基于呼吸睡眠事件的呼吸机的调整方法及呼吸机与流程

本发明涉及医疗设备技术领域，尤其涉及一种基于呼吸睡眠事件的呼吸机的调整方法及呼吸机。

背景技术：

人在睡眠期间，如果发生睡眠呼吸事件(例如发生呼吸暂停事件)，容易影响用户的睡眠质量，甚至可能会造成不可挽回的后果。呼吸机能够通过调节气道正压压力，进而打开用户的气道，辅助用户进行呼吸，使得用户在睡眠时呼吸顺畅。现有技术中虽然提出了一些探测睡眠呼吸事件的方案，但只是对特定的某些睡眠呼吸事件进行探测，使得应用存在一定的局限性。鉴于技术的限制及睡眠呼吸事件的多样性，目前的呼吸机无法准确探测到用户的睡眠呼吸事件，也无法针对各睡眠呼吸事件做出相应的响应，用户体验差。

技术实现要素：

本发明所要解决的技术问题是提供一种基于呼吸睡眠事件的呼吸机的调整方法及呼吸机。

本发明解决上述技术问题的技术方案如下：一种基于呼吸睡眠事件的呼吸机的调整方法，所述基于呼吸睡眠事件的呼吸机的调整方法包括：

S1，采集呼吸机的流量数据及压力数据；

S2，根据所述流量数据及压力数据分析用户是否发生睡眠呼吸事件，在用户发生睡眠呼吸事件时，确定所述睡眠呼吸事件的类型；

S3，按照与所述睡眠呼吸事件的类型对应的预定的调整方式调整所述呼吸机的参数。

优选地，所述步骤S2包括：

S21，生成所述流量数据对应的流量曲线及所述压力数据对应的压力曲线，分别对所述流量曲线及压力曲线进行滤波；

S22，在滤波后的流量曲线中，若在第一预设时间内所述流量值为0，则确定用户发生呼吸暂停事件；

S23，若所述流量值的幅值降低至第一预设幅值以下，且所述流量值的幅值降低至第一预设幅值以下的时间持续第二预设时间、在所述第二预设时间内至少有两次呼吸以及所述流量值的幅值在第三预设时间内恢复至正常幅值，则确定用户发生1次低通气事件；

S24，若所述流量值的幅值降低至第一预设幅值以上且在第二预设幅值以下，则确定用户发生呼吸努力相关的微觉醒事件，其中，所述第一预设幅值小于所述第二预设幅值；

S25，在滤波后的压力曲线中，获取在第四预设时间内压力值大于第一预设压力阈值的波峰值的集合，以及在第四预设时间内压力值小于第二预设压力阈值的波谷值的集合，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均大于预设数量阈值，或者，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均小于等于预设数量阈值，且所述波峰值的集合中的每一元素均大于第三预设压力阈值或者所述波谷值的集合中的每一元素均小于第四预设压力阈值，则确定用户发生鼾声事件。

优选地，所述步骤S22中判断用户发生呼吸暂停事件的步骤进一步包括：

计算滤波后的流量曲线的峰度因子及滤波后的压力曲线的峰度因子；

若流量曲线的峰度因子与压力曲线的峰度因子的差值不大于预设阈值，则用户发生阻塞型呼吸暂停事件，否则用户发生中枢型呼吸暂停事件。

优选地，所述步骤S3包括：

在用户发生阻塞型呼吸暂停事件或中枢型呼吸暂停事件时，获取用户正常呼吸时的呼吸频率B及吸气呼气时间比值R，根据所述呼吸频率B及吸气呼气时间比值R计算吸气呼气时间比值Rie，将呼吸机的呼吸频率调整为用户正常呼吸时的呼吸频率的1.2倍，按照吸气呼气时间比值Rie提供机控通气，同时按照以下方式调整呼吸机的压力：若在第五预设时间内发生至少两次阻塞型呼吸暂停事件，则以线性的方式将所述呼吸机的吸气压力及呼气压力分别升高至少1cm H₂O；

在第六预设时间内，若用户发生至少3次低通气事件，或者用户发生1次低通气事件及1次阻塞型呼吸暂停事件，或者用户发生5次呼吸努力相关的微觉醒事件，则在第七预设时间内以线性的方式将呼气压力升高至少1cm H₂O；

