一种非接触式的睡眠呼吸信号获取方法和装置

本发明涉及生命体征监测，特别是涉及一种非接触式的睡眠呼吸信号获取方法和装置。

背景技术：

1、随着社会经济技术的发展和生活水平的提高，人们对自身健康的关注度也越来越高，对日常的健康监测需求越来越大。呼吸是最基本的人体生命体征，人体的病态体征往往会从异常的睡眠呼吸上反映出来，因此，实现睡眠呼吸的日常实时监测对人体健康评估和疾病预防有着重要意义。

2、睡眠呼吸暂停低通气综合症是指在指定时间段内，呼吸暂停(睡眠状态下的口鼻气流停止)和低通气(睡眠状态下口鼻气流强度降到正常值30％以下)出现的次数超过一定的范围。该病的严重程度可以通过呼吸暂停低通气指数(ahi)即每小时出现的呼吸事件次数来评估。此病症发病率高但不易察觉，在无法及时确诊并得到必要医疗干预的情况下，轻则影响正常的睡眠质量，重则诱发其他严重疾病甚至发生猝死。

3、当前，现有的呼吸事件检测方法包括鼻气流检测、胸腹带检测、睡眠图像识别和鼾声检测等。鼻气流和胸腹带检测相对准确，然而，由于需要在使用者身上佩戴设备，这影响了使用者的睡眠，同时，佩戴设备的位置和固定程度严重影响生理信号采集的稳定性；后两种方法无需佩戴设备，不影响使用者睡眠，但却受到实际的睡眠环境影响较大，背景色、背景光、环境噪声都会严重影响检测结果。因此，急需一种不影响使用者睡眠且能在睡眠中持续可靠工作的呼吸事件检测方法。

技术实现思路

1、鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种非接触式的睡眠呼吸信号获取方法和相应的一种非接触式的睡眠呼吸信号获取装置。

2、为了解决上述问题，一方面，本发明实施例公开了一种非接触式的睡眠呼吸信号获取方法，包括：

3、获取睡眠呼吸的振动信号，并将所述振动信号转换为数字电信号；其中，所述振动信号包括呼吸信号、体动信号、心跳信号和噪声；

4、从所述数字电信号中提取与睡眠呼吸对应的呼吸信号，并得到与所述呼吸信号对应的波形图；

5、通过预设的滑动窗口对所述波形图进行分析与计算，根据滑动窗口中的波峰与波谷确定与所述呼吸信号对应的若干个呼吸特征参数，所述呼吸特征参数包括呼吸时长、呼吸曲线下面积、呼吸曲线半高宽、呼吸曲线偏度、呼吸峰谷值、吸气时长、吸气曲线下面积、吸气平均斜率、呼气时长、吸气与呼气时长占比、呼吸幅度下降参数；

6、将所述呼吸特征参数输入预设呼吸信号分类模型，通过所述呼吸信号分类模型对所述呼吸信号进行分类，并得到分类结果，所述分类结果包括与所述呼吸信号对应的每个呼吸周期的呼吸状态，所述呼吸状态包括正常呼吸状态、低通气状态和呼吸暂停状态；

7、计算睡眠呼吸过程中的低通气状态次数和呼吸暂停状态次数，并根据所述低通气状态次数和所述呼吸暂停状态次数判断睡眠中呼吸事件的风险。

8、可选的，所述通过所述呼吸信号分类模型对所述呼吸信号进行分类，包括：

9、将呼吸信号按照滑动步长打上状态标签，所述状态标签包括正常呼吸状态标签n、低通气状态标签a和呼吸暂停状态标签h；其中，若所述滑动窗口内包含呼吸暂停状态则状态标签为a，若不包含呼吸暂停状态但包含低通气状态则状态标签为h，若不包含呼吸暂停状态且不包含低通气状态则状态标签为n；

