一種鼾聲分型的計算機輔助方法
2023-09-12 05:13:55 1
一種鼾聲分型的計算機輔助方法
【專利摘要】本發明公開了一種鼾聲分型的計算機輔助方法，包括：獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件，所述鼾聲間隔期為一個鼾聲結束到下一個鼾聲開始，所述呼吸紊亂事件包括低通氣、呼吸暫停；將所述鼾聲間隔期內呼吸紊亂事件上傳至處理裝置；統計所述鼾聲間隔期內呼吸紊亂事件的發生次數；根據所述鼾聲間隔期內呼吸紊亂事件的發生次數劃分鼾聲類型。採用本發明，利用處理裝置對被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件進行全自動的分析、統計並導出相應的統計結果，使得鼾聲和呼吸紊亂事件緊密結合起來，實現鼾聲的自動分類，更快捷、準確、直觀，為基於鼾聲檢測精確診斷阻塞性睡眠呼吸暫停低通氣症候群(OSAHS)提供科學依據。
【專利說明】一種鼾聲分型的計算機輔助方法【技術領域】
[0001]本發明涉及醫學領域，尤其涉及一種鼾聲分型的計算機輔助方法。
【背景技術】[0002]睡眠是維持身體健康的重要部分。阻塞性睡眠呼吸暫停低通氣症候群(obstructive sleep apnea hypopnea syndrome,0SAHS)患者睡眠時咽腔部分或全部塌陷，導致反覆出現的睡眠結構紊亂、病理性睡眠中斷、夜間睡眠低氧血症，繼發體內一系列的病理變化，嚴重危及人類的健康和安全。該病不僅對患者的生活質量產生不良影響，而且對重大疾病的臨床後果涵蓋範圍廣泛，包括白天嗜睡、神經認知功能障礙、心血管疾病(高血壓、中風，心肌梗死及心臟衰竭等)、代謝功能障礙、呼吸衰竭及肺心病等。同時，OSAHS患者睡眠質量差，易出現白天疲勞嗜睡，以致誘發工傷、交通事故和其他意外，造成社會公害。
[0003]國外資料顯示:成年人中的OSAHS的患病率達2%~7% 10，我國上海、香港等地OSAHS在成年人中的患病率分別為3.62%和4.1 %。它的人群發病率與其他慢性病如哮喘、慢性阻塞性肺疾病、2型糖尿病和冠心病的發病率相當，更為重要的是它是這些疾病加重、難治的重要因素。
[0004]打鼾是OSAHS患者最早出現、最為突出、聽得見的特徵性症狀(hallmark)。對鼾聲的產生機制和聲學特性的研究始於上世紀八十年代，研究表明OSAHS患者和單純打鼾(simple snore, SS)者的鼾聲具有不同的聲學特點，這些特點可能有助於區分二者。最近，國外學者運用聲學分析診斷0SAHS，Ben-1srael及合作者發現基於聲學分析的睡眠呼吸紊亂指數同PSG監測的結果達到80%以上的一致性，但這些研究注重整夜鼾聲的研究而缺乏對單個鼾聲的研究。所謂單純打鼾就是指打鼾後無呼吸紊亂事件，打鼾後有呼吸紊亂事件的鼾聲的特點目前缺乏研究。如果忽略OSAHS中的單純鼾聲，至少85%以上的睡眠呼吸信息將被高估或不準確，如果認識OSAHS中單純鼾聲存在，把其它鼾聲作為一種分析，至少忽略10%的呼吸紊亂事件。近年來國外學者注意鼾聲期間鼾聲特徵的分析的同時，部分學者注意到OSAHS患者鼾聲間隔期(從打鼾開始到下一個鼾聲開始)明顯短於正常打鼾者。然而鼾聲間隔期的長短僅是一表明現象，其核心即是睡眠事件，但目前學者們尚未對不同鼾聲期間睡眠事件的特點進行研究。因此我們認為，忽視鼾聲期間睡眠事件的存在可能是鼾聲分析診斷OSAHS精確度不高的原因。
【發明內容】
[0005]本發明所要解決的技術問題在於，提供一種鼾聲分型的計算機輔助方法，可實現鼾聲的自動分型、統計。
