基于射频胸腹微动的睡眠呼吸事件识别与心肺负荷量化系统及方法
本发明属于生物医学信息处理与无接触睡眠监测,特别是一种基于射频胸腹微动的睡眠呼吸事件识别与心肺负荷量化系统及方法。
背景技术:
1、睡眠呼吸异常事件的常规判读依赖口鼻气流、胸腹呼吸努力、血氧饱和度、心电、脉率及脑电觉醒等多源生理信号。多导睡眠监测可提供充足的呼吸事件判定依据,但该技术方案存在设备部署复杂、传感器佩戴流程繁琐、人工判读成本较高的局限性,不支持在居家场景下对同一用户开展连续多夜监测。
2、24ghz或60ghz线性调频连续波雷达可在不接触人体的条件下,感知由呼吸与心动引发的微小体表位移,但其采集获得的仅为胸腹表面的机械微动信号,无法直接获取口鼻气流或血氧信号。若仅依据单路呼吸位移波形的幅度下降或峰值间隔判断呼吸异常事件,容易将人体翻身、被褥移动、体位改变、目标距离门切换以及正常呼吸幅度波动误判为呼吸异常事件。
3、现有非接触式呼吸暂停监测方案主要采用单区域呼吸波形阈值法、峰谷检测法或时频分类模型。中国专利cn108392186b公开了一种非接触式睡眠呼吸暂停检测方法,该方法通过雷达获取胸部运动信号,并利用启发式峰值算法计算呼吸暂停-呼吸浅慢指标;该方案仅依赖胸部单路峰值序列开展分析,未构建覆盖胸腹双区协同跟踪、条件基线及事件后心肺恢复验证的完整证据链。
4、中国专利cn102641125b公开了通过微波多普勒信号的基波与奇次谐波比较来判断胸腹运动状态的装置,用于区分正常呼吸、胸部停止而腹部保持运动的状态以及胸腹均停止的状态;该方案未针对现代lfmcw雷达的距离-角度双区跟踪、睡眠状态条件化基线和事件结束后的心肺恢复特征进行联合建模。
5、中国专利cn112686213a公开了一种基于循环神经网络及毫米波的呼吸状态分类系统,将胸腔运动信号分为正常、阻塞、中枢和混合状态;中国专利cn119700017a公开了结合距离-方位定位、变分模态提取和混合神经网络的呼吸暂停与低通气识别方法。这些方案重点在于单个窗口或时频图的状态分类,对于事件前条件基线、事件内呼吸努力和事件后心肺恢复的三阶段一致性验证仍然不足。
6、此外,睡眠阶段、体位以及夜间时段均会对正常呼吸幅度与胸腹相位关系产生影响。采用全夜统一幅度阈值进行判定时,易将侧卧或快速眼动睡眠阶段的正常幅度下降误判为低通气,也可能在基线幅度较高的情况下漏检真实的幅度抑制。当某一散射区域被被褥或体位遮挡时,未区分信号模态可用性的整窗口评分,也会造成有效呼吸证据被误删除、或污染证据被误保留。
7、因此,亟需一种无接触射频睡眠呼吸异常事件识别方案:该方案不仅可对呼吸幅度是否下降进行判定,还可在胸腹双区域稳定跟踪的基础上,依照睡眠条件建立个体局部基线,同时对事件内呼吸努力与事件后心肺恢复响应开展分析,并通过质量权重生成可追溯的事件序列与负荷指标。
技术实现思路
1、本发明的目的在于克服单路呼吸波形阈值对体位、睡眠阶段、体动污染和距离门切换敏感,以及缺少事件后验证而导致伪事件较多等问题,提供一种由“条件基线—事件内呼吸努力—事件后心肺恢复”构成三阶段证据链的射频睡眠呼吸异常事件识别及负荷量化系统与方法。
2、实现本发明目的的技术解决方案为:一方面,提供了一种基于射频胸腹微动的睡眠呼吸事件识别与心肺负荷量化系统,所述系统包括:
3、射频采集模块,用于通过雷达向睡眠区域发射射频信号,并接收由目标人体胸腹运动、心动微动及体动调制的复数回波信号;
4、胸腹双区跟踪与位移重建模块,用于在空间域内分别定位并跟踪胸部散射区域与腹部散射区域,并基于所述胸部散射区域与腹部散射区域的复数回波解调出胸部呼吸位移序列、腹部呼吸位移序列及心动响应序列;
