腕表式睡眠呼吸暂停监测系统设计

设计了一种便携的腕表式睡眠呼吸暂停监测系统,避免了住院监测带来的高费用和低舒适度.以STM32为处理核心,通过控制传感器,实时监测用户的呼吸气流、血氧饱和度、心电图和胸腹运动情况,判断是否发生了呼吸暂停,记录并显示整晚呼吸暂停的总次数,同时将所测生理参数通过低功耗蓝牙发送到智能手机或平板应用程序,供医生进一步分析.将系统与标准多导睡眠仪测试结果对比,两者测得的呼吸暂停低通气指数(AHI)相关性和一致性较好.系统简便实用、测量结果可靠,扩大了睡眠呼吸暂停综合征的筛查人群.     

基于LabVIEW的睡眠呼吸暂停检测与远程监护

睡眠呼吸暂停综合症(SAS)是一种发病率极高的睡眠呼吸疾病,严重影响人的睡眠质量;针对目前SAS的检测尚未普及,研究了一种家用简易型的检测方法;通过实时采集被测者的呼吸信号,利用LabVIEW对信号进行分析处理判断发生睡眠呼吸暂停的情况,呼吸暂停每小时出现5次以上或7小时的睡眠中出现30次以上,即诊断为患有SAS,经实验证明该方法可实现对SAS的初步筛查;通过互联网,可使医护人员对被测者进行远程监护,该方法对SAS的预防和早期诊断具有重要价值.     

一种基于新型传感器的便携式睡眠呼吸暂停监测仪

介绍了一种基于胸腹运动检测法,应用压电薄膜式传感器设计的新型便携式睡眠呼吸暂停监测仪,为睡眠呼吸暂停的普及检测提供了一种简易手段。     

非入侵式睡眠呼吸监测系统的设计与实现

根据养老院、医院等特殊区域人群的睡眠呼吸监护需求,设计了非入侵式柔性压感睡眠呼吸监测系统。系统通过硬件电路设计,采集人体睡眠时的呼吸信号,并进行消噪、去趋势等预处理。在硬件终端中通过呼吸信号的幅度和周期的特征区分呼吸类别,并实时判断是否发生了呼吸暂停,记录暂停的时刻与持续时长,并将数据通过蓝牙传至手机,在手机APP上可绘制实时波形,手机把数据上传至云平台。PC端软件可从云平台获取数据,绘制拟合呼吸信号曲线,判定记录睡眠数据。经实验测试,系统判定呼吸次数与实际基本一致,并可准确判断呼吸暂停情况,满足长程实现睡眠呼吸监测的要求。     

一种新型睡眠呼吸暂停诊治仪

介绍了一种基于胸腹运动检测法,应用压电薄膜式传感器的新型便携式睡眠呼吸暂停监测仪的原理和应用,为睡眠呼吸暂停征的普及检测提供了一种简易手段。     

一种检测睡眠呼吸暂停和阻塞的新方法

呼吸机对阻塞性睡眠呼吸暂停综合症OSAS(Obstructive Sleep Apnea Syndrome)的治疗安全有效,其与患者的顺应性是决定治疗效果和呼吸舒适性的关键因素。根据压差传感器采集到的呼吸信号波形的特点,提出一种实时检测睡眠呼吸暂停SA(Sleep Apnea)和判断阻塞的方法,其结果可用于自适应地调节呼吸机输出气流压力大小。将此方法同时应用于ResMed呼吸机与自行设计呼吸机进行对比实验,结果表明该方法实时有效,可以有效提高治疗的顺应性。     

基于声音采集方案的睡眠呼吸监测系统设计

睡眠-呼吸暂停综合症危及人体呼吸睡眠质量,影响人体血液氧含量,加重人体大脑、肌肉等组织缺氧风险。临床上,传统呼吸暂停综合征治疗中,由于时间和场地限制,医生往往只能根据病人或其家属口述判断病情,无法对患者的呼吸状况及治疗方案效果做出直观的评价。为了方便记录患者睡眠呼吸状况,提出了一种基于声音采集方案的睡眠呼吸监测系统,以驻极体式声音传感器为采样前端,结合STM32平台和Fatfs文件系统实现呼吸声音的采集和存储,采用阈值分割法借助Matlab进行数据处理。结果表明,本系统可实现对监测数据的存储、读取、分析和波形显示。该系统便于使用、精度高、工作稳定可靠,可直观的反映出病人睡眠呼吸状况,呼吸频率计算值与实际值误差在10%以内,具有较高的临床应用价值。     

