù)包括均值mfe_mean、標(biāo)準(zhǔn)差mfe_std和極差mfe_max-min。

26、基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)設(shè)備，用于實(shí)現(xiàn)上述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，所述裝置包括：

27、采集模塊，用于在用戶處于睡眠狀態(tài)時(shí)采集用戶的生理信號(hào)數(shù)據(jù)；

28、信號(hào)處理模塊，用于將所述生理信號(hào)數(shù)據(jù)劃分為多個(gè)片段、從生理信號(hào)數(shù)據(jù)中提取間期序列以及對(duì)間期序列進(jìn)行粗?；幚淼玫酱至Ｐ蛄?；

29、檢測(cè)模塊，用于求解粗粒序列的模糊熵、計(jì)算模糊熵的特征參數(shù)以及基于模糊熵的特征參數(shù)與標(biāo)準(zhǔn)樣本之間的差異程度確定用戶的睡眠呼吸暫停片段。

30、本發(fā)明在多尺度模糊熵的基礎(chǔ)上，通過(guò)在不同尺度上的模糊熵的計(jì)算，對(duì)間期序列的微小變化更加敏感，從而提高睡眠呼吸暫停檢測(cè)的準(zhǔn)確率。

技術(shù)特征：

1.基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，所述生理信號(hào)數(shù)據(jù)包括心電數(shù)據(jù)和脈搏波數(shù)據(jù)，將生理信號(hào)數(shù)據(jù)劃分為多個(gè)片段時(shí)基于預(yù)設(shè)的片段時(shí)長(zhǎng)進(jìn)行劃分。

3.如權(quán)利要求1所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，從生理信號(hào)數(shù)據(jù)中提取間期序列的具體方法為pan-tompkins算法，提取出的間期序列包括rr間期序列。

4.如權(quán)利要求1所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，對(duì)間期序列進(jìn)行粗?；幚淼木唧w方法包括：

5.如權(quán)利要求4所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，原始序列為x＝{x1,x2,…,xn}，其中n為總時(shí)間長(zhǎng)度；

6.如權(quán)利要求1所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，求解粗粒序列的模糊熵的方法包括：

7.如權(quán)利要求6所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，指數(shù)函數(shù)邊界的梯度m＝1.8～2.2，相似容限r(nóng)＝0.23～0.26sd，其中sd為粗?；蛄械臉?biāo)準(zhǔn)差。

8.如權(quán)利要求6所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，當(dāng)n的長(zhǎng)度為有限時(shí)，模糊熵為fuzzyen(n,m,r,n)＝lnom(m,r)-lnom+1(m,r)。

9.如權(quán)利要求1所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，其特征在于，模糊熵的特征參數(shù)包括均值mfe_mean、標(biāo)準(zhǔn)差mfe_std和極差mfe_max-min。

10.基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)設(shè)備，其特征在于，用于實(shí)現(xiàn)如權(quán)利要求1-9中任意一項(xiàng)所述的基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，所述裝置包括：

技術(shù)總結(jié)
基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法，包括如下步驟：在用戶處于睡眠狀態(tài)時(shí)采集用戶的生理信號(hào)數(shù)據(jù)，并且劃分為多個(gè)片段；從生理信號(hào)數(shù)據(jù)中提取間期序列，并且對(duì)間期序列進(jìn)行粗粒化處理得到粗粒序列；求解粗粒序列的模糊熵，并且計(jì)算模糊熵的特征參數(shù)；基于模糊熵的特征參數(shù)與標(biāo)準(zhǔn)樣本之間的差異程度確定用戶的睡眠呼吸暫停片段。本發(fā)明提供一種基于多尺度模糊熵的睡眠呼吸暫停片段檢測(cè)方法和設(shè)備，通過(guò)在不同尺度上的模糊熵的計(jì)算，對(duì)間期序列的微小變化更加敏感，從而提高睡眠呼吸暫停檢測(cè)的準(zhǔn)確率。

技術(shù)研發(fā)人員：王倩,官洪杰
受保護(hù)的技術(shù)使用者：廣州醫(yī)科大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2