基于多导睡眠图的通气负荷计算方法、系统及终端设备与流程

本发明涉及睡眠呼吸监测，具体为基于多导睡眠图的通气负荷计算方法、系统及终端设备。

背景技术：

1、阻塞性睡眠呼吸暂停（obstructivesleepapnea,osa）的核心特征为睡眠过程中上气道反复塌陷所导致通气中断、间歇性低氧血症及睡眠结构破碎；目前，临床诊断与严重程度分级主要依赖呼吸暂停低通气指数（apnea-hypopneaindex,ahi），然而，ahi仅反映呼吸事件的发生频率，存在无法区分呼吸事件的类型与持续时间，无法反映单次通气障碍的严重程度及其累积性生理后果的局限性。

2、为弥补上述缺陷，现有技术中已有研究提出一种通气负荷（ventilatoryburden,vb）的量化方法，该方法取多导睡眠图（psg）鼻导管气流信号中每次吸气中期1/3时段的气流平均值作为呼吸振幅，计算单次呼吸振幅相对于正常呼吸振幅的归一化值，将整夜睡眠中归一化振幅低于50%的呼吸次数占比计为vb，该指标将评估视角从“事件计数”转向“通气受限时间比例”；

3、虽然上述方法将评估视角从“事件计数”转向“通气受限的时间占比”，在一定程度上弥补了ahi的缺陷，但其仅从气流信号维度统计通气受限的时间占比，忽视了睡眠状态对通气受限事件神经生理后果的动态调节效应，相同程度的通气受限若发生在深睡眠期，可能被大脑“容忍”而不触发觉醒；若发生在浅睡眠期，则极易引发觉醒，导致严重的睡眠碎片化；由于现有vb在计算时对所有通气受限事件赋予相同权重，导致其输出的负荷值与患者日间嗜睡、认知损害等临床后果之间的相关性不足。

4、为此，本发明提出基于多导睡眠图的通气负荷计算方法、系统及终端设备。

技术实现思路

1、本发明的目的在于提供基于多导睡眠图的通气负荷计算方法、系统及终端设备，以解决上述背景技术中提出的问题。

2、根据本发明的第一方面，为实现上述目的，本发明提供如下技术方案：一种基于多导睡眠图的通气负荷计算方法，包括以下步骤：

3、获取鼻气流信号和脑电信号，基于鼻气流信号划分呼吸周期，针对每一呼吸周期，提取呼吸周期中间时段的气流振幅，根据当前呼吸周期所在局部时间窗口内的平稳呼吸周期确定对应的局部基准振幅，根据当前呼吸周期的气流振幅与所述局部基准振幅的比值计算归一化振幅，并根据所述归一化振幅相对于预设通气受限判定阈值的偏离程度计算通气受限深度；

4、对脑电信号进行时频分析，提取delta频段功率和beta频段功率，根据所述delta频段功率和所述beta频段功率计算得到连续睡眠深度指数，并根据各呼吸周期对应时段内的连续睡眠深度指数计算各呼吸周期的基础睡眠深度；

5、在预设标定时段内筛选标定事件，分别确定各标定事件起始前和结束后的睡眠深度，根据二者之间的差值计算各标定事件对应的睡眠深度变化量，并对各标定事件对应的睡眠深度变化量进行统计，得到个体化权重调节系数，其中，满足预设事件间隔条件、且在事件持续期间以及事件结束后的预设时段内不存在皮层觉醒的通气受限事件，作为标定事件；

6、根据个体化权重调节系数和各呼吸周期的基础睡眠深度，计算各呼吸周期的权重因子，其中，所述基础睡眠深度越小，对应的权重因子越大；

7、将各呼吸周期的通气受限深度与对应的权重因子相乘，得到各呼吸周期的个体负荷贡献值，对各有效呼吸周期的个体负荷贡献值进行累加，并根据有效呼吸周期总数对累加结果进行归一化处理，得到加权通气负荷值。

