一种呼吸数据处理方法及装置与流程

本发明涉及医疗技术领域，尤其涉及一种呼吸数据处理方法及装置。

背景技术：

生理信号中的呼吸信号是一类重要的时间序列信号，可以从不同传感器设备(胸带、脉搏等)获取，对呼吸信号进行分析并挖掘其中的异常呼吸信号，并分析其对应的呼吸事件能够对很多医学方面的研究有极大的帮助。

现有的对呼吸信号进行处理的方法有：专利CN102266609A公开了一种呼吸机的数据处理方法及装置、呼吸机。其中，该呼吸机的数据处理方法包括：呼吸机读取用户配置数据；所述呼吸机获取监测数据；所述呼吸机根据所述用户配置数据显示所述监测数据的方法；该方法能够使呼吸机能够根据用户的需求显示相关的监测信息。专利CN105832334A提供了一种呼吸分析装置、呼吸采集装置、数据处理方法和通信方法，该装置包括：接收器，接收呼吸采集装置无线地发送的呼吸数据；控制器，根据呼吸数据生成呼吸频率数据。该发明可以通过接收呼吸采集装置无线地发送的呼吸数据并根据呼吸数据生成呼吸频率数据，因此用户可以参考呼吸频率数据来了解患者的健康情况。

上述方案中，专利CN102266609A是通过读取用户配置数据，并结合监测数据，从而根据用户需求显示相关监测信息，其仅仅是加入了用户配置信息，并未对监测的呼吸数据进行深入分析以及挖掘；而专利CN105832334A是接收呼吸采集装置采集的原始呼吸数据，并根据呼吸数据生成呼吸频率数据，由于需要不断的实时对原始呼吸数据进行处理，效率较低，且生成的呼吸数据单一。