基于PVDF压电薄膜的阻塞型呼吸暂停监测方法

介绍了一种基于压电信号的阻塞型睡眠呼吸暂停监测方法。聚偏氟乙烯(PVDF)压电薄膜可以采集到人躺在床上时由于胸腔振动而产生的压电信号。采集到的压电信号经过电荷放大和滤波之后由微控制器经过模/数(A/D)采样转换为数字信号。数字化的压电信号经过算法处理得出阻塞型呼吸暂停出现的次数以实现对阻塞型呼吸暂停的监测。经过初步的实验证明,提出的方法的监测准确率大于90%。基本满足睡眠呼吸暂停监测的需求。     

基于X线的成人OSA计算机辅助诊断综述

阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea,OSA）是成年人较为常见的呼吸类疾病之一,该疾病的特点是睡眠过程中频繁出现上气道完全或部分塌陷,严重影响人们的睡眠质量以及身体健康。阻塞性睡眠呼吸暂停综合征的诊断主要依靠多导睡眠监测,但这种方法无法满足目前大量的诊断需求。随着人工智能的出现及发展,假设深度学习可以有效地协助医生进行诊断该综合征。主要从阻塞性睡眠呼吸暂停的临床诊断方式出发,介绍了颅面侧位片作为诊断数据集的优势,以及人工智能诊断OSA的现状,提出了人工智能辅助医师诊断OSA的技术路线,分析了目前该诊断系统仍然存在的问题和挑战。     

基于模糊PID的睡眠呼吸机控制系统设计

持续气道正压(Continuous Positive Airway Pressure,CPAP)通气是目前治疗阻塞性睡眠呼吸暂停(Obstructive sleep apnea,OSA)最为有效的方式之一。但在实际应用中,由于受到患者自主呼吸的影响,使得气道压力很难保持稳定。为了降低患者自主呼吸对设定压力的干扰,以及消除患者呼气时的憋闷感,模糊PID控制方法被应用于睡眠呼吸机CPAP的压力控制上。本文介绍了硬件系统结构并通过查询模糊规则表的方法实现了Fuzzy PID的算法,最后,使用了气体流量分析仪(VT PLUS HF)对治疗时的压力曲线进行了测试。结果表明,压力的波动性满足了睡眠呼吸暂停治疗设备的相关标准。     

用于呼吸暂停综合症的呼吸监测系统的研制

睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种发病率高,具有潜在危险性的疾病.其分析诊断主要依赖于多参数自动监测仪,其中呼吸参数是重要的检测参数.本文研究了基于温感式检测法的检测原理,分析了传感器的动态特性,探讨了干扰产生的原因,提出了干扰的抑制方法,设计了相关的检测电路和数据采集电路,实现了呼吸参数的检测.     

远程睡眠呼吸暂停报警监护仪

本文主要介绍了一款能够定时开机,并具有睡眠呼吸暂停报警功能的能够监测睡眠呼吸紊乱疾病的诊断筛查设备,仪器具有:鼻气流/鼾声、血氧饱和度、脉搏数据实时监测功能,并据此生成诊断报告,供临床筛查或进一步研究使用。仪器使用时如果有呼吸暂停发生,则可通过蜂鸣器发出报警信号以提示旁人进行一定的处理或唤醒病人进行睡眠状态调整。实现了实时监控的目的,同时记录下病例,可通过PC机系统分析软件对病例进行自动分析,也可以发至远程网络终端由专家进行远程诊断,实现患者足不出户就能检测的目的。     

基于ARM的呼吸暂停综合征检测系统

阻塞型睡眠呼吸暂停综合征（Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS）是一种常见的呼吸睡眠疾病，它会降低人们的睡眠质量，使人们产生疲惫感，更严重地会危害人们的身心健康。研究设计了一种基于ARM的OSAHS检测系统，系统以i.MX6ULL作为硬件主控，采用嵌入式Linux系统为软件平台，具有鼾声采集处理、检测分类、传输等功能，与云平台建立完整的OSAHS检测系统，并且通过与标准多导睡眠监测仪（PSG）设备对比检测效果达到83.9%，达到初筛的作用，具有较强的辅助诊断应用价值。     

可穿戴式人体呼吸状态监测系统的设计

设计了一种基于蓝牙的可穿戴式睡眠呼吸暂停低通气综合征监测装置,通过该装置可以实时检测到睡眠呼吸暂停低通气综合征病人的睡眠呼吸状态。可穿戴技术实现基本生理信号的低负荷获取;蓝牙实现呼吸数据短距离无线传输且方便与PDA或Android智能手机等手持终端通信,保证了对病人的连续实时监测。     

