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.     

基于ARM的非接触式睡眠呼吸监测

为了进一步提高睡眠呼吸监测的便捷性,本文提出一种基于ARM的非接触式睡眠呼吸监测方法及系统。在现有的毫米波模块的基础上,通过频率、相位等信息计算出呼吸的频率。把呼吸心跳信号从毫米波回波信号中分离出来,再结合心率判断呼吸暂停。睡眠呼吸实验结果与多导睡眠监测仪进行比对,有较高的相关性。对非接触式呼吸监测有较好的应用价值。     

睡眠呼吸暂停监测仪的研究

介绍了睡眠呼吸暂停监测的基本原理和重要意义,研究了成本低、体积小、耗电少、使用方便的睡眠呼吸暂停监测仪。     

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.     

SD-FCE:一种识别睡眠呼吸暂停综合征发病时段的深度学习方法

睡眠呼吸暂停综合征(Sleep Apnea Syndrome, SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.     

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。     

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BP神经网络的睡眠呼吸综合症智能检测系统

提出了应用BP网络对睡眠呼吸暂停病症进行检测的技术方法。考虑到临床检测采集具有数据量大,伴有噪音干扰等特点,采用BP网络,其并行性、客错性较好,具有较强的自适应性及通过实例学习的能力,有助于克服单个诊断医师在知识获取方面存在的“瓶颈”问题。开发出来的睡眠呼吸综合症智能检测系统可以选择采集好的病人样本数据进行自学习,建立病人的特征模型,自动进行数据分析和异常情况的识别与分类,对病人的患病率进行预测。通过实验测试,该系统预测的准确率在88．5％左右,高于单纯的人工诊断,并显著提高了诊断效率。     

基于ARM的便携式故障检测系统

传统的装备测试诊断技术保障模式,已经难以适应现代电子装备技术保障需求,文章给出了一种以ARM和μC／OS-Ⅱ为开发平台、以MiniG UI为图形开发工具的构建PCB磁场映像的便携式故障自动检测系统,以满足电子设备故障的快速诊断定位和现场维修保障。     

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。     

基于ARM的钢丝绳检测系统研究

针对目前钢丝绳检测过程中存在细小钢丝绳易漏检,现场走绳速度变化影响检测结果等缺陷,采用S3C2410处理器设计了基于ARM的钢丝绳检测系统,详细分析了系统的检测原理、硬件结构以及软件设计方案.实际应用表明:该系统检测准确可靠,缺陷分辨力强,安装操作简便,同时适应走绳速度不均匀等环境较为恶劣的现场使用.     

基于ARM的嵌入式车灯检测系统的设计

介绍了一个基于ARM的嵌入式车灯检测系统.该系统把汽车前照灯发出的光通过光学系统,然后经CCD采集和放大滤波,通过高速A/D传输到存储器中,由ARM进行图像的处理分析,来判断汽车前照灯的性能.它采用了以ARM7TDMI为核心的芯片S3C44BOX,配合嵌入式多任务操作系统μC/OS-Ⅱ,既方便了应用程序的开发,也同时保证了其上各个任务的实时性和可靠性,从而实现了该系统的设计.     

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。     

基于ARM的电网控制器板卡在线检测系统设计

卡板作为电网控制器的主要结构,其质量严重影响电网控制器的整体工作性能,为了对板卡质量进行高精度检测,提出并设计了基于ARM的电网控制器板卡在线检测系统。基于ARM设计一套智能化、信息化、柔性化3位一体的在线检测系统,系统主要是由机器人系统、测试柜系统、Smart Tester测试系统、视觉系统、上位机系统以及PLC系统组成。软件部分,提取卡板特征,构建质量检测函数,输出结果即为质量检测结果。实验结果表明,与传统检测系统相比,所设计系统的检测精度更高。     

浅谈基于ARM的嵌入式系统

简单介绍了ARM嵌入式系统的背景,并对基于ARM嵌入式体系结构的微处理器性能特征、应用领域等进行了简单的描述分析。     

基于ARM和嵌入式Linux疲劳检测系统研究

基于视觉的疲劳驾驶检测技术是疲劳检测领域的前沿技术。根据基于视觉的车载驾驶员疲劳检测系统实时、小型化、非接触、可扩展等技术要求,以ARM开发板和嵌入式Linux操作系统为平台,设计了一套基于PERCLOS疲劳驾驶检测方法,与传统的基于PC机的疲劳检测系统相比,具有更好的稳定性、可行性以及更优越的可扩充性。     

基于ARM的红外气体浓度检测系统的设计

介绍了一种自行设计的以ARM处理器S3C44B0为核心、利用红外激光光谱检测原理实时测量高温气体浓度的便携式系统;该系统利用特定的激光光谱与相应的气体浓度之间的函数关系,设计出一种耐高温、响应快的传感器,将光信号转化为电流信号;μA级微弱电流经过I/V转换、放大滤波后转化为可用的电压信号通过A/D转换器送入S3C44B0进行采集和处理,通过数据处理程序计算得出实时浓度,输出到液晶屏显示;系统实时性能好,携带方便,除了检测燃油发动机的尾气,还可推广到化工、电力、矿山等行业的气体检测。     

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ARM7的电路检测平台数据采集系统

建立了基于ARM7处理器LPC2212的嵌入式开发平台，实现了USB通讯、LCD显示等非常热门的嵌入式应用技术。该平台目前已应用于某军用电子检测箱电路检测平台的自动检测．具有体积更小、功耗更低、功能更多、扩展性更强等特点。     

基于ARM9和Linux的信号检测平台研制

本文介绍了基于ARM9和Linux的信号检测平台的工作原理和设计,重点介绍了平台的硬件结构、软件设计以及电路抗干扰的措施。实验测试结果表明,该平台运行稳定、工作可靠,并可应用到多种传感器信号的测量和实时数据处理中。