在第八预设时间内，若用户至少有两个呼吸周期发生了鼾声事件，则在第九预设时间内以线性的方式将呼气压力升高至少1cm H₂O。

优选地，所述根据所述呼吸频率B及吸气呼气时间比值R计算吸气呼气时间比值Rie的步骤包括：

根据所述呼吸频率B及吸气呼气时间比值R计算吸气压力提供时间Ti：Ti＝(60/(1+R))/1.2B；

根据所述吸气压力提供时间Ti及呼吸频率B计算呼气压力提供时间Te：Te＝60/1.2B-Ti；

计算所述吸气呼气时间比值Rie＝Ti/Te。

本发明解决上述技术问题的技术方案还如下：一种呼吸机，所述呼吸机包括：

采集模块，用于采集呼吸机的流量数据及压力数据；

确定模块，用于根据所述流量数据及压力数据分析用户是否发生睡眠呼吸事件，在用户发生睡眠呼吸事件时，根据所述流量数据及压力数据确定所述睡眠呼吸事件的类型；

第一调整模块，用于按照与所述睡眠呼吸事件的类型对应的预定的调整方式调整所述呼吸机的参数。

优选地，所述确定模块包括：

滤波单元，用于生成所述流量数据对应的流量曲线及所述压力数据对应的压力曲线，分别对所述流量曲线及压力曲线进行滤波；

第一确定单元，用于在滤波后的流量曲线中，若在第一预设时间内所述流量值为0，则确定用户发生呼吸暂停事件；

第二确定单元，用于若所述流量值的幅值降低至第一预设幅值以下，且所述流量值的幅值降低至第一预设幅值以下的时间持续第二预设时间、在所述第二预设时间内至少有两次呼吸以及所述流量值的幅值在第三预设时间内恢复至正常幅值，则确定用户发生1次低通气事件；

第三确定单元，用于若所述流量值的幅值降低至第一预设幅值以上且在第二预设幅值以下，则确定用户发生呼吸努力相关的微觉醒事件，其中，所述第一预设幅值小于所述第二预设幅值；

第四确定单元，用于在滤波后的压力曲线中，获取在第四预设时间内压力值大于第一预设压力阈值的波峰值的集合，以及在第四预设时间内压力值小于第二预设压力阈值的波谷值的集合，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均大于预设数量阈值，或者，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均小于等于预设数量阈值，且所述波峰值的集合中的每一元素均大于第三预设压力阈值或者所述波谷值的集合中的每一元素均小于第四预设压力阈值，则确定用户发生鼾声事件。

优选地，所述第一确定单元具体用于计算滤波后的流量曲线的峰度因子及滤波后的压力曲线的峰度因子；若流量曲线的峰度因子与压力曲线的峰度因子的差值不大于预设阈值，则用户发生阻塞型呼吸暂停事件，否则用户发生中枢型呼吸暂停事件。

优选地，所述第一调整模块包括：

第一调整单元，用于在用户发生阻塞型呼吸暂停事件或中枢型呼吸暂停事件时，获取用户正常呼吸时的呼吸频率B及吸气呼气时间比值R，根据所述呼吸频率B及吸气呼气时间比值R计算吸气呼气时间比值Rie，将呼吸机的呼吸频率调整为用户正常呼吸时的呼吸频率的1.2倍，按照吸气呼气时间比值Rie提供机控通气，同时按照以下方式调整呼吸机的压力：若在第五预设时间内发生至少两次阻塞型呼吸暂停事件，则以线性的方式将所述呼吸机的吸气压力及呼气压力分别升高至少1cm H₂O；

第二调整单元，用于在第六预设时间内，若用户发生至少3次低通气事件，或者用户发生1次低通气事件及1次阻塞型呼吸暂停事件，或者用户发生5次呼吸努力相关的微觉醒事件，则在第七预设时间内以线性的方式将呼气压力升高至少1cm H₂O；

第三调整单元，用于第八预设时间内，若用户至少有两个呼吸周期发生了鼾声事件，则在第九预设时间内以线性的方式将呼气压力升高至少1cm H₂O。

优选地，所述第一调整单元具体用于根据所述呼吸频率B及吸气呼气时间比值R计算吸气压力提供时间Ti：Ti＝(60/(1+R))/1.2B；根据所述吸气压力提供时间Ti及呼吸频率B计算呼气压力提供时间Te：Te＝60/1.2B-Ti；计算所述吸气呼气时间比值Rie＝Ti/Te。

本发明的有益效果是：本发明首先采集呼吸机的流量数据及压力数据，然后根据流量数据及压力数据分析用户是否发生睡眠呼吸事件，并在用户发生睡眠呼吸事件时，确定用户发生睡眠呼吸事件的类型，以便呼吸机根据睡眠呼吸事件的类型对应的预定的调整方式调整呼吸机的参数，由于用户在发生不同的睡眠呼吸事件时，流量和/或压力具有相应的显著变化，因此通过对呼吸机的流量及压力进行监控及分析，能够准确探测用户当前是否发生睡眠呼吸事件以及所发生的睡眠呼吸事件的类型，并能够根据睡眠呼吸事件的类型对呼吸机的参数做出相应的调整，提高用户使用体验。

附图说明

图1为本发明基于呼吸睡眠事件的呼吸机的调整方法一实施例的流程示意图；

图2为图1所示步骤S2的流程示意图；

图3为分别经通带滤波及低通滤波后的压力曲线图；

图4为阻塞型呼吸暂停事件对应的流量-压力曲线图；

图5为中枢型呼吸暂停事件对应的流量-压力曲线图；

图6为本发明呼吸机一实施例的结构示意图；

图7为图6所示确定模块的结构示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，图1为本发明基于呼吸睡眠事件的呼吸机的调整方法一实施例的流程示意图，该基于呼吸睡眠事件的呼吸机的调整方法包括以下步骤：