DP801睡眠呼吸监测装置的制作

一、简介: 睡眠呼吸监测装置是一种对于病人生命安全的监护设备,主要用来对打鼾的人或新生儿在睡眠时出现呼吸困难甚至窒息现象进行全夜的长时间呼吸监测。通过监测病人出现呼吸暂停的程度,可以初步判断病人是否患有睡眠呼吸暂停症或呼吸障碍。当病人出现危及生命的窒息现象时,该装置还可以自动报警。这个监测装置主要由呼吸传感器、接口电路、DP801单片机三部分组成。     

AMS 6915压力传感器在睡眠健康中的应用

睡眠呼吸暂停是一种影响人类睡眠健康的常见疾病,然而许多患者通常并不知道他们患有此类疾病.如今,随着现代医疗技术的不断进步,此类疾病的诊断和治疗可以非常简单地在家中进行.高精度和小型化的压力测量技术可以在后台独立地进行工作,不仅可以帮助和改善受此影响的病人的生活,同时在降低医疗保健系统的成本方面有着很大的作用.文章叙述了...     

基于测量呼吸声音监护睡眠状态的研究

在本文中,提出了一种通过测量整晚呼吸声音监护睡眠质量的方法。通过本方法,仅通过采集呼吸声音,通过分析成功高效的将睡眠分了几个阶段。实验对象的呼吸声音通过蓝牙声音传感器把声音录下来,通过设备传输到服务器进行解析,把声音在时域和频域提取特征值,能够将整晚的睡眠状态进行分类,实验证明了本方法的有效性。     

多模态融合的特征提取方法在SA检测中的应用

为解决睡眠呼吸暂停(Sleep Apnea, SA)检测中使用传统的机器学习方法需花大量工作在特征工程上导致效率低下,以及模型多以单通道信号进行特征提取存在识别效果不佳的问题,提出一种基于时序卷积网络(Temporal Convolutional Network, TCN)和堆叠稀疏降噪自编码器(Stacked Sparse Denoismg Auto-Encoder, SSDAEs)的多模态特征融合模型来实现特征自动提取。该模型以心电和呼吸2种信号作为输入,首先利用TCN网络提取输入信号的时序特征,然后通过SSDAEs提取信号的浅层与深层的高维特征,对于不同特征空间的心电信号特征和呼吸信号特征采用一个小型神经网络进行特征融合,将该模型与随机森林算法结合,用于解决SA片段检测问题。实验结果表明,该方法在SA片段检测的准确率、灵敏度、特异性分别是91.5%、88.9%、90.8%。通过与以往相关研究对比,验证了该模型的SA检测性能更好,效率更高。     

儿童阻塞性睡眠呼吸暂停计算机人脸辅助诊断综述

利用人脸图片辅助诊断儿童阻塞性睡眠呼吸暂停（OSA）可以减轻医生的负担,提高诊断的准确率。首先,简要阐述了目前儿童OSA临床诊断中的方法及其局限性;然后,在研究了目前已有方法的基础上,结合计算机人脸辅助诊断其他疾病的方法,将计算机人脸辅助诊断儿童OSA的方法分为三种类型：传统的计算机人脸辅助诊断方法、基于迁移学习的诊断方法、基于3D人脸数据的诊断方法,综述了三种类型的方法中的关键步骤,并对这些关键步骤中使用的方法进行了对比研究,为将来儿童OSA计算机人脸辅助诊断的研究提供了不同的切入点;最后,分析了儿童OSA诊断未来研究中的机遇和挑战。     

基于深度图像的非接触式呼吸检测算法研究

呼吸是人的基本生命活动,监测呼吸可以得知呼吸道和胸廓运动的生理、病理学状态,对某些呼吸系统疾病的诊断有重要的参考价值;提出了一种非接触式呼吸监测方法:对红外视频流中的每帧胸腹部区域数据进行降维,计算所有胸腹部区域数据的方差,将一定时间段内的方差序列进行低通滤波;最后根据方差序列可以获得该段时间内的呼吸频率和呼吸暂停时间;提出的非接触式呼吸检测算法在不影响被监测者正常睡眠活动的情况下,可以准确获取呼吸频率与其他相关参数,为健康监测和相关疾病的诊断提供了数据支持;日常家居场景的实验中,检测到的呼吸次数与实际完全一致,并且与实际胸腹部起伏变化基本同步,较好的保证了结果的准确性。