8、进一步地，获取所述鼻气流信号和所述脑电信号，并分别对所述鼻气流信号和所述脑电信号进行预处理，得到预处理鼻气流信号和预处理脑电信号，具体如下：

9、采用多导睡眠监测系统，以不低于100hz的采样率同步获取不少于6小时的所述鼻气流信号和所述脑电信号；

10、采用鼻导管压力传感器获取所述鼻气流信号，并采用通带范围为0.1hz～5hz的四阶巴特沃斯带通滤波器对所述鼻气流信号进行滤波；

11、采用c3-m2导联或c4-m1导联获取所述脑电信号，并采用通带范围为0.5hz～30hz的带通滤波器以及50hz陷波器对所述脑电信号进行滤波。

12、进一步地，基于所述预处理鼻气流信号划分呼吸周期，针对每一呼吸周期，提取该呼吸周期吸气中期的气流振幅，根据该气流振幅和对应的局部基准振幅确定归一化振幅，并根据所述归一化振幅与预设通气受限判定阈值确定该呼吸周期的通气受限深度，具体如下：

13、提取该呼吸周期吸气中期的气流振幅：

14、检测所述预处理鼻气流信号由负值向正值穿越基线的正向过零点，将所述正向过零点确定为吸气起始时刻，并将在相邻两个正向过零点之间检测到的负向过零点确定为吸气结束时刻；

15、基于所述吸气起始时刻和所述吸气结束时刻确定吸气时段，并利用所述吸气时段内的局部极值点对呼吸周期划分结果进行校验；

16、截取所述吸气时段的中间三分之一时段，并按照下式计算第个呼吸周期的原始振幅：

17、

18、其中，表示第个呼吸周期的原始振幅，表示第个呼吸周期的所述中间三分之一时段包含的采样点总数，表示所述中间三分之一时段内第个采样点的气流幅值；

19、根据所述气流振幅确定对应的局部基准振幅，包括：

20、以当前呼吸周期为中心构建长度为3分钟至10分钟的滑动时间窗口；

21、从所述滑动时间窗口中剔除呼吸暂停事件所包含的呼吸周期、低通气事件所包含的呼吸周期以及每一呼吸暂停事件或低通气事件结束后的首个恢复呼吸周期；

22、计算剔除后剩余的平稳呼吸周期对应原始振幅的90%分位数，并将所述90%分位数确定为当前呼吸周期的局部基准振幅；

23、当所述滑动时间窗口内剩余的平稳呼吸周期数量少于预设数量时，采用当前呼吸周期之前最近一个有效滑动时间窗口对应的局部基准振幅，或者采用根据整夜鼻气流信号确定的固定基准振幅，作为当前呼吸周期的局部基准振幅；

24、所述气流振幅和对应的局部基准振幅确定归一化振幅，并根据所述归一化振幅与预设通气受限判定阈值确定通气受限深度，包括：

25、按照下式计算第个呼吸周期的归一化振幅：

26、

27、按照下式计算第个呼吸周期的通气受限深度：

28、

29、其中，表示第个呼吸周期的归一化振幅，表示第个呼吸周期的通气受限深度，表示以百分数表示的所述预设通气受限判定阈值，所述预设通气受限判定阈值为40%～60%，所述通气受限深度的取值范围为0～1。

30、进一步地，对所述预处理脑电信号进行时频分析，提取delta频段功率和beta频段功率，根据所述delta频段功率和所述beta频段功率确定连续睡眠深度指数，并根据各呼吸周期对应时段内的所述连续睡眠深度指数确定各呼吸周期的基础睡眠深度，具体如下：

31、确定连续睡眠深度指数，包括：

32、采用窗长为0.5秒至2秒、步长为0.25秒至1秒的滑动时间窗对所述预处理脑电信号进行短时傅里叶变换，得到delta频段功率和beta频段功率，其中，所述delta频段为0.5hz～4hz，所述beta频段为16hz～30hz；