步骤S1，采集呼吸机的流量数据及压力数据；

本实施例中，可以使用传感器采集呼吸机的流量数据及压力数据，传感器包括流量传感器和压力传感器，分别采集呼吸机出气口处的流量数据和压力数据，用户在呼吸时的不同动作和状态将产生出不同的流量和压力，从而可以通过分析传感器采集的流量数据及压力数据探测出用户当前是否发生的睡眠呼吸事件。其中，流量传感器和压力传感器的采样频率均为1000HZ。

步骤S2，根据所述流量数据及压力数据分析用户是否发生睡眠呼吸事件，在用户发生睡眠呼吸事件时，确定所述睡眠呼吸事件的类型；

本实施例中，可以根据流量数据及压力数据分析用户是否发生睡眠呼吸事件，睡眠呼吸事件按照类型区分，包括呼吸暂停事件、低通气事件、呼吸努力相关的微觉醒事件(resppiratory effort-related arousals，RERA)及鼾声事件等。如果用户发生睡眠呼吸事件，则流量数据及压力数据分别呈现不同的状态。

其中，有些睡眠呼吸事件只需要根据流量数据进行分析，有些只需要根据压力数据进行分析，有些需要根据流量数据及压力数据进行分析。

在分析过程中，例如，在分析流量数据时，用户的流量在一定的时间内其值为0，则可以确定用户发生呼吸暂停事件；在分析压力数据时，如果呼吸机的压力出现较大的峰值且该种情况维持一定的时间，则可以确定用户发生鼾声事件，等等。

本实施例可以由呼吸机中的中央处理器分别获取到流量传感器和压力传感器采集的流量数据及压力数据，然后对流量数据及压力数据进行分析，以分析用户是否发生睡眠呼吸事件，并在用户发生睡眠呼吸事件时确定该睡眠呼吸事件的类型。

步骤S3，按照与所述睡眠呼吸事件的类型对应的预定的调整方式调整所述呼吸机的参数。

本实施例中，在呼吸机中，每一种睡眠呼吸事件均预先设置有关联的响应方案或者呼吸机的调整方式，当用户发生睡眠呼吸事件时，可以根据预先设置的与该睡眠呼吸事件关联的响应方案或者呼吸机的调整方式对呼吸机的参数进行调整，以最大限度地辅助用户在发生睡眠呼吸事件进行呼吸，并使用户恢复正常呼吸状态。其中，可调整的参数包括当不限于呼吸频率、吸气呼气时间比值、吸气压力及呼气压力。

例如，当用户发生呼吸暂停事件时，可以增大吸气压力及呼吸频率，以辅助用户进行呼吸，最终消除呼吸暂停事件；当用户发生鼾声事件时，说明用户当前吸气较困难，可以增大呼气压力，以辅助用户进行呼吸，最终消除鼾声事件。

本实施例在呼吸机中的中央处理器确定用户当前发生的睡眠呼吸事件的类型后，可以获取到预定的的调整方式调整呼吸机的参数，并将调整呼吸机的参数的指令发送给呼吸机的电机，电机是呼吸机产生气道正压的关键部件，电机通过高速运转产生加压气体，即电机由中央处理器控制其转速快慢，从而使得呼吸机出气口处的压力不同。

优选地，若用户未发生睡眠呼吸事件，且用户未发生睡眠呼吸事件的持续时间大于第十预设时间，则按照预定的方式下调所述呼吸机的压力。

本实施例中，用户在使用呼吸机前，需要预先设定一个压力变化的区间范围，对于使用持续气道正压的用户，通常起始压力设定为4cm H₂O，最高压力不超过20cm H₂O。对于使用双水平气道正压的用户，通常设定起始呼气压力为4cm H₂O，最大吸气压力为30cm H₂O，最大压力支持(吸气压力-呼气压力)为8cm H₂O，最小压力支持为4cm H₂O。

呼吸机在提供压力支持的过程中，当探测到用户发生睡眠呼吸事件时，会根据上述的方法调整相关参数。当探测到用户未发生睡眠呼吸事件，并且用户未发生睡眠呼吸事件的时间持续10分钟以上，呼吸机将会在30S内以线性函数的方式分别下调吸气压力0.5cm H₂O及下调呼气压力0.5cm H₂O，并再次保持至少10分钟，如果在进行保持的这10分钟内有睡眠呼吸事件发生，仍会根据上述的方法调整相关参数，并重新开启10分钟计时。如果在进行保持的这10分钟内用户未发生睡眠呼吸事件，则每过10分钟下调呼吸压力0.5cm H₂O。

与现有技术相比，本实施例首先采集呼吸机的流量数据及压力数据，然后根据流量数据及压力数据分析用户是否发生睡眠呼吸事件，并在用户发生睡眠呼吸事件时，确定用户发生睡眠呼吸事件的类型，以便呼吸机根据睡眠呼吸事件的类型对应的预定的调整方式调整呼吸机的参数，由于用户在发生不同的睡眠呼吸事件时，流量和/或压力具有相应的显著变化，因此通过对呼吸机的流量及压力进行监控及分析，能够准确探测用户当前是否发生睡眠呼吸事件以及所发生的睡眠呼吸事件的类型，并能够根据睡眠呼吸事件的类型对呼吸机的参数做出相应的调整，提高用户使用体验。