5、模态质量门控模块,用于对各分析窗口进行信号质量与动态干扰评估,生成胸部呼吸模态、腹部呼吸模态及心动响应模态的模态可用性标记与质量权重;
6、个体条件基线模块,用于结合生理与环境条件状态,从质量合格的历史窗口中分别构建针对当前分析窗口的胸部呼吸幅度基线和腹部呼吸幅度基线;
7、候选事件生成模块,用于将胸部与腹部的当前呼吸幅度相对于各自对应的呼吸幅度基线进行联合抑制评估,并结合持续时间及质量有效覆盖约束生成候选区间;
8、事件内呼吸努力表征模块,用于在所述候选区间内提取胸腹协同运动特征与残余运动能量,生成表征呼吸努力程度与形态的努力表征参数;
9、事件后心肺恢复响应验证模块,用于以所述候选区间的结束时刻为基准,提取候选区间结束后的通气反跳、心率突变、自主神经调节变化及觉醒/体动响应特征,构建事件后心肺恢复响应;
10、事件融合与负荷输出模块,用于融合通气抑制程度、事件内呼吸努力表征参数、事件后心肺恢复响应以及所述质量权重,确定所述候选区间的事件置信度及呼吸努力形态类型,并输出质量加权的睡眠呼吸障碍负荷指标。
11、进一步地,所述射频采集模块包括床头或床侧安装的线性调频连续波雷达;
12、所述胸腹双区跟踪与位移重建模块在第w个分析窗口内针对第z个解剖区域计算候选距离-角度位置的跟踪得分:
13、
14、式中,为解剖区域类别索引,其中,表示胸部区域,表示腹部区域;为分析窗口索引,表示第个分析窗口;为候选距离单元,为候选方位角,表示距离-角度平面内由候选距离单元和候选方位角共同确定的候选位置;为第个分析窗口内、第个解剖区域在候选位置处的跟踪得分;为第个分析窗口内、第个解剖区域在候选位置处的归一化回波能量,其中,上标波浪线表示对应参数已经过归一化处理;为第个分析窗口内、第个解剖区域在候选位置处的回波相位连续性评分,其中,下标表示回波相位;为第个分析窗口内、第个解剖区域在候选位置处相对于前一分析窗口预测位置的跟踪一致性评分,下标表示目标跟踪;为第个分析窗口内、第个解剖区域的候选位置相对于其预测位置或预设解剖区域范围的位置偏离惩罚;为第个分析窗口内、第个解剖区域的候选位置与另一解剖区域候选位置之间的空间重叠惩罚;为归一化回波能量对应的权重,为回波相位连续性评分对应的权重,为跟踪一致性评分对应的权重,为位置偏离惩罚对应的权重,为空间重叠惩罚对应的权重,且至均为非负数;分别选取使和取得最大值、且满足胸部候选位置位于腹部候选位置上方这一空间顺序约束的候选位置,作为第个分析窗口内的胸部散射中心和腹部散射中心;
15、并通过下式将第z个解剖区域的复数回波转换为径向位移:
16、
17、式中,为雷达工作波长,为t时刻第z个解剖区域的径向位移,为t时刻第z个解剖区域的复数回波,为复数相角函数,为相位解缠函数。
18、进一步地,所述模态质量门控模块在评估分析窗口时,综合考虑目标跟踪稳定性、相位连续性、频带信噪比、体动污染比例及数据缺失比例;
19、第w个分析窗口的质量权重按照下式计算:
20、
21、sigmoid映射函数为:
22、
23、质量权重的取值范围为:
24、
25、式中,为分析窗口索引;为第个分析窗口的质量权重,且;为sigmoid映射函数;为sigmoid映射函数的输入值;为指数函数;为质量权重计算的偏置参数;为呼吸频带信噪比对应的权重,为相位连续性评分对应的权重,为目标跟踪连续性评分对应的权重,为体动污染比例对应的惩罚权重,为数据缺失比例对应的惩罚权重,且至均为非负数;为第个分析窗口内呼吸频带信号功率与呼吸频带噪声功率之比;为第个分析窗口的回波相位连续性评分,其中,下标表示回波相位;为第个分析窗口的目标跟踪连续性评分,其中,下标表示目标跟踪;为第个分析窗口内受体动污染的采样时长占该分析窗口总时长的比例;为第个分析窗口内缺失数据采样点数量占该分析窗口总采样点数量的比例;