33、按照下式计算所述连续睡眠深度指数：

34、

35、其中，表示时刻的连续睡眠深度指数，表示用于防止分母为零的正数，所述连续睡眠深度指数的取值范围为0～1；

36、确定各呼吸周期的基础睡眠深度，包括：

37、采用窗口长度为3秒至10秒的中值滤波器对所述连续睡眠深度指数进行时序平滑处理；

38、对于第个呼吸周期，计算该呼吸周期吸气时段的中间三分之一时段内所述连续睡眠深度指数的时间平均值，并将所述时间平均值确定为该呼吸周期的基础睡眠深度。

39、进一步地，在预设标定时段内，根据所述归一化振幅识别孤立且未引发皮层觉醒的通气受限事件作为标定事件，具体如下：

40、在所述预设标定时段内识别所述标定事件，包括：

41、将整夜多导睡眠图记录开始后的前1小时，或者从受试者入睡至首次快速眼动睡眠期结束的首个完整睡眠周期，确定为所述预设标定时段；

42、在所述预设标定时段内，将所述归一化振幅连续低于50%的呼吸周期序列识别为候选通气受限事件，并将所述归一化振幅首次低于50%的时刻确定为所述候选通气受限事件的起始时刻，将所述归一化振幅恢复至50%以上的时刻确定为所述候选通气受限事件的结束时刻；

43、从所述候选通气受限事件中筛选满足以下条件的事件作为所述标定事件：

44、事件持续时间为10秒至30秒；

45、事件起始时刻之前30秒内不存在其他通气受限事件；

46、事件持续期间以及事件结束后15秒内不存在皮层觉醒；

47、其中，皮层觉醒通过检测脑电信号频率向高频方向突变且持续时间不少于3秒进行判定，所述频率突变发生在不少于10秒的稳定睡眠之后。

48、进一步地，根据二者之间的差值确定各标定事件对应的睡眠深度变化量，并对各标定事件对应的睡眠深度变化量进行统计，得到个体化权重调节系数，具体如下：

49、根据各标定事件起始前和结束后的睡眠深度确定各标定事件对应的睡眠深度变化量，包括：

50、计算第个标定事件起始时刻之前5秒内所述连续睡眠深度指数的平均值，得到起始睡眠深度；

51、计算第个标定事件结束时刻之后5秒内所述连续睡眠深度指数的平均值，得到结束睡眠深度；

52、按照下式计算第个标定事件对应的睡眠深度变化量：

53、

54、其中，表示第个标定事件对应的睡眠深度变化量；

55、对各标定事件对应的睡眠深度变化量进行统计，得到所述个体化权重调节系数，包括：

56、按照下式计算所述个体化权重调节系数：

57、

58、其中，表示所述个体化权重调节系数，表示预设默认权重调节系数，表示所述预设标定时段内识别出的标定事件总数，表示第个标定事件对应的睡眠深度变化量；

59、当所述标定事件总数小于3时，将所述个体化权重调节系数设置为所述预设默认权重调节系数；

60、将计算得到的所述个体化权重调节系数限制在0.5～2.0的预设区间内，所述预设默认权重调节系数为1.0。

61、进一步地，确定的权重因子，具体如下：

62、确定第个呼吸周期的权重因子：

63、

64、其中，表示第个呼吸周期的权重因子，表示所述个体化权重调节系数，所述权重因子的取值范围为。

65、进一步地，将各呼吸周期的通气受限深度与对应的权重因子相乘，得到各呼吸周期的个体负荷贡献值，对各有效呼吸周期的个体负荷贡献值进行累加，并根据有效呼吸周期总数对累加结果进行归一化处理，得到所述加权通气负荷值，具体如下：

66、获取所述多导睡眠图对应的睡眠分期结果，所述睡眠分期结果包括n1睡眠期、n2睡眠期、n3睡眠期和快速眼动睡眠期；

67、对于跨越相邻两个睡眠期边界的呼吸周期，将该呼吸周期吸气时段的中间时刻所属的睡眠期确定为该呼吸周期的所属睡眠期；

68、针对每一睡眠期，按照下式计算对应的分睡眠期加权通气负荷子指标：

69、

70、其中，表示对应睡眠期的加权通气负荷子指标，表示属于该睡眠期的有效呼吸周期的序号集合，表示该睡眠期内的有效呼吸周期总数；

71、分别对各呼吸周期的波形规则度、吸气时长与呼气时长之比以及振幅变异系数进行检测；

72、当任一呼吸周期的波形规则度低于预设规则度阈值、吸气时长与呼气时长之比位于0.3～3.0的范围之外，或者振幅变异系数大于预设变异系数阈值时，将该呼吸周期标记为低置信度呼吸周期，并将所述低置信度呼吸周期从有效呼吸周期中剔除；