在一优选的实施例中，如图2所示，在上述图1的实施例的基础上，上述步骤S2包括：

步骤S21，生成所述流量数据对应的流量曲线及所述压力数据对应的压力曲线，分别对所述流量曲线及压力曲线进行滤波；

步骤S22，在滤波后的流量曲线中，若在第一预设时间内所述流量值为0，则确定用户发生呼吸暂停事件；

步骤S23，若所述流量值的幅值降低至第一预设幅值以下，且所述流量值的幅值降低至第一预设幅值以下的时间持续第二预设时间、在所述第二预设时间内至少有两次呼吸以及所述流量值的幅值在第三预设时间内恢复至正常幅值，则确定用户发生1次低通气事件；

步骤S24，若所述流量值的幅值降低至第一预设幅值以上且在第二预设幅值以下，则确定用户发生呼吸努力相关的微觉醒事件，其中，所述第一预设幅值大于所述第二预设幅值；

步骤S25，在滤波后的压力曲线中，获取在第四预设时间内压力值大于第一预设压力阈值的波峰值的集合，以及在第四预设时间内压力值小于第二预设压力阈值的波谷值的集合，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均大于预设数量阈值，或者，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均小于等于预设数量阈值，且所述波峰值的集合中的每一元素均大于第三预设压力阈值或者所述波谷值的集合中的每一元素均小于第四预设压力阈值，则确定用户发生鼾声事件。

本实施例中，首先生成流量数据对应的流量曲线及压力数据对应的压力曲线，由于噪声和干扰的存在，流量曲线及压力曲线通常不会是理想的平滑状态，而是充满噪声背景的波形，因此需要对其进行滤波，然后对滤波后的数据进行分析，得出睡眠呼吸事件的类型。

优选地，可以使用两种滤波器，一种是低通滤波器，用于去除背景噪声，得到平滑的曲线，用于确定睡眠呼吸事件是呼吸暂停事件，低通气事件还是RERA；另一种是通带滤波器，用于去除部分背景噪声，保留曲线的震动趋势，用于确定鼾声事件。在构建低通滤波器时，优选地，其通过频率为10HZ，截止频率是60HZ，衰减为3db。通带滤波器的起止频率分别为50HZ和200HZ。

具体地，在分析滤波后的流量曲线及滤波后的压力曲线时，对于滤波后的流量曲线，呼吸机在用户正常呼吸时，记录下用户的呼吸频率B，吸气呼气时间比R，当在持续第一预设时间内(例如6秒)流量值为0(即用户没有呼吸，流量曲线中除背景噪声造成的波动外几乎没有变化)，则确定用户发生呼吸暂停事件；

如果滤波后的流量曲线中的流量值的幅值降低至第一预设幅值(例如降低至基础幅值的30％)以下，且流量值的幅值降低至第一预设幅值以下的时间持续第二预设时间(例如10秒)、在第二预设时间内至少有两次呼吸以及流量值的幅值在第三预设时间(例如1分钟)内恢复至正常幅值，则确定用户发生1次低通气事件；

如果滤波后的流量曲线中的流量值的幅值降低至第一预设幅值(例如降低至基础幅值的30％)以上且在第二预设幅值(例如降低至基础幅值的10％)以下，则确定用户发生呼吸努力相关的微觉醒事件，其中，第一预设幅值小于第二预设幅值；其中，每次呼吸的流量值的幅值计算方法为：对滤波后的流量曲线找出最大值max和最小值min，得到幅值为F＝max-min。

也就是说，在确定用户是发生低通气事件还是呼吸努力相关的微觉醒事件时，通过滤波后的流量曲线可以看出，每次呼吸的流量曲线幅度逐渐变小，之后又逐渐回升，而根据变小的程度不同而确定是低通气事件还是呼吸努力相关的微觉醒事件。

在一优选的实施例中，在确定用户是发生低通气事件还是呼吸努力相关的微觉醒事件时，可以构建一个3分钟的滑动时间窗，当时间窗为空的时候，评估当前用户的呼吸是否平稳(即是否正常呼吸)，当用户连续3次呼吸的流量幅度都相差不超过10％，则认为当前用户的呼吸处于平稳状态，适于构建时间窗。此时，将这3次的流量幅值都放入时间窗内，作为最初的数据，之后每得到一个呼吸的流量幅值，都与时间窗内已有的数据进行比较，若当前的流量幅值F0小于时间窗内的所有流量幅值的平均值F超过10％，则不更新时间窗，而是进行低通气事件或者呼吸努力相关的微觉醒事件的判断。如果流量幅值F0不小于平均值F的90％，则更新时间窗。当出现至少两次流量幅值F0小于平均值F的90％的时候，就需要确定是否出现低通气事件或者呼吸努力相关的微觉醒事件，当流量幅值F0小于平均值F的90％但没有达到70％的状态持续超过10S，并且有至少两次呼吸时，确定为呼吸努力相关的微觉醒事件；当流量幅值F0小于平均值F的70％的状态持续超过10S，并且有至少两次呼吸，确定为低通气事件。最后，如果在1分钟内呼吸幅值恢复到流量幅值F0的90％以上，则确定用户发生低通气事件或呼吸努力相关的微觉醒事件，此时需要清空时间窗的数据，重新进行时间窗的构建。如果在1分钟呼吸幅值仍然没有恢复到F0的90％以上，则直接清空时间窗，重新构建，同时确定用户未发生低通气事件或者呼吸努力相关的微觉醒事件。

