专利名称：一种用于呼吸波形图像识别与预警的方法及装置的制作方法
技术领域：
本发明涉及医疗器械技术领域中的正压机械通气呼吸机，更具体地，涉及一种对呼吸波形图像识别与预警的方法及装置。
背景技术：
现有呼吸机的结构框图如附图中
图1所示，其功能是为有呼吸功能障碍的病人提供呼吸支持，其原理为可根据设定的通气模式，通过检测呼吸机与病人之间气路中的通气流量、压力等信息，控制呼吸机气路中气体的流通方式，为病人提供相应的呼吸支持。附图1中，模块2表示的空气、氧气、或是空气-氧气混合气体，在控制器I的控制下，按照设定比例进入空氧混合器3中进行混合，再经由吸气流量传感器4及吸气阀5，进入湿化器6，在湿化器6中得到加湿、加热，然后通过呼吸管道7、气道压力传感器8，最后经由患者的呼吸道到达肺部，完成吸气气路；患者呼出的气体通过气道压力传感器8进入呼吸管道7，再经由呼气流量传感器10、呼气阀11，呼出到空气中，完成呼气气路。控制器I通过关闭呼气阀11，调节吸气阀5，控制吸气气流的起始、变化以及结束；控制器I通过关闭吸气阀5，调节呼气阀11，控制呼气气流的起始、变化以及结束。控制器I通过吸气流量传感器
4、呼气流传感器10，检测气路中气体的流量，并可得到潮气量(气体体积)的检测数据；控制器I通过气道压力传感器8检测气路中的压力值。控制器按照设定的通气方式，根据检测到的流量、压力等数据，通过控制吸气阀5、呼气阀11，调控吸气气流的起动、变化、切换到呼气过程、结束一个呼吸循环过程。呼吸机调控呼吸过程的性能，主要取决于控制器I的设计技术。控制器I既包含硬件电路、控制软件，还包括人工操作、信息显示的的控制面板。控制器I将由气道压力传感器8采集到的压力数据，吸气流量传感器4与呼气流量传感器10采集到的流量数据，以及通过计算得出的容量数据，按照一定的组合方式，可在控制器I的控制面板上通过显示器显示出呼吸波形图像，如压力-时间曲线、容量-时间曲线，流速-时间曲线，压力-容量环、压力-流量环和容量-流量环等。呼吸机在使用过程中，会出现一些异常的呼吸状况，如呼吸管道内积水过多，气道阻塞，患者呼吸道内有痰，呼吸管道漏气，呼吸管道内压力过高、过低，患者呼吸顺应性改变等。这些异常状况在呼吸过程中出现时，需要监护人员及时参与处置，否则可能对患者造成损伤。即现有呼吸机主要存在以下不存:(I)、现有呼吸机只在控制器的控制面板上通过显示器显示呼吸波形，并未对呼吸波形进行充分利用。事实上，呼吸波形包含了丰富的信息，可被应用于参与呼吸过程的调控、监测、报警过程，使呼吸机的控制器具有更加优越的性能。(2)、现有呼吸机的控制器对于呼吸异常状况进行监测的功能相对比较简单，仅通过检测气路中的气体流量、压力等参数，判断当前患者呼吸是否出现异常状况，这种根据固定阈值进行判断异常的呼吸机，容易出现误判或漏判。(3)、现有呼吸机控制器监测的呼吸道压力的上、下限值是设定后即固定不变的，而患者的呼吸机能可能存在变化，这种固定不变的监测值，增加了呼吸过程中人机对抗(呼吸机提供的气流所起的实际作用不是辅助病人的自主呼吸，而是对抗其自主呼吸)的可能性。(4)、现有呼吸机控制器提供的监测异常呼吸状况功能只能有效监测出呼吸道内压力是否高于设定的上限、下限值，以及呼吸道漏气等异常状况，而对于呼吸道内积水过多，气道阻塞，患者呼吸道内有痰，患者呼吸顺应性改变等异常状况，则不能自动判别，只能由监护人员根据呼吸机提供的呼吸波形图像，进行人工分析判断患者的呼吸状况，这需要医护人员具有相当高的专业水平，并需要其具有快速判别能力。(5)现有呼吸机的报警功能是在呼吸异常状况出现后才报警，增加了监护人员处置异常情况时的紧迫感，也给患者增加了不适感。
发明内容
为了克服现有技术的不足，本发明提出一种对呼吸波形图像识别与预警的方法，实现对呼吸机在使用过程中的实时动态监控，并预测出患者将会出现的呼吸异常状况。为了实现上述目的，本发明的技术方案为:一种用于呼吸波形图像识别与预警的方法，，包括以下步骤:S1.分别建立呼吸正常与异常情形下的波形特征库，建立呼吸异常波形图像动态变化特征库；S2.采集压力、流量数据，并对流量数据进行换算得到容量数据，形成各种呼吸波形图像；S3.对呼吸波形图像进行分析处理，获取各呼吸波形图像的特征信息，将所获取的特征信息与波形特征库中的信息进行比对，从而确定得到的特征信息所属的类型；当状态为异常状态时，则跳转至步骤S4 ；S4.再次采集压力、流量数据，并对流量数据进行换算得到容量数据，形成当前各种呼吸波形图像的时间序列，对步骤S2获取的呼吸波形图像与当前各种呼吸波形图像的时间序列进行分析，得到图像的变化特征信息，将该变化特征信息与呼吸异常波形图像动态变化特征库中的信息进行比对，从而判别当前呼吸波形的动态变化趋势是否是在向某种异常呼吸状况的呼吸波形发展，产生预警信号。基于呼吸波形图像处理保证了呼吸状态监测功能自适应性:由于呼吸波形记录的是持续了一段时间的连续数据，这一段时间系列上的连续数据是互相相关的，数据间的相关性，及其在时间上幅值的分布规律，能从整体上描述出特定的特征信息，这种特征信息显然与患者个体具有一定程度的关联性，因此，该特征信息既是一种综合的而非单一点的评判准则，又是一种与个体特性相关联的评判准则，比现有的呼吸机仅对压力、容量等单一参数进行设定的评判准则具有显著的优越性。将该具有患者个体自适应性的呼吸波形图像分析技术应用于呼吸机控制器中的通气模式控制策略，则可实现具有较优越的自适应性通气控制模式。优选地，所述步骤S3中对呼吸波形图像进行分析处理是采用基于分数低阶α稳定分布下的短时傅里叶变换STFT ;具体为:
权利要求
1.一种用于呼吸波形图像识别与预警的方法，其特征在于，包括以下步骤: 51.分别建立呼吸正常与异常情形下的波形特征库，建立呼吸异常波形图像动态变化特征库； 52.采集压力、流量数据，并对流量数据进行换算得到容量数据，形成各种呼吸波形图像； 53.对呼吸波形图像进行分析处理，获取各呼吸波形图像的特征信息，将所获取的特征信息与波形特征库中的信息进行比对，从而确定得到的特征信息所属的类型；当状态为异常状态时，则跳转至步骤S4; 54.再次采集压力、流量数据，并对流量数据进行换算得到容量数据，形成当前各种呼吸波形图像的时间序列，对步骤S2获取的呼吸波形图像与当前各种呼吸波形图像的时间序列进行分析，得到图像的变化特征信息，将该变化特征信息与呼吸异常波形图像动态变化特征库中的信息进行比对，从而判别当前呼吸波形的动态变化趋势是否是在向某种异常呼吸状况的呼吸波形发展，产生预警信号。
2.根据权利要求1所述的用于呼吸波形图像识别与预警的方法，其特征在于，所述步骤S3中对呼吸波形图像进行分析处理是采用基于分数低阶α稳定分布下的短时傅里叶变换STFT ;具体为:
3.根据权利要求2所述的用于呼吸波形图像识别与预警的方法，其特征在于，所述呼吸正常波形特征库的建立方式为:选取各种正常呼吸波形图像，对其各幅图像进行图像处理，提取特征信息建立呼吸正常波形特征库； 所述异常正常波形特征库的建立方式为:选取各种异常呼吸波形图像，对其各幅图像进行图像处理，提取特征信息建立呼吸异常波形特征库； 所述特征信息为呼吸波形图的拐点、波峰、波谷、频率或斜率中一种或多种。
4.根据权利要求2所述的用于呼吸波形图像识别与预警的方法，其特征在于，所述呼吸异常波形图像动态变化特征库的建立方式为:选取各种异常呼吸波形图像的时间序列，对序列中的每幅图像进行特征数据提取，然后从第二幅图像开始，依次将每幅图像作为当前图像，对比当前图像之前的一幅图像在特征数据上的变化，得到变化特征信息，从而建立该序列呼吸波形图像的动态变化特征库，所述变化特征信息为呼吸波形图的拐点、波峰、波谷、频率或斜率中一种或多种的变化状况。
5.根据权利要求2所述的用于呼吸波形图像识别与预警的方法，其特征在于，所述步骤S2、S3中的呼吸波形图像为压力一时间曲线、流量一时间曲线或容量一时间曲线中的一种或多种。
6.一种用于呼吸波形图像识别与预警的装置，包括控制器、空氧混合器、吸气流量传感器、吸气阀、湿化器、呼吸管道、气道压力传感器、呼气流量传感器和呼气阀；所述控制器用于控制吸气阀、呼气阀和湿化器；其特征在于，所述吸气流量传感器、气道压力传感器和呼气流量传感器的输出端接控制器的输入端，所述控制器根据所采集的压力、流量信号来获取呼吸波形的特征信息，将所述特征信息与控制器内已存的波形特征库中的信息进行比对，从而确定呼吸状态； 当呼吸状态异常时则继续采集压力、流量数据，对前后获取的呼吸波形进行处理，获取其变化特征信息，将变化特征信息与已存的呼吸异常波形图像动态变化特征库中的信息进行比对，从而判别当前呼吸波形的动态变化趋势是否是在向某种异常呼吸状况的呼吸波形发展，产生预警信号。
7.根据权利要求6所述的用于呼吸波形图像识别与预警的装置，其特征在于，所述控制器对波形的处理采用基于分数低阶a稳定分布下的短时傅里叶变换STFT ;具体为:
全文摘要
本发明公开了一种用于呼吸波形图像识别与预警的方法及装置，在呼吸机控制器中嵌入了基于数字图像处理技术的呼吸波形分析模块及预警功能模块。呼吸波形分析模块在监测呼吸状况时具有个性化的自适应性；根据该特点能从一段呼吸波形图像中提取判别特征信息，作为呼吸状况的判别依据。预警功能模块可以在呼吸异常状况出现的早期，进行预警，使得监护人员可以根据预警，提前消除异常呼吸状况的出现，能够提取出呼吸波形图像的动态变化特征，作为当前呼吸状况是否是向异常呼吸状态发展的判别依据。
文档编号A61B5/08GK103169476SQ20131008238
公开日2013年6月26日 申请日期2013年3月14日 优先权日2013年3月14日
发明者罗语溪, 高玉宝, 蒋庆, 梁九兴, 周炜红 申请人:中山大学