10、根据所述滑动窗口的滑动步长对连续呼吸信号进行分类，进而获得对应的连续呼吸状态标签；

11、将睡眠呼吸过程中呼吸信号连续标记为a或h的标签合并。

12、可选的，在将睡眠呼吸过程中呼吸信号连续标记为a或h的标签合并后，所述方法还包括：

13、计算每个滑动窗口对应的合并后的连续呼吸状态标签的呼吸时长；

14、判断所述连续呼吸状态标签的呼吸时长是否大于预设时长；

15、若所述呼吸时长小于预设时长，则将所述合并后的连续呼吸状态标签修正判定为正常呼吸的标签n；

16、若所述呼吸时长大于或等于预设时长，则将所述合并后的连续呼吸状态标签对应的一段呼吸信号标记为呼吸事件，并计算呼吸事件时长t_event。

17、可选的，所述预设时长为10秒。

18、可选的，所述滑动窗长为120秒，滑动步长为1秒。

19、可选的，从所述数字电信号中提取与睡眠呼吸对应的呼吸信号，包括：

20、在所述数字电信号中设置硬阈值，结合短时傅里叶变换中的时频分布识别体动信号，并对所述体动信号进行过滤；

21、对过滤体动信号后的数字电信号进行平滑滤波，滤除心跳和噪声，得到与睡眠呼吸对应的呼吸信号，并通过预设的滑动窗计算呼吸特征参数。

22、可选的，所述将所述呼吸特征参数输入预设呼吸信号分类模型，通过所述呼吸信号分类模型对所述呼吸信号进行分类，并得到分类结果，包括：

23、计算窗内每个呼吸周期的呼吸时长t_bre、呼吸曲线下面积s_bre，呼吸曲线半高宽fwhm_bre，呼吸曲线偏度skew_bre，呼吸峰谷值pp_bre，吸气时长t_inh、吸气曲线下面积s_inh，吸气曲线平均斜率k_inh，呼气时长t_exh和，吸气与呼气时长比ratio_in2ex，呼吸幅度下降参数drop_pp；

24、可选的，所述方法还包括：计算睡眠呼吸对应的睡眠时间t_sleep，t_sleep＝总睡眠时间-所有体动间隔时间小于2分钟的时间-所有体动本身的持续时间；

25、所述根据所述低通气状态次数和所述呼吸暂停状态次数判断睡眠呼吸事件的状况，包括：

26、将发生低通气事件的总次数记为h_event_sum，发生呼吸暂停事件的总次数记为a_event_sum；

27、计算与睡眠呼吸对应的呼吸暂停低通气指数ahi；

28、其中，ahi＝(h_event_sum+a_event_sum)/t_sleep；

29、若ahi<5，睡眠呼吸状况正常；

30、若5≤ahi<15，睡眠呼吸低风险；

31、若15≤ahi<30，睡眠呼吸中风险；

32、若ahi≥30，睡眠呼吸高风险。

33、另一方面，本发明实施例公开了一种非接触式的睡眠呼吸信号获取装置，包括：

34、信号采集模块，用于获取睡眠呼吸的振动信号，并将所述振动信号转换为数字电信号；其中，所述振动信号包括呼吸信号、体动信号、心跳信号和噪声；

35、呼吸信号获取模块，用于从所述数字电信号中提取与睡眠呼吸对应的呼吸信号，并得到与所述呼吸信号对应的波形图；

36、呼吸信号处理模块，用于通过预设的滑动窗口对所述波形图进行分析与计算，根据滑动窗口中的波峰与波谷确定与所述呼吸信号对应的若干个呼吸特征参数，所述呼吸特征参数包括呼吸时长、呼吸曲线下面积、呼吸曲线半高宽、呼吸曲线偏度、呼吸峰谷值、吸气时长、吸气曲线下面积、吸气平均斜率、呼气时长、吸气与呼气时长占比、呼吸幅度下降参数；

37、呼吸状态分类模块，用于将所述呼吸特征参数输入预设呼吸信号分类模型，通过所述呼吸信号分类模型对所述呼吸信号进行分类，并得到分类结果，所述分类结果包括与所述呼吸信号对应的每个呼吸周期的呼吸状态，所述呼吸状态包括正常呼吸状态、低通气状态和呼吸暂停状态；

38、睡眠呼吸质量判断模块，用于计算睡眠呼吸过程中的低通气状态次数和呼吸暂停状态次数，并根据所述低通气状态次数和所述呼吸暂停状态次数判断睡眠中呼吸事件的风险。

39、可选的，所述呼吸状态分类模块包括：

40、第一状态标签标记子模块，用于将呼吸信号按照滑动步长打上状态标签，所述状态标签包括正常呼吸状态标签n、低通气状态标签a和呼吸暂停状态标签h；其中，若所述滑动窗口内包含呼吸暂停状态则状态标签为a，若不包含呼吸暂停状态但包含低通气状态则状态标签为h，若不包含呼吸暂停状态且不包含低通气状态则状态标签为n；