在滤波后的压力曲线中，获取在第四预设时间(例如10秒)内压力值大于第一预设压力阈值(例如比压力平均值大0.1cm H₂O(厘米水柱))的波峰值的集合，以及在第四预设时间内压力值小于第二预设压力阈值(例如比压力平均值小0.1cm H₂O)的波谷值的集合，若波峰值的集合中的元素及波谷值的集合中的元素的数量均大于预设数量阈值(例如5个)，或者，若波峰值的集合中的元素及波谷值的集合中的元素的数量均小于等于预设数量阈值(例如5个)，且波峰值的集合中的每一元素均大于第三预设压力阈值(例如比压力平均值大0.2cm H₂O)或者所述波谷值的集合中的每一元素均小于第四预设压力阈值(例如比压力平均值小0.2cm H₂O)，则确定用户发生鼾声事件。其中，第三预设压力阈值比第一预设压力阈值大，第四预设压力阈值比第二预设压力阈值小。

具体地，可以作图进一步进行说明，如图3所示，通带滤波器过滤后的压力曲线记为L1，低通滤波器滤波后的压力曲线记为L2，背景噪声造成的压力波动通常在一个很小的范围，如正负0.05cm H₂O。设A＝0.1cm H₂O，那么可以得到两条与L1平行的曲线：L1+A、L1-A。当用户发生鼾声事件时，L2必定会上下穿越L1+A及L1-A。

在图3中，波峰值的集合为P2、P4、P6、P8、P10、P12，波谷值的集合为P1、P3、P5、P7、P9、P11，其中，P5与P6之间的波峰值不大于L1+A，波谷值不小于L1-A，因此不符合要求，同理，P9与P10之间的波峰值及波谷值也不符合要求。

其中，呼吸暂停事件包括阻塞型呼吸暂停事件及中枢型呼吸暂停事件，用户在发生这两种睡眠呼吸事件时需要采用不同的措施。

在一优选的实施例中，可以进一步区分阻塞型呼吸暂停事件及中枢型呼吸暂停事件，如图4及图5所示，图4为阻塞型呼吸暂停事件对应的流量-压力曲线，图5为中枢型呼吸暂停事件对应的流量-压力曲线。从图中可以看出，阻塞型呼吸暂停事件对应的流量-压力曲线中，流量与压力的曲线的形态基本一致，而中枢型呼吸暂停事件对应的流量-压力曲线中，两者的形态具有较大差异，而最主要的差别就在于波形的凸起部分。因此，本实施例选取曲线的峰度因子来描述不同的曲线。计算方法是：分别计算流量曲线和压力曲线的峰度因子Kf和Kp，计算公式为：其中yi表示第i个样本的值，Y表示全部样本的平均值，N代表样本个数，S表示标准差。若流量曲线的峰度因子与压力曲线的峰度因子的差值不大于预设阈值(即Kf和Kp相差不超过0.5)，则用户发生阻塞型呼吸暂停事件，否则用户发生中枢型呼吸暂停事件。

在一优选的实施例中，上述步骤S3包括以下步骤：

在用户发生阻塞型呼吸暂停事件或中枢型呼吸暂停事件时，获取用户正常呼吸时的呼吸频率B及吸气呼气时间比值R，根据所述呼吸频率B及吸气呼气时间比值R计算吸气呼气时间比值Rie，将呼吸机的呼吸频率调整为用户正常呼吸时的呼吸频率的1.2倍，按照吸气呼气时间比值Rie提供机控通气，同时按照以下方式调整呼吸机的压力：若在第五预设时间(例如5分钟)内发生至少两次阻塞型呼吸暂停事件，则在15秒内以线性的方式将所述呼吸机的吸气压力及呼气压力分别升高至少1cm H₂O；其中，呼吸机调整前的呼气压力为用户当前正在使用的呼气气道正压(Expiratory Positive Airway Pressure，EPAP)或者持续正压(Continuous Positive Airway Pressure，CPAP)。

在第六预设时间(例如5分钟)内，若用户发生至少3次低通气事件，或者用户发生1次低通气事件及1次阻塞型呼吸暂停事件，或者用户发生5次呼吸努力相关的微觉醒事件，则在第七预设时间(例如15秒)内以线性的方式将呼气压力升高至少1cm H₂O；

在第八预设时间(例如3分钟)内，若用户至少有两个呼吸周期发生了鼾声事件，则在第九预设时间(例如15秒)内以线性的方式将呼气压力升高至少1cm H₂O。

优选地，上述根据所述呼吸频率B及吸气呼气时间比值R计算吸气呼气时间比值Rie的步骤包括：根据所述呼吸频率B及吸气呼气时间比值R计算吸气压力提供时间Ti：Ti＝(60/(1+R))/1.2B；根据所述吸气压力提供时间Ti及呼吸频率B计算呼气压力提供时间Te：Te＝60/1.2B-Ti；计算所述吸气呼气时间比值Rie＝Ti/Te。