[0006]為了解決上述技術問題，本發明提供了一種鼾聲分型的計算機輔助方法，包括:獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件，所述鼾聲間隔期為一個鼾聲結束到下一個鼾聲開始，所述呼吸紊亂事件包括低通氣、呼吸暫停；將所述鼾聲間隔期內呼吸紊亂事件上傳至處理裝置；統計所述鼾聲間隔期內呼吸紊亂事件的發生次數；根據所述鼾聲間隔期內呼吸紊亂事件的發生次數劃分鼾聲類型。
[0007]作為上述方案的改進，所述處理裝置內存儲有鼾聲類型；所述鼾聲類型包括:鼾聲I型，鼾聲間隔期內無發生呼吸紊亂事件；鼾聲II型，鼾聲間隔期內發生一次呼吸紊亂事件；鼾聲III型，鼾聲間隔期內發生兩次呼吸紊亂事件；鼾聲IV型，鼾聲間隔期內發生兩次以上呼吸紊亂事件。
[0008]作為上述方案的改進，通過多導睡眠監測法獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件。
[0009]作為上述方案的改進，所述的鼾聲分型的計算機輔助方法還包括:所述處理裝置對被監測者在睡眠過程中的鼾聲類型進行統計，生成統計結果；所述統計結果包括被監測者在睡眠過程中的各鼾聲類型發生次數、發生概率。
[0010]作為上述方案的改進，所述統計結果還包括被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件的類型。
[0011]作為上述方案的改進，所述的鼾聲分型的計算機輔助方法還包括:所述處理裝置導出所述統計結果。
[0012]實施本發明，具有如下有益效果:
引入處理裝置，利用處理裝置對被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件進行全自動的分析統計，實現鼾聲的自動分類，更為快捷、準確。
[0013]另外，將處理裝置與特殊的鼾聲分型相結合，根據預存鼾聲類型對鼾聲進行分類，使得鼾聲和呼吸紊亂事件緊密結合起來。同時，處理裝置自動對睡眠過程中的各鼾聲類型的發生次數、發生概率進行自動統計並導出相應的統計結果，更為直觀，為基於鼾聲檢測精確診斷OSAHS提供科學依據。
[0014]而且，通過多導睡眠監測法獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件，使監測更為精確。
【專利附圖】
【附圖說明】
[0015]圖1是本發明鼾聲分型的計算機輔助方法的第一實施例流程圖；
圖2是本發明鼾聲分型的計算機輔助方法的第二實施例流程圖。
【具體實施方式】
[0016]為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明作進一步地詳細描述。
[0017]圖1是本發明鼾聲分型的計算機輔助方法的第一實施例流程圖，包括:
S101，獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件。
[0018]所述鼾聲間隔期為一個鼾聲結束到下一個鼾聲開始。
[0019] 所述呼吸紊亂事件包括低通氣、呼吸暫停。所述低通氣是指睡眠過程中呼吸氣流降低超過正常氣流強度的50%以上並伴有3%血氧飽和度下降；所述睡眠呼吸暫停是指睡眠過程中口鼻氣流均停止10秒以上。
[0020]優選地，所述睡眠呼吸紊亂事件根據國際睡眠標準，還可以包括呼吸努力覺醒(respiratory-effort related arousals，RERAs)。[0021]更佳地，可通過多導睡眠監測法獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件。
[0022]需要說明的是，通過多導睡眠監測法進行測量時，可通過多導睡眠監測裝置對腦電圖、眼電圖、肌電圖、口鼻氣流、胸腹呼吸運動幅度、心電圖、經皮外周血氧飽和度、鼾聲、睡眠體位等進行檢測，並根據氣流判斷低通氣，呼吸暫停事件等鼾聲間隔期內呼吸紊亂事件。
[0023]S102，將所述鼾聲間隔期內呼吸紊亂事件上傳至處理裝置。