26、当胸部或腹部呼吸模态不可用时,对应窗口不参与胸腹努力表征计算;当心动响应模态不可用时,保留呼吸模态证据并降低事件置信度。
27、进一步地,所述个体条件基线模块中,所述条件状态包括睡眠阶段、体位类别以及夜间时段;
28、针对第z个解剖区域在第w个分析窗口的条件基线幅度按照下式计算:
29、
30、式中,为第z个解剖区域在第u个历史窗口的呼吸幅度,为与当前第w个分析窗口的睡眠阶段、体位类别及夜间时段一致或相邻且质量合格的历史窗口集合,为第u个历史窗口的质量权重,与分别为第w个分析窗口与第u个历史窗口的中心时刻,为基线时间衰减常数,exp为指数函数,wmed为加权中位数运算。
31、进一步地,当集合内有效窗口数量不足预设阈值时,所述个体条件基线模块按照相同体位下相邻睡眠阶段、相同睡眠阶段下相邻体位,以及用户多夜历史基线的先后顺序依次扩展基线候选集合,并对扩展来源赋予递减的置信权重。
32、进一步地,所述候选事件生成模块计算第w个分析窗口的胸腹联合幅度抑制率为:
33、
34、式中,与分别为胸部与腹部的当前呼吸幅度,与分别为胸部与腹部的条件基线幅度,为防止分母为零的正数;
35、并针对第j个候选区间计算质量有效支持时长:
36、
37、式中,为窗口滑动步长,为第w个分析窗口的窗口质量权重,为第j个候选区间所包含的窗口集合,为示性函数;仅当候选区间的日历持续时间、质量有效支持时长及质量有效覆盖率均达到预设阈值时,保留该候选区间。
38、进一步地,所述事件内呼吸努力表征模块提取的特征包括胸腹相干性与胸腹相位反常指数:
39、
40、
41、式中,为第j个候选区间的胸腹相干性,为第j个候选区间的相位反常指数,为第w个分析窗口中胸部和腹部质量权重的小值,为第w个分析窗口中胸部与腹部呼吸解析相位之差,i为虚数单位,exp为指数函数,cos为余弦函数,和为防止分母为零的正数;
42、所述事件内呼吸努力表征模块进一步结合胸腹残余幅度比、呼吸谐波能量持续度,构建呼吸努力表征值:
43、
44、式中,至为非负权重,且和为1;为第j个候选区间的呼吸努力表征值,分别为第j个候选区间内胸部与腹部残余幅度相对各自条件基线的比值,呼吸基频及其谐波在第j个候选区间内的持续度。
45、进一步地,所述事件后心肺恢复响应验证模块在候选区间结束后的恢复观察窗口内构建心肺恢复响应向量:
46、
47、式中,为第j个候选区间的心肺恢复响应向量,为第j个候选区间对应的事件后呼吸幅度最大值相对事件前条件基线的反跳比,为第j个候选区间对应的事件后心率最大值与事件前心率中位数之差,为第j个候选区间对应的事件后与事件前的相邻心搏间期差值均方根变化量,为第j个候选区间结束与最近睡眠阶段转浅或体动时刻之间的邻近响应度,为第j个候选区间对应的呼吸幅度或心率回归基线容许范围所需的恢复时间。
48、进一步地,所述事件融合与负荷输出模块基于事件内呼吸努力表征特征与所述心肺恢复响应向量,计算候选区间属于各形态类型的概率分布:
49、
50、式中,为第j个候选区间属于第k个形态类型的概率,为第j个候选区间属于第k个形态类型的判别得分,为第j个候选区间属于第h个形态类型的判别得分,为预设的形态类型集合,至少包括呼吸努力缺失型、呼吸努力保持型、混合转换型和低通气型;
51、并计算第j个候选区间的综合事件置信度:
52、
53、式中,σ为sigmoid映射函数,偏置参数,至为融合系数,表示第j个候选区间内联合幅度抑制率的平均值,表示第j个候选区间中各形态类型概率的最大值,表示第j个候选区间内平均质量权重,为第j个候选区间与事件后恢复区间的体动污染比例。