如图6所示，图6为本发明呼吸机一实施例的结构示意图，该呼吸机包括采集模块、确定模块及第一调整模块，其中，采集模块集成于呼吸机的传感器中，传感器包括流量传感器和压力传感器；确定模块及第一调整模块集成于呼吸机中的中央处理器中。

采集模块101，用于采集呼吸机的流量数据及压力数据；

本实施例中，可以使用传感器采集呼吸机的流量数据及压力数据，传感器包括流量传感器和压力传感器，分别采集呼吸机出气口处的流量数据和压力数据，用户在呼吸时的不同动作和状态将产生出不同的流量和压力，从而可以通过分析传感器采集的流量数据及压力数据探测出用户当前是否发生的睡眠呼吸事件。其中，流量传感器和压力传感器的采样频率均为1000HZ。

确定模块102，用于根据所述流量数据及压力数据分析用户是否发生睡眠呼吸事件，在用户发生睡眠呼吸事件时，根据所述流量数据及压力数据确定所述睡眠呼吸事件的类型；

本实施例中，可以根据流量数据及压力数据分析用户是否发生睡眠呼吸事件，睡眠呼吸事件按照类型区分，包括呼吸暂停事件、低通气事件、呼吸努力相关的微觉醒事件(resppiratory effort-related arousals，RERA)及鼾声事件等。如果用户发生睡眠呼吸事件，则流量数据及压力数据分别呈现不同的状态。

其中，有些睡眠呼吸事件只需要根据流量数据进行分析，有些只需要根据压力数据进行分析，有些需要根据流量数据及压力数据进行分析。

在分析过程中，例如，在分析流量数据时，用户的流量在一定的时间内其值为0，则可以确定用户发生呼吸暂停事件；在分析压力数据时，如果呼吸机的压力出现较大的峰值且该种情况维持一定的时间，则可以确定用户发生鼾声事件，等等。

本实施例可以由呼吸机中的中央处理器分别获取到流量传感器和压力传感器采集的流量数据及压力数据，然后对流量数据及压力数据进行分析，以分析用户是否发生睡眠呼吸事件，并在用户发生睡眠呼吸事件时确定该睡眠呼吸事件的类型。

第一调整模块103，用于按照与所述睡眠呼吸事件的类型对应的预定的调整方式调整所述呼吸机的参数。

本实施例中，在呼吸机中，每一种睡眠呼吸事件均预先设置有关联的响应方案或者呼吸机的调整方式，当用户发生睡眠呼吸事件时，可以根据预先设置的与该睡眠呼吸事件关联的响应方案或者呼吸机的调整方式对呼吸机的参数进行调整，以最大限度地辅助用户在发生睡眠呼吸事件进行呼吸，并使用户恢复正常呼吸状态。其中，可调整的参数包括当不限于呼吸频率、吸气呼气时间比值、吸气压力及呼气压力。

例如，当用户发生呼吸暂停事件时，可以增大吸气压力及呼吸频率，以辅助用户进行呼吸，最终消除呼吸暂停事件；当用户发生鼾声事件时，说明用户当前吸气较困难，可以增大呼气压力，以辅助用户进行呼吸，最终消除鼾声事件。

本实施例在呼吸机中的中央处理器确定用户当前发生的睡眠呼吸事件的类型后，可以获取到预定的的调整方式调整呼吸机的参数，并将调整呼吸机的参数的指令发送给呼吸机的电机，电机是呼吸机产生气道正压的关键部件，电机通过高速运转产生加压气体，即电机由中央处理器控制其转速快慢，从而使得呼吸机出气口处的压力不同。

优选地，该呼吸机还包括第二调整模块，用于若用户未发生睡眠呼吸事件，且用户未发生睡眠呼吸事件的持续时间大于第十预设时间，则按照预定的方式下调所述呼吸机的压力。

本实施例中，用户在使用呼吸机前，需要预先设定一个压力变化的区间范围，对于使用持续气道正压的用户，通常起始压力设定为4cm H₂O，最高压力不超过20cm H₂O。对于使用双水平气道正压的用户，通常设定起始呼气压力为4cm H₂O，最大吸气压力为30cm H₂O，最大压力支持(吸气压力-呼气压力)为8cm H₂O，最小压力支持为4cm H₂O。

呼吸机在提供压力支持的过程中，当探测到用户发生睡眠呼吸事件时，会根据上述的方法调整相关参数。当探测到用户未发生睡眠呼吸事件，并且用户未发生睡眠呼吸事件的时间持续10分钟以上，呼吸机将会在30S内以线性函数的方式分别下调吸气压力0.5cm H₂O及下调呼气压力0.5cm H₂O，并再次保持至少10分钟，如果在进行保持的这10分钟内有睡眠呼吸事件发生，仍会根据上述的方法调整相关参数，并重新开启10分钟计时。如果在进行保持的这10分钟内用户未发生睡眠呼吸事件，则每过10分钟下调呼吸压力0.5cm H₂O。