41、第二状态标签标记子模块，用于根据所述滑动窗口的滑动步长对连续呼吸信号进行分类，进而获得对应的连续呼吸状态标签；

42、第三状态标签标记子模块，用于将睡眠呼吸过程中呼吸信号连续标记为a或h的标签合并。

43、可选的，所述装置还包括：

44、呼吸时长统计模块，用于计算每个滑动窗口对应的合并后的连续呼吸状态标签的呼吸时长；

45、呼吸时长判断模块，用于判断所述连续呼吸状态标签的呼吸时长是否大于预设时长；

46、呼吸状态标签修正模块，用于若所述呼吸时长小于预设时长，则将所述合并后的连续呼吸状态标签修正判定为正常呼吸的标签n；

47、呼吸事件标记模块，用于若所述呼吸时长大于或等于预设时长，则将所述合并后的连续呼吸状态标签对应的一段呼吸信号标记为呼吸事件，并计算呼吸事件时长t_event。

48、可选的，所述预设时长为10秒。

49、可选的，所述滑动窗长为120秒，滑动步长为1秒。

50、可选的，所述呼吸信号获取模块包括：

51、体动信号过滤子模块，用于在所述数字电信号中设置硬阈值，结合短时傅里叶变换中的时频分布识别体动信号，并对所述体动信号进行过滤；

52、信号滤波子模块，用于对过滤体动信号后的数字电信号进行平滑滤波，滤除心跳和噪声，得到与睡眠呼吸对应的呼吸信号。

53、可选的，所述呼吸信号处理模块还用于计算窗内每个呼吸周期的呼吸时长t_bre、呼吸曲线下面积s_bre，呼吸曲线半高宽fwhm_bre，呼吸曲线偏度skew_bre，呼吸峰谷值pp_bre，吸气时长t_inh、吸气曲线下面积s_inh，吸气曲线平均斜率k_inh，呼气时长t_exh和，吸气与呼气时长比ratio_in2ex，呼吸幅度下降参数drop_pp；

54、可选的，所述装置还包括睡眠呼吸时间计算模块，用于计算睡眠呼吸对应的睡眠时间t_sleep，t_sleep＝总睡眠时间-所有体动间隔时间小于2分钟的时间-所有体动本身的持续时间；

55、所述睡眠呼吸质量判断模块包括：

56、呼吸事件统计子模块，用于将发生h_event事件的总次数记为h_event_sum，发生a_event事件的总次数记为a_event_sum；

57、呼吸暂停低通气指数计算子模块，用于计算与睡眠呼吸对应的呼吸暂停低通气指数ahi；

58、其中，ahi＝(h_event_sum+a_event_sum)/t_sleep；

59、若ahi<5，睡眠呼吸状况正常；

60、若5≤ahi<15，睡眠呼吸低风险；

61、若15≤ahi<30，睡眠呼吸中风险；

62、若ahi≥30，睡眠呼吸高风险。

63、另一方面，本发明的实施例还提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现该非接触式的睡眠呼吸信号获取方法的步骤。

64、另一方面，本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现该非接触式的睡眠呼吸信号获取方法的步骤。

65、本发明实施例公开了一种非接触式的睡眠呼吸信号获取方法和装置，该方法包括获取睡眠呼吸的振动信号，并将振动信号转换为数字电信号；其中，振动信号包括呼吸信号、体动信号、心跳信号和噪声；从数字电信号中提取与睡眠呼吸对应的呼吸信号，并得到与呼吸信号对应的波形图；通过预设的滑动窗口对波形图进行分析与计算，根据滑动窗口中的波峰与波谷确定与呼吸信号对应的若干个呼吸特征参数，将呼吸特征参数输入预设呼吸信号分类模型，通过所呼吸信号分类模型对呼吸信号进行分类，并得到分类结果，分类结果包括与呼吸信号对应的每个呼吸周期的呼吸状态，呼吸状态包括正常呼吸状态、低通气状态和呼吸暂停状态；计算睡眠呼吸过程中的低通气状态次数和呼吸暂停状态次数，并根据低通气状态次数和呼吸暂停状态次数判断睡眠呼吸中呼吸事件的风险。

66、本发明的技术方案具有以下有益效果：非接触式的睡眠呼吸信号获取装置中的信号采集模块可以内置于床垫中，便于在日常工作生活中实时地获取用户的睡眠呼吸信息，可实现长期连续监测，为用户建立个人健康档案；本发明基于高灵敏度振动传感器采集睡眠呼吸信号，可以提高采集信号的准确度和可靠度；本发明采用非接触式的方式获取睡眠呼吸信息，用户体验较好。