一种基于小波的呼吸机管道积液自动检测方法与流程

本发明涉及一种基于小波的呼吸机管道积液自动检测方法，可以自动实时检测管道内存在积液的情况，有效减少呼吸机管道内积液造成的呼吸机误触发以及气道管径变化造成的气流输送障碍对患者的伤害，提高呼吸机的使用水平，改善患者治疗效果。

背景技术：

呼吸机是重症监护室(intensivecareunit,icu)中最重要的生命支持设备。正确合理使用呼吸机可为呼吸衰竭的患者提供良好的机械通气支持，确保患者摄入充足的氧气，为医护人员抢救其生命提供宝贵时间。但是，如果对呼吸机使用不当则可能会引起肺损伤，并产生一系列相关并发症，如呼吸机相关性肺炎(ventilatorassociatedpneumonia,vap)。呼吸机管路内的冷凝水和病人痰液积聚是vap发生的重要原因之一。首先，它会使管路内径缩小，增加气道阻力以及患者的呼吸做功，减少潮气量。当管路内大量积液时，有引起患者窒息的危险；其次，积液为病菌繁衍提供了环境，易导致肺部的二次感染，如出现肺炎等。第三，积液会造成呼吸机流速、压力波形变化，产生误触发。呼吸机管路内积液的原因很多，包括护理人员专业知识的缺乏，未及时整理呼吸机管路和管路放置不合理，未及时倾倒接水杯，湿化灌过满等。尽管这些问题大多可通过加强培训和管理得到改善，但由于icu内医患比例较低，护士工作量极大，因而造成目前呼吸机管路内积液而未及时处理的情况普遍发生。因此，自动检测呼吸机管路内积液对于减少患者发生并发症的风险，提升患者的治疗体验具有重要的价值。

呼吸机管路内存在积液的情况下，气道压力、流速波形呈现与正常情况显著不同的特征。因此，通过对压力、流速波形信号进行分析可建立一种自动检测呼吸机管路内积液的方法。

技术实现要素：

为了解决上述技术问题，本发明采用以下技术方案：

一种基于小波的呼吸机管道积液自动检测方法，包括以下步骤：

a.基于流速波形检测吸气起点；

b.基于流速波形检测呼气起点；

c.对呼吸压力波形进行小波分解；

d.基于动态阈值的积液检测算法；

进一步，所述步骤a中，基于流速波形检测吸气起点包括以下步骤：

a1取一段包含多个呼吸周期的呼吸流速波形信号f中的最高点记为fmax，取阈值fthr＝0.7fmax；

a2计算上述呼吸流速波形信号f的一阶微分，记为d，并取一阶微分结果d中的最高点记为dmax，取阈值dthr＝0.7dmax；

a3设置当前状态为flag0；

a4遍历呼吸流速波形信号f中的每个采样点f(i)，将采样点f(i)与fthr比较；遍历呼吸流速波形一阶微分后的每个采样点d(i)并与dthr比较。若在采样时刻i同时满足f(i)大于fthr和d(i)大于dthr，则向前搜索直至采样时刻i0满足f(i0)小于零，取i0+1时刻为当前吸气的起始点，设置当前状态为flag1；

a5在flag1状态下，继续向后遍历呼吸流速波形信号f，直至采样时刻i1满足f(i1)小于-fthr，表示检测到了呼吸的中段，设置当前状态为flag2；

a6在flag2状态下，继续向后遍历呼吸流速波形信号f，直至采样时刻i2满足f(i2)大于-fthr，则表示检测到了呼气末，设置当前状态为flag0；

a7回到步骤a4继续检测吸气起点。

再进一步，所述步骤b中，基于流速波形检测呼气起点包括以下步骤：

b1根据步骤a进行吸气起点检测；

b2在流速波形中，吸气起点之后第一个小于零的采样点记为呼气起点；

更进一步，所述步骤c中，对呼吸压力波形进行小波分解与重构包括以下步骤：

c1选用小波基函数对呼吸压力波形进行分解，分解得到若干个细节信号和近似信号s；

c2利用步骤c1中分解后得到的包含积液特征的细节信号进行小波重构，得到重构信号r。

更进一步，所述步骤d中，基于动态阈值的积液检测算法包括以下步骤：

d1计算步骤c中重构信号r的均值μ和标准差std，并获得阈值thr＝μ+std。

d2定义整数n1，用来表示每个呼吸周期中重构后的波形数据大于阈值的点的数量，当n1大于3时判定当前呼吸周期满足阈值条件；

d3定义整数n2，用来表示连续满足阈值条件的呼吸周期数，当n2大于3时判定当前n2个呼吸周期存在管道内积液。

本发明的有益效果如下：呼吸周期起点检测能够准确的判断每个呼吸周期的起点；吸气呼气切换点检测能够准确的将一个呼吸周期分为吸气相和呼气相；小波分解与重构能有效提取呼吸机管道内积液的特征；基于阈值的积液判定方法能有效判定呼吸机管道内积液情况的发生，减少患者的二次伤害。