54、进一步地,所述事件融合与负荷输出模块输出的质量加权睡眠呼吸障碍负荷指标包括:
55、质量加权ahi相关负荷:
56、
57、式中,为以分钟表示的质量合格有效睡眠时长,且,下标表示睡眠时段;为确认事件对应的候选区间索引集合;为第个候选区间的综合事件置信度;为确认事件总数;
58、质量加权低通气持续负荷:
59、
60、式中,为第j个候选区间的持续时长,以分钟表示;
61、事件后恢复负荷:
62、
63、式中,z(·)为使用个体历史或人群参考分布完成的方向一致标准化函数;至为非负恢复特征权重;
64、综合负荷指标:
65、
66、式中,至为非负组合权重,且和为1;为呼吸努力保持型和混合转换型事件的置信度加权占比;
67、其中,各负荷指标均关联并输出对应事件的起始时间戳、结束时间戳、形态类型、置信度及波形证据片段。
68、另一方面,提供了一种基于射频胸腹微动的睡眠呼吸事件识别与心肺负荷量化方法,基于所述基于射频胸腹微动的睡眠呼吸事件识别与心肺负荷量化系统实现,所述方法包括以下步骤:
69、步骤1,通过雷达向睡眠区域发射射频信号,并采集由人体微动调制的复数回波信号;
70、步骤2,在空间域内定位并跟踪胸部散射区域与腹部散射区域;
71、步骤3,根据所述胸部散射区域与腹部散射区域的复数回波,解调重建胸部呼吸位移序列、腹部呼吸位移序列及心动响应序列;
72、步骤4,对分析窗口执行信号质量评估,得到分模态的可用性标记与质量权重;
73、步骤5,根据当前分析窗口睡眠阶段、体位类别及时段条件状态,建立胸腹局部个体条件呼吸幅度基线;
74、步骤6,依据胸腹联合呼吸幅度抑制程度、持续时间及有效质量生成候选区间;
75、步骤7,在候选区间内提取胸腹相干性、相位反常程度及残余呼吸努力表征;
76、步骤8,以候选区间结束时刻为对齐点,提取事件后呼吸反跳、心率上冲、自主神经调节变化及觉醒或体动响应,构建心肺恢复响应;
77、步骤9,融合通气抑制证据、事件内呼吸努力表征、事件后心肺恢复响应及质量权重,输出事件置信度、形态分类结果、证据时间片段及质量加权负荷指标。
78、另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现所述基于射频胸腹微动的睡眠呼吸事件识别与心肺负荷量化方法。
79、本发明与现有技术相比,其显著优点为:
80、(1)通过在空间域对胸部和腹部两个散射区域进行独立定位、跟踪与相位位移重建,保留了单区域呼吸波形中缺失的胸腹协同关系,克服了传统单路呼吸波形无法获取胸腹协同运动特征的缺陷。
81、(2)结合睡眠阶段、体位类别与夜间时段建立动态加权的个体条件基线,减少了全夜统一阈值对正常生理波动的误判。
82、(3)通过事件内胸腹相干性、相位反常、残余幅度和谐波持续度建立呼吸努力表征,摆脱了单纯依赖通气幅度下降进行事件分类的局限,能有效区分呼吸努力缺失型、保持型等形态,使事件形态分析不再仅依赖幅度下降。
83、(4)将事件结束后的呼吸反跳、心率上冲、hrv短时变化及睡眠转浅或体动响应纳入事件验证,形成“事件前条件基线—事件内呼吸努力—事件后心肺恢复”的完整证据链,大幅降低伪事件误报。
84、(5)引入多模态质量门控与事件级置信度,构建质量加权的 ahi 相关负荷、低通气持续负荷、恢复负荷及综合负荷,避免将低质量候选事件与高质量事件等同计数。
85、(6)完整保留每个识别事件的开始时刻、结束时刻、胸腹波形、心肺恢复响应、质量权重和主要贡献特征,便于长程睡眠表型建模及后续人工复核。
86、下面结合附图对本发明作进一步详细描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com