在一优选的实施例中，如图7所示，在上述图6的实施例的基础上，上述确定模块102包括：

滤波单元1021，用于生成所述流量数据对应的流量曲线及所述压力数据对应的压力曲线，分别对所述流量曲线及压力曲线进行滤波；

第一确定单元1022，用于在滤波后的流量曲线中，若在第一预设时间内所述流量值为0，则确定用户发生呼吸暂停事件；

第二确定单元1023，用于若所述流量值的幅值降低至第一预设幅值以下，且所述流量值的幅值降低至第一预设幅值以下的时间持续第二预设时间、在所述第二预设时间内至少有两次呼吸以及所述流量值的幅值在第三预设时间内恢复至正常幅值，则确定用户发生1次低通气事件；

第三确定单元1024，用于若所述流量值的幅值降低至第一预设幅值以上且在第二预设幅值以下，则确定用户发生呼吸努力相关的微觉醒事件，其中，所述第一预设幅值小于所述第二预设幅值；

第四确定单元1025，用于在滤波后的压力曲线中，获取在第四预设时间内压力值大于第一预设压力阈值的波峰值的集合，以及在第四预设时间内压力值小于第二预设压力阈值的波谷值的集合，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均大于预设数量阈值，或者，若所述波峰值的集合中的元素及所述波谷值的集合中的元素的数量均小于等于预设数量阈值，且所述波峰值的集合中的每一元素均大于第三预设压力阈值或者所述波谷值的集合中的每一元素均小于第四预设压力阈值，则确定用户发生鼾声事件。

本实施例中，首先生成流量数据对应的流量曲线及压力数据对应的压力曲线，由于噪声和干扰的存在，流量曲线及压力曲线通常不会是理想的平滑状态，而是充满噪声背景的波形，因此需要对其进行滤波，然后对滤波后的数据进行分析，得出睡眠呼吸事件的类型。

优选地，可以使用两种滤波器，一种是低通滤波器，用于去除背景噪声，得到平滑的曲线，用于确定睡眠呼吸事件是呼吸暂停事件，低通气事件还是RERA；另一种是通带滤波器，用于去除部分背景噪声，保留曲线的震动趋势，用于确定鼾声事件。在构建低通滤波器时，优选地，其通过频率为10HZ，截止频率是60HZ，衰减为3db。通带滤波器的起止频率分别为50HZ和200HZ。

具体地，在分析滤波后的流量曲线及滤波后的压力曲线时，对于滤波后的流量曲线，呼吸机在用户正常呼吸时，记录下用户的呼吸频率B，吸气呼气时间比R，当在持续第一预设时间内(例如6秒)流量值为0(即用户没有呼吸，流量曲线中除背景噪声造成的波动外几乎没有变化)，则确定用户发生呼吸暂停事件；

如果滤波后的流量曲线中的流量值的幅值降低至第一预设幅值(例如降低至基础幅值的30％)以下，且流量值的幅值降低至第一预设幅值以下的时间持续第二预设时间(例如10秒)、在第二预设时间内至少有两次呼吸以及流量值的幅值在第三预设时间(例如1分钟)内恢复至正常幅值，则确定用户发生1次低通气事件；

如果滤波后的流量曲线中的流量值的幅值降低至第一预设幅值(例如降低至基础幅值的30％)以上且在第二预设幅值(例如降低至基础幅值的10％)以下，则确定用户发生呼吸努力相关的微觉醒事件，其中，第一预设幅值小于第二预设幅值；其中，每次呼吸的流量值的幅值计算方法为：对滤波后的流量曲线找出最大值max和最小值min，得到幅值为F＝max-min。

也就是说，在确定用户是发生低通气事件还是呼吸努力相关的微觉醒事件时，通过滤波后的流量曲线可以看出，每次呼吸的流量曲线幅度逐渐变小，之后又逐渐回升，而根据变小的程度不同而确定是低通气事件还是呼吸努力相关的微觉醒事件。

在一优选的实施例中，在确定用户是发生低通气事件还是呼吸努力相关的微觉醒事件时，可以构建一个3分钟的滑动时间窗，当时间窗为空的时候，评估当前用户的呼吸是否平稳(即是否正常呼吸)，当用户连续3次呼吸的流量幅度都相差不超过10％，则认为当前用户的呼吸处于平稳状态，适于构建时间窗。此时，将这3次的流量幅值都放入时间窗内，作为最初的数据，之后每得到一个呼吸的流量幅值，都与时间窗内已有的数据进行比较，若当前的流量幅值F0小于时间窗内的所有流量幅值的平均值F超过10％，则不更新时间窗，而是进行低通气事件或者呼吸努力相关的微觉醒事件的判断。如果流量幅值F0不小于平均值F的90％，则更新时间窗。当出现至少两次流量幅值F0小于平均值F的90％的时候，就需要确定是否出现低通气事件或者呼吸努力相关的微觉醒事件，当流量幅值F0小于平均值F的90％但没有达到70％的状态持续超过10S，并且有至少两次呼吸时，确定为呼吸努力相关的微觉醒事件；当流量幅值F0小于平均值F的70％的状态持续超过10S，并且有至少两次呼吸，确定为低通气事件。最后，如果在1分钟内呼吸幅值恢复到流量幅值F0的90％以上，则确定用户发生低通气事件或呼吸努力相关的微觉醒事件，此时需要清空时间窗的数据，重新进行时间窗的构建。如果在1分钟呼吸幅值仍然没有恢复到F0的90％以上，则直接清空时间窗，重新构建，同时确定用户未发生低通气事件或者呼吸努力相关的微觉醒事件。