[0024]優選地，所述處理裝置包括計算機、手機。
[0025]S103，統計所述鼾聲間隔期內呼吸紊亂事件的發生次數。
[0026]所述處理裝置對上傳的鼾聲間隔期內呼吸紊亂事件進行統計，計算出所述鼾聲間隔期內呼吸紊亂事件的發生次數。
[0027]例如，若鼾聲間隔期內出現I次低通氣、I次呼吸暫停，則處理裝置可計算出鼾聲間隔期內呼吸紊亂事件的發生次數為2次。
[0028]S104，根據所述鼾聲間隔期內呼吸紊亂事件的發生次數劃分鼾聲類型。
[0029]更佳地，所述處理裝置內存儲有鼾聲類型，處理裝置根據所述鼾聲間隔期內呼吸紊亂事件的發生次數劃分鼾聲類型。
[0030]所述鼾聲類型包括:
鼾聲I型，鼾聲間隔期內無發生呼吸紊亂事件；
鼾聲II型，鼾聲間隔期內發生一次呼吸紊亂事件；
鼾聲III型，鼾聲間隔期內發生兩次呼吸紊亂事件；
鼾聲IV型，鼾聲間隔期內發生兩次以上呼吸紊亂事件。
[0031]需要說明的是，可根據實際需求，將所述鼾聲進一步劃分為多種鼾聲類型，使不同的發生次數對應不同的鼾聲類型，使分型更為詳細具體。
[0032]由上可知，將鼾聲分型與處理裝置相結合，處理裝置將多導睡眠監測裝置獲取的被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件進行全自動的分析統計，根據預存鼾聲類型對鼾聲進行分類，使得鼾聲和呼吸紊亂事件緊密結合起來，為豐富OSAHS鼾聲的研究及基於鼾聲檢測精確診斷OSAHS提供科學依據。
[0033]圖2是本發明鼾聲分型的計算機輔助方法的第二實施例流程圖，包括:
S201，獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件。
[0034]所述鼾聲間隔期為一個鼾聲結束到下一個鼾聲開始。
[0035]所述呼吸紊亂事件包括低通氣、呼吸暫停。所述低通氣是指睡眠過程中呼吸氣流降低超過正常氣流強度的50%以上並伴有3%血氧飽和度下降；所述睡眠呼吸暫停是指睡眠過程中口鼻氣流均停止10秒以上。優選地，所述睡眠呼吸紊亂事件根據國際睡眠標準，還可以包括呼吸努力覺醒(respiratory-effort related arousals , RERAs)。
[0036]更佳地，可通過多導睡眠監測法獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件。
[0037]S202，將所述鼾聲間隔期內呼吸紊亂事件上傳至處理裝置。優選地，所述處理裝置包括計算機、手機。
[0038]S203，統計所述鼾聲間隔期內呼吸紊亂事件的發生次數。[0039]S204，根據所述鼾聲間隔期內呼吸紊亂事件的發生次數劃分鼾聲類型。
[0040]更佳地，所述處理裝置內存儲有鼾聲類型，處理裝置根據所述鼾聲間隔期內呼吸紊亂事件的發生次數劃分鼾聲類型。
[0041]所述鼾聲類型包括:
鼾聲I型，鼾聲間隔期內無發生呼吸紊亂事件；
鼾聲II型，鼾聲間隔期內發生一次呼吸紊亂事件；
鼾聲III型，鼾聲間隔期內發生兩次呼吸紊亂事件；
鼾聲IV型，鼾聲間隔期內發生兩次以上呼吸紊亂事件。
[0042]需要說明的是，可根據實際需求，將所述鼾聲進一步劃分為更多種鼾聲類型，使不同的發生次數對應不同的鼾聲類型，使分型更為詳細具體。
[0043]S205，所述處理裝置對被監測者在睡眠過程中的鼾聲類型進行統計，生成統計結
果O
[0044]所述統計結果包括被監測者在睡眠過程中的各鼾聲類型發生次數、發生概率。
[0045]需要說明的是，研究表明OSAHS患者鼾聲期間存在:1、鼾聲間隔期內無發生呼吸紊亂事件；2、鼾聲間隔 期內發生僅一次呼吸紊亂事件；3、鼾聲間隔期內發生兩次及兩次以上呼吸紊亂事件。其中，無呼吸紊亂事件的鼾聲間隔期發生率較高，二次及多次呼吸紊亂事件的鼾聲間隔期的次數客觀存在且多於單次呼吸紊亂事件的鼾聲間隔期的次數。因此，對睡眠過程中的各鼾聲類型的發生次數、發生概率進行統計可為基於鼾聲檢測精確診斷OSAHS提供科學依據。