技术实现要素：

为解决上述技术问题，本发明实施例期望提供一种呼吸数据处理方法及装置，解决现有方案呼吸数据处理方法效率较低，且生成的呼吸数据单一的问题。

本发明的技术方案是这样实现的：

本发明实施例提供一种呼吸数据处理方法，所述方法包括：

读取预设时间段内的呼吸波形数据；

对所述呼吸波形数据进行数据拟合，得到拟合后的波形数据曲线，并根据所述波形数据曲线获取所述呼吸波形数据的波形基本信息；

结合所述波形基本信息以及预设呼气阈值和预设吸气阈值，对实时离散呼吸数据进行分析，得到实时离散呼吸数据的分析结果。

上述方案中，所述对所述呼吸波形数据进行数据拟合，得到拟合后的波形数据曲线包括：

对所述呼吸波形数据进行傅里叶变换，预估所述呼吸波形数据的周期；

将预估得到的所述周期带入最小二乘法，计算傅里叶函数的参数；

对所述呼吸波形数据进行傅里叶曲线拟合，得到拟合后的所述呼吸波形数据的傅里叶曲线。

上述方案中，所述对实时波形数据进行分析，得到实时波形数据的分析结果之后还包括：

判断得到的实时波形数据的分析结果中的呼吸周期是否属于预设呼吸周期的范围；

若不属于，则将所述呼吸周期代入拟合后的波形数据曲线，修正拟合后的波形数据曲线。

上述方案中，所述读取预设时间段内的呼吸波形数据包括：

通过传感器读取呼吸波形数据，其中，所述呼吸波形数据为呼吸幅度值。

上述方案中，所述波形基本信息包括：呼吸周期，呼气末期，吸气末期和当前呼吸时刻。

本发明还提供一种呼吸数据处理装置，所述装置包括：采集模块，用于读取预设时间段内的呼吸波形数据；

数据拟合模块，用于对所述呼吸波形数据进行数据拟合，得到拟合后的波形数据曲线，并根据所述波形数据曲线获取所述呼吸波形数据的波形基本信息；

数据分析模块，结合所述波形基本信息以及预设呼气阈值和预设吸气阈值，对实时离散呼吸数据进行分析，得到实时离散呼吸数据的分析结果。

上述方案中，所述数据拟合模块具体用于：

对所述呼吸波形数据进行傅里叶变换，预估所述呼吸波形数据的周期；

将预估得到的所述周期带入最小二乘法，计算傅里叶函数的参数；

对所述呼吸波形数据进行傅里叶曲线拟合，得到拟合后的所述呼吸波形数据的傅里叶曲线。

上述方案中，所述装置还包括：

判断模块，用于判断得到的实时波形数据的分析结果中的呼吸周期是否属于预设呼吸周期的范围；

修正模块，用于当判断出得到的实时波形数据的分析结果中的呼吸周期不属于预设呼吸周期的范围，则将所述呼吸周期代入拟合后的波形数据曲线，修正拟合后的波形数据曲线。

上述方案中，所述采集模块具体用于：

通过传感器读取呼吸波形数据，其中，所述呼吸波形数据为呼吸幅度值。

上述方案中，所述波形基本信息包括：呼吸周期，呼气末期，吸气末期和当前呼吸时刻。

本发明实施例的呼吸数据处理方法及装置，通过对一段时间内患者的呼吸数据进行收集并进行曲线拟合，根据拟合后的波形数据曲线获取呼吸波形数据的基本信息，实现对实时离散呼吸数据进行分析并挖掘，从而能够实时监控患者的健康状况。该方法提高信息获取效率，且通过分析呼吸波形数据得到的信息丰富。

附图说明

图1为本发明提供的呼吸数据处理方法实施例一的流程示意图；

图2为本发明提供的呼吸数据处理方法实施例二的流程示意图；

图3为拟合后的傅里叶曲线；

图4为应用本发明的呼吸数据处理装置对呼吸数据进行处理的流程示意图；

图5为图4中获取波形基本信息的流程示意图；

图6为本发明提供的呼吸数据处理装置实施例一的结构示意图；

图7为本发明提供的呼吸数据处理装置实施例二的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

图1为本发明提供的呼吸数据处理方法实施例一的流程示意图，如图1所示，本实施例的执行主体为呼吸数据处理装置，本发明实施例的呼吸数据处理装置可以是电脑、手机等终端。该方法包括：

步骤101：读取预设时间段内的呼吸波形数据。

在本步骤中，可以通过不同传感器设备，例如鼻部、胸带、脉搏传感器等，读取患者在预设时间段内的呼吸波形数据，比如读取N秒内患者的呼吸波形数据，该呼吸波形数据可以为呼吸大小，该大小以毫米为单位，例如为220mm,221mm,221mm…。

以鼻部呼吸传感器为例说明呼吸波形数据的采集过程。鼻部呼吸传感器感测鼻部的呼吸声音并生成呼吸数据。例如，鼻部呼吸传感器被配置成在预设的呼吸频率范围和呼吸音量范围内对呼吸气体的声音进行采集，并将在该频率范围内的声音的呼吸音量记录下来。具体地，呼吸声音的振动传到传感器的振膜上，形成变化的电流。

需要说明的是，本发明实施例所指呼吸波形数据包括但不仅限于呼吸大小，还可以为其他度量呼吸的测量值，针对不同的传感器获取的度量值不同。

步骤102：对呼吸波形数据进行数据拟合，得到拟合后的波形数据曲线，并根据波形数据曲线获取所述呼吸波形数据的波形基本信息。

在本步骤中，呼吸数据处理装置对上述采集的呼吸波形数据进行分析和学习，以获取呼吸波形数据的波形基本信息。具体的，对采集的呼吸波形数据采用傅里叶变换进行数据拟合，从而预估波形数据的周期，并得到拟合后的波形数据曲线，根据该曲线获取呼吸波形数据的波形基本信息，其中，该波形基本信息包括：呼吸周期，呼气末期，吸气末期和当前呼吸时刻。

步骤103：结合波形基本信息以及预设呼气阈值和预设吸气阈值，对实时离散呼吸数据进行分析，得到实时离散呼吸数据的分析结果。

在本步骤中，根据步骤102得到的波形基本信息，以及预设的呼气阈值和吸气阈值，对实时离散呼吸数据进行分析，得到分析结果，根据分析结果实时监控患者的健康状况。

本实施例的呼吸数据处理方法，通过对一段时间内患者的呼吸数据进行收集并进行曲线拟合，根据拟合后的波形数据曲线获取呼吸波形数据的基本信息，实现对实时离散呼吸数据进行分析并挖掘，从而能够实时监控患者的健康状况。该方法提高信息获取效率，且通过分析呼吸波形数据得到的信息丰富。

图2为本发明提供的呼吸数据处理方法实施例二的流程示意图，如图2所示，在实施例一的基础上，步骤102包括：

步骤1021：对呼吸波形数据进行傅里叶变换，预估呼吸波形数据的周期。

在本步骤中，根据傅里叶变换公式计算呼吸波形数据的周期w，其中，t为呼吸幅度，即步骤101中获取的呼吸波形数据，单位为mm。

步骤1022：将预估得到的周期带入最小二乘法，计算傅里叶函数的参数。

步骤1023：对呼吸波形数据进行傅里叶曲线拟合，得到拟合后的呼吸波形数据的傅里叶曲线。

在步骤1022和步骤1023中，根据最小二乘法公式

以及公式f(x)＝a0+a1cos(wx)+a2sin(wx)，其中，初始值a0＝0；a1＝0；a2＝0；w是通过上述傅里叶变换估计到的周期值，计算傅里叶变换的各个参数，从而得到拟合后的傅里叶曲线。