73、按照下式计算所述加权通气负荷值：

74、

75、其中，表示所述加权通气负荷值，表示有效呼吸周期的序号集合，表示有效呼吸周期总数，表示第个有效呼吸周期的通气受限深度，表示第个有效呼吸周期的权重因子。

76、根据本发明的第二方面，本发明提供一种基于多导睡眠图的通气负荷计算系统，用于实现第一方面描述的基于多导睡眠图的通气负荷计算方法，包括：

77、信号获取与预处理模块，用于获取多导睡眠图中的鼻气流信号和脑电信号，分别对所述鼻气流信号和所述脑电信号进行预处理，得到预处理鼻气流信号和预处理脑电信号；

78、通气受限深度确定模块，用于基于鼻气流信号划分呼吸周期，针对每一呼吸周期，提取呼吸周期中间时段的气流振幅，根据当前呼吸周期所在局部时间窗口内的平稳呼吸周期确定对应的局部基准振幅，根据当前呼吸周期的气流振幅与所述局部基准振幅的比值计算归一化振幅，并根据所述归一化振幅相对于预设通气受限判定阈值的偏离程度计算通气受限深度；

79、睡眠深度确定模块，用于对脑电信号进行时频分析，提取delta频段功率和beta频段功率，根据所述delta频段功率和所述beta频段功率计算得到连续睡眠深度指数，并根据各呼吸周期对应时段内的连续睡眠深度指数计算各呼吸周期的基础睡眠深度；

80、个体化标定模块，用于在预设标定时段内筛选标定事件，分别确定各标定事件起始前和结束后的睡眠深度，根据二者之间的差值计算各标定事件对应的睡眠深度变化量，并对各标定事件对应的睡眠深度变化量进行统计，得到个体化权重调节系数，其中，满足预设事件间隔条件、且在事件持续期间以及事件结束后的预设时段内不存在皮层觉醒的通气受限事件，作为标定事件；

81、权重因子确定模块，用于根据个体化权重调节系数和各呼吸周期的基础睡眠深度，计算各呼吸周期的权重因子，其中，所述基础睡眠深度越小，对应的权重因子越大块；

82、加权通气负荷计算模块，用于将各呼吸周期的通气受限深度与对应的权重因子相乘，得到各呼吸周期的个体负荷贡献值，对各有效呼吸周期的个体负荷贡献值进行累加，并根据有效呼吸周期总数对累加结果进行归一化处理，得到加权通气负荷值。

83、根据本发明的第三方面，本发明提供一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了第一方面描述的基于多导睡眠图的通气负荷计算方法。

84、本发明至少具备以下有益效果：

85、1.本发明通过将基于脑电信号计算的连续睡眠深度指数转化为逐呼吸的权重因子，使得发生在浅睡眠期的通气受限事件被赋予更高的负荷权重，而深睡眠期事件的权重趋近于基准值，从而在指标计算层面反映了睡眠状态对通气受限事件后果的动态调节效应，使输出的加权通气负荷能够更真实地反映患者夜间通气异常所实际造成的生理负担，从而提升了指标与日间嗜睡、认知功能损害等临床症状之间的关联强度；

86、2.本发明通过利用患者自身多导睡眠图记录中孤立的、未引发皮层觉醒的通气受限事件作为标定事件，通过分析各标定事件前后睡眠深度指数的变化自适应确定个体化权重调节系数，对事件期间睡眠深度趋于稳定的患者自动降低加权幅度、对事件期间睡眠深度趋于下降的患者自动增强加权幅度；有效解决了不同觉醒阈值表型患者采用统一加权参数时评估结果失准的问题，使加权通气负荷值在不同患者之间具有更高的可比性和准确性，同时标定过程配置了回退机制与安全区间约束，确保了指标的稳定可靠输出。

87、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。