[0046]優選地，所述統計結果還包括被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件的類型。
[0047]所述呼吸紊亂事件的類型包括低通氣、呼吸暫停。如:
鼾聲II型，包括低通氣或呼吸暫停；
鼾聲III型，包括低通氣和低通氣、低通氣和呼吸暫停、呼吸暫停和低通氣、呼吸暫停和呼吸暫停；
鼾聲IV型，包括低通氣、呼吸暫停多次交替或重複發生。
[0048]例如，被監測者在睡眠過程中產生兩個鼾聲間隔期內，其中，第一個鼾聲間隔期內產生一次低通氣事件，第二個鼾聲間隔期內產生一次呼吸暫停事件。則，在統計結果中可統計出被監測者在睡眠過程中共產生兩個鼾聲II型，並指出鼾聲II型包括一次低通氣事件，第二個鼾聲II型包括一次呼吸暫停事件。
[0049]優選地，所述統計結果還包括各鼾聲的發生時間、發生間隔等，實現對鼾聲的詳細分析。
[0050]S206，所述處理裝置導出所述統計結果。所導出的統計結果，直觀、清晰，為精確診斷OSAHS提供科學依據。
[0051]由上可知，處理裝置將多導睡眠監測裝置獲取的被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件進行全自動的分析統計，根據預存鼾聲類型對鼾聲進行分類，使得鼾聲和呼吸紊亂事件緊密結合起來。同時，對睡眠過程中的各鼾聲類型的發生次數、發生概率進行統計並導出統計結果，為基於鼾聲檢測精確診斷OSAHS提供科學依據。
[0052]以上所述是本發明的優選實施方式，應當指出，對於本【技術領域】的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也視為本發明的保護範圍。`
【權利要求】
1.一種鼾聲分型的計算機輔助方法，其特徵在於，包括: 獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件，所述鼾聲間隔期為一個鼾聲結束到下一個鼾聲開始，所述呼吸紊亂事件包括低通氣、呼吸暫停； 將所述鼾聲間隔期內呼吸紊亂事件上傳至處理裝置； 統計所述鼾聲間隔期內呼吸紊亂事件的發生次數； 根據所述鼾聲間隔期內呼吸紊亂事件的發生次數劃分鼾聲類型。
2.如權利要求1所述的鼾聲分型的計算機輔助方法，其特徵在於，所述處理裝置內存儲有鼾聲類型； 所述鼾聲類型包括: 鼾聲I型，鼾聲間隔期內無發生呼吸紊亂事件； 鼾聲II型，鼾聲間隔期內發生一次呼吸紊亂事件； 鼾聲III型，鼾聲間隔期內發生兩次呼吸紊亂事件； 鼾聲IV型，鼾聲間隔期內發生兩次以上呼吸紊亂事件。
3.如權利要求1所述的鼾聲分型的計算機輔助方法，其特徵在於，通過多導睡眠監測法獲取被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件。
4.如權利要求1所述的鼾聲分型的計算機輔助方法，其特徵在於，還包括:所述處理裝置對被監測者在睡眠過程中的`鼾聲類型進行統計，生成統計結果； 所述統計結果包括被監測者在睡眠過程中的各鼾聲類型發生次數、發生概率。
5.如權利要求4所述的鼾聲分型的計算機輔助方法，其特徵在於，所述統計結果還包括被監測者在睡眠過程中鼾聲間隔期內呼吸紊亂事件的類型。
6.如權利要求4或5所述的鼾聲分型的計算機輔助方法，其特徵在於，還包括:所述處理裝置導出所述統計結果。
【文檔編號】A61B5/00GK103690147SQ201310715342
【公開日】2014年4月2日 申請日期:2013年12月23日 優先權日:2013年12月23日
【發明者】張孝文, 宋麗娟, 金輝, 李燕妹, 李帥, 盧穎深 申請人:廣州醫科大學附屬第一醫院