其中，具体可以采用Levenberg-Marquardt(LM)算法进行最小二乘法拟合，其原理和过程不再赘述。

图3为拟合后的傅里叶曲线，如图3所示，其中，横坐标为读入的点集序列；纵坐标为读入的呼吸传感器的数据，即呼吸波形数据，单位为mm；连续的曲线为拟合后的傅里叶曲线。

本实施例中，通过傅里叶变换快速计算呼吸波形数据的周期，作为周期初始值代入最小二乘算法的计算中，使用最小二乘算法将离散波形数据拟合成傅里叶曲线，从而实时获取每个离散呼吸数据所在呼吸周期的幅度。

进一步的，在步骤103对实时波形数据进行分析，得到实时波形数据的分析结果之后还包括：

判断得到的实时波形数据的分析结果中的呼吸周期是否属于预设呼吸周期的范围；

若不属于，则将所述呼吸周期代入拟合后的波形数据曲线，修正拟合后的波形数据曲线；

若属于，则流程结束。

在本实施例中，如果得到的呼吸周期不满足波形基本信息，则循环执行将所述呼吸周期代入拟合后的波形数据曲线的步骤，不断修正拟合后的波形数据曲线；其中，满足波形基本信息的判断依据为：是否在正常呼吸周期范围内，正常呼吸周期是3-5秒。

进一步的，所述读取预设时间段内的呼吸波形数据包括：

通过传感器读取呼吸波形数据，其中，所述呼吸波形数据为呼吸幅度值。

进一步的，所述波形基本信息包括：呼吸周期，呼气末期，吸气末期和当前呼吸时刻。

图4为应用本发明的呼吸数据处理装置对呼吸数据进行处理的流程示意图，如图4所示，该方法包括：

步骤401：系统实时获取呼吸波形数据；

步骤402：获取波形基本信息；

步骤403：设定呼气末期和吸气末期阈值；

步骤404：实时获取呼吸波形数据的分析数据；

步骤405：判断是否满足波形基本信息，如果不满足，执行步骤403，否则执行步骤406，流程结束。

步骤406：流程结束。

图5为图4中获取波形基本信息的流程示意图，如图5所示，该步骤包括：

步骤501：读入N秒的波形数据；

步骤502：通过傅里叶变换预估波形数据的周期；

步骤503：通过最小二乘法计算傅里叶拟合的各个参数；

步骤504：显示傅里叶曲线。

图6为本发明提供的呼吸数据处理装置实施例一的结构示意图；如图6所示，本发明实施例提供一种呼吸数据处理装置，该装置包括：

采集模块11，用于读取预设时间段内的呼吸波形数据；

数据拟合模块12，用于对所述呼吸波形数据进行数据拟合，得到拟合后的波形数据曲线，并根据所述波形数据曲线获取所述呼吸波形数据的波形基本信息；

数据分析模块13，结合所述波形基本信息以及预设呼气阈值和预设吸气阈值，对实时离散呼吸数据进行分析，得到实时离散呼吸数据的分析结果。

本发明实施例的呼吸数据处理装置是与实施例一的呼吸数据处理方法对应的装置实施例，其原理和效果类似，此处不再赘述。

进一步的，所述数据拟合模块12具体用于：

对所述呼吸波形数据进行傅里叶变换，预估所述呼吸波形数据的周期；

将预估得到的所述周期带入最小二乘法，计算傅里叶函数的参数；

对所述呼吸波形数据进行傅里叶曲线拟合，得到拟合后的所述呼吸波形数据的傅里叶曲线。

图7为本发明提供的呼吸数据处理装置实施例二的结构示意图；如图7所示，所述装置还包括：

判断模块14，用于判断得到的实时波形数据的分析结果中的呼吸周期是否属于预设呼吸周期的范围；

修正模块15，用于当判断出得到的实时波形数据的分析结果中的呼吸周期不属于预设呼吸周期的范围，则将所述呼吸周期代入拟合后的波形数据曲线，修正拟合后的波形数据曲线。

进一步的，所述采集模块11具体用于：

通过传感器读取呼吸波形数据，其中，所述呼吸波形数据为呼吸幅度值。

进一步的，所述波形基本信息包括：呼吸周期，呼气末期，吸气末期和当前呼吸时刻。

通过以上的方法实施例的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。