在滤波后的压力曲线中，获取在第四预设时间(例如10秒)内压力值大于第一预设压力阈值(例如比压力平均值大0.1cm H₂O)的波峰值的集合，以及在第四预设时间内压力值小于第二预设压力阈值(例如比压力平均值小0.1cm H₂O)的波谷值的集合，若波峰值的集合中的元素及波谷值的集合中的元素的数量均大于预设数量阈值(例如5个)，或者，若波峰值的集合中的元素及波谷值的集合中的元素的数量均小于等于预设数量阈值(例如5个)，且波峰值的集合中的每一元素均大于第三预设压力阈值(例如比压力平均值大0.2cm H₂O)或者所述波谷值的集合中的每一元素均小于第四预设压力阈值(例如比压力平均值小0.2cm H₂O)，则确定用户发生鼾声事件。其中，第三预设压力阈值比第一预设压力阈值大，第四预设压力阈值比第二预设压力阈值小。

具体地，可以作图进一步进行说明，如图3所示，通带滤波器过滤后的压力曲线记为L1，低通滤波器滤波后的压力曲线记为L2，背景噪声造成的压力波动通常在一个很小的范围，如正负0.05cm H₂O。设A＝0.1cm H₂O，那么可以得到两条与L1平行的曲线：L1+A、L1-A。当用户发生鼾声事件时，L2必定会上下穿越L1+A及L1-A。

在图3中，波峰值的集合为P2、P4、P6、P8、P10、P12，波谷值的集合为P1、P3、P5、P7、P9、P11，其中，P5与P6之间的波峰值不大于L1+A，波谷值不小于L1-A，因此不符合要求，同理，P9与P10之间的波峰值及波谷值也不符合要求。

其中，呼吸暂停事件包括阻塞型呼吸暂停事件及中枢型呼吸暂停事件，用户在发生这两种睡眠呼吸事件时需要采用不同的措施。

在一优选的实施例中，可以进一步区分阻塞型呼吸暂停事件及中枢型呼吸暂停事件，如图4及图5所示，图4为阻塞型呼吸暂停事件对应的流量-压力曲线，图5为中枢型呼吸暂停事件对应的流量-压力曲线。从图中可以看出，阻塞型呼吸暂停事件对应的流量-压力曲线中，流量与压力的曲线的形态基本一致，而中枢型呼吸暂停事件对应的流量-压力曲线中，两者的形态具有较大差异，而最主要的差别就在于波形的凸起部分。因此，本实施例选取曲线的峰度因子来描述不同的曲线。第一确定单元具体用于分别计算流量曲线和压力曲线的峰度因子Kf和Kp，计算公式为：其中yi表示第i个样本的值，Y表示全部样本的平均值，N代表样本个数，S表示标准差。若流量曲线的峰度因子与压力曲线的峰度因子的差值不大于预设阈值(即Kf和Kp相差不超过0.5)，则用户发生阻塞型呼吸暂停事件，否则用户发生中枢型呼吸暂停事件。

在一优选的实施例中，上述第一调整模块101包括：

第一调整单元，用于在用户发生阻塞型呼吸暂停事件或中枢型呼吸暂停事件时，获取用户正常呼吸时的呼吸频率B及吸气呼气时间比值R，根据所述呼吸频率B及吸气呼气时间比值R计算吸气呼气时间比值Rie，将呼吸机的呼吸频率调整为用户正常呼吸时的呼吸频率的1.2倍，按照吸气呼气时间比值Rie提供机控通气，同时按照以下方式调整呼吸机的压力：若在第五预设时间(例如5分钟)内发生至少两次阻塞型呼吸暂停事件，则在15秒内以线性的方式将所述呼吸机的吸气压力及呼气压力分别升高至少1cm H₂O，其中，呼吸机调整前的呼气压力为用户当前正在使用的呼气气道正压(Expiratory Positive Airway Pressure，EPAP)或者持续正压(Continuous Positive Airway Pressure，CPAP)；

第二调整单元，用于在第六预设时间(例如5分钟)内，若用户发生至少3次低通气事件，或者用户发生1次低通气事件及1次阻塞型呼吸暂停事件，或者用户发生5次呼吸努力相关的微觉醒事件，则在第七预设时间(例如15秒)内以线性的方式将呼气压力升高至少1cm H₂O；

第三调整单元，用于在第八预设时间(例如3分钟)内，若用户至少有两个呼吸周期发生了鼾声事件，则在第九预设时间(例如15秒)内以线性的方式将呼气压力升高至少1cm H₂O。

优选地，上述第一调整单元具体用于根据所述呼吸频率B及吸气呼气时间比值R计算吸气压力提供时间Ti：Ti＝(60/(1+R))/1.2B；根据所述吸气压力提供时间Ti及呼吸频率B计算呼气压力提供时间Te：Te＝60/1.2B-Ti；计算所述吸气呼气时间比值Rie＝Ti/Te。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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。