附图说明

图1为对原始呼吸数据进行呼吸周期分离的判定方法。

图2为对于呼吸数据进行小波分解与重构的方法。

图3为基于阈值的积液检测方法流程图。

具体实施方式

本发明的方案中，原始呼吸数据是由连续的呼吸周期组成的。为了便于对于每个呼吸周期进行积液的判定，本发明对原始呼吸数据进行呼吸周期的划分，使它的连续的呼吸周期划分为分离的呼吸周期。为了便于对吸气相和呼气相分别独立的分析，将连续的呼吸周期划分为独立的呼吸周期后继而对每个呼吸周期中的吸气呼气切换点进行检测。接着对呼吸压力波形进行小波分析与重构以获取积液特征波形。最后利用基于阈值的积液检测方法检测积液情况的发生。

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

图1为呼吸周期分离的方法流程图。首先设置一个标志位，其次对呼吸流速波形进行一阶微分运算。通过比较遍历点与原始数据阈值点和一阶微分阈值点的大小并结合标志位来划分呼吸周期。具体过程如下：

a.基于流速波形检测吸气起点；

a1取一段包含多个呼吸周期的呼吸流速波形信号f中的最高点记为fmax，取阈值fthr＝0.7fmax；

a2计算上述呼吸流速波形信号f的一阶微分，记为d，并取一阶微分结果d中的最高点记为dmax，取阈值dthr＝0.7dmax；

a3设置当前状态为flag0；

a4遍历呼吸流速波形信号f中的每个采样点f(i)，将采样点f(i)与fthr比较；遍历呼吸流速波形一阶微分后的每个采样点d(i)并与dthr比较。若在采样时刻i同时满足f(i)大于fthr和d(i)大于dthr，则向前搜索直至采样时刻i0满足f(i0)小于零，取i0+1时刻为当前吸气的起始点，设置当前状态为flag1；

a5在flag1状态下，继续向后遍历呼吸流速波形信号f，直至采样时刻i1满足f(i1)小于-fthr，表示检测到了呼吸的中段，设置当前状态为flag2；

a6在flag2状态下，继续向后遍历呼吸流速波形信号f，直至采样时刻i2满足f(i2)大于-fthr，则表示检测到了呼气末，设置当前状态为flag0；

a7回到步骤a4继续检测吸气起点。

b.基于流速波形检测呼气起点：

b1根据步骤a进行吸气起点检测；

b2在流速波形中，吸气起点之后第一个小于零的采样点记为呼气起点；

图2为对一个呼吸周期的压力波形数据进行db5五层小波变换的方法图。首先对压力数据进行小波变换，再对变换后的数据进行分量提取，最后通过提取的分量进行特征波形的重构，具体方法如下：

c1选用合适的小波基函数对呼吸压力波形进行分解，本实施例中以五阶daubechies(db5)小波为例进行阐述。但实际应用不限于该小波基。分解得到细节信号di(i＝1,2,3,4,5)和近似信号s；

c2对步骤c1中分解后的细节信号进行小波重构，选用d1-d3层细节信号进行重构，得到重构信号r。3层细节信号的权重分别为λ1，λ2和λ3。

图3为基于阈值的积液自动检测方法图。首先以重构后的特征信号的均值和方差的和作为阈值；其次，定义整数n1＝0，用来表示每个呼吸周期中重构后的波形数据大于阈值的点的数量，当n1大于3时判定当前呼吸周期满足阈值条件；最后定义整数n2＝0，用来表示连续满足阈值条件的呼吸周期数，当n2大于3时判定当前n2个呼吸周期存在管道内积液，具体方法如下：

d1计算步骤c中重构信号r的均值和标准差，以均值和标准差的和作为检测积液的阈值。如公式(1)-(3)所示，ri是重构信号的每个采样点，μ是重构信号的均值，std是重构信号标准差，thr是阈值。

thr＝μ+std(3)

d2定义整数n1＝0，用来表示每个呼吸周期中重构后的波形数据大于阈值的点的数量，当n1大于3时判定当前呼吸周期满足阈值条件；

d3定义整数n2＝0，用来表示连续满足阈值条件的呼吸周期数，当n2大于3时判定当前n2个呼吸周期存在管道内积液。若n2小于等于3时，某次呼吸未满足d2所述的条件，则将n2清零。

通过上述步骤能够有效地将连续的呼吸周期分为独立的呼吸周期，较好地检测吸气呼气切换点，准确地对积液进行检测。

在临床采集了3位病人共1161次呼吸，其中739次有积液波形，422次无积液波形。经算法检测，灵敏度达到98.7％，特异度100％。