基于腕部多模态数据的睡眠鼾声检测与自适应干预系统的制作方法

本发明属于睡眠健康监测，具体涉及一种基于腕部多模态数据的睡眠鼾声检测与自适应干预系统。

背景技术：

1、阻塞性睡眠呼吸暂停低通气综合征（obstructive sleep apnea hypopneasyndrome，osahs）是一种常见的睡眠呼吸障碍疾病，其特征为睡眠过程中反复发生上呼吸道塌陷或阻塞，导致呼吸暂停或低通气事件，引起间歇性低氧血症和睡眠结构紊乱，以呼吸暂停低通气指数（apnea-hypopnea index，ahi）≥5次/h为诊断标准。

2、osahs在人群中发病率较高，尤其以中老年人群为著，危害巨大，可导致高血压、冠心病、脑卒中、糖尿病等多种并发症，严重者可引发猝死。然而，由于公众认知不足和诊断手段受限，osahs的检出率极低，大量患者长期未被诊断和治疗。目前，osahs的临床确诊依赖于多导睡眠监测仪（polysomnography, psg），然而，psg设备昂贵、操作复杂，患者需要在医院睡眠中心贴满数十根线束进行整夜监测。这种监测方式不仅医疗资源占用率高，而且由于环境改变和线束束缚，极易产生“首夜效应”，导致监测数据无法真实反映患者在自然居家环境下的睡眠状态。

3、随着智能穿戴设备的普及，市场上出现了基于腕戴类设备（智能手表/手环）和耳戴类设备的鼾声检测与睡眠呼吸监测产品，但这些现有技术存在以下缺陷：

4、对于腕戴类设备（手表/手环），第一、麦克风距离声源远，无法区分本人鼾声、同屋人鼾声与环境噪声；第二、仅靠腕部振动进行干预，刺激缺乏针对性，且振动强度难以精准控制，易惊醒用户，干预有效率不足；第三、不具备osahs分级能力，仅能输出模糊风险提示，缺乏临床参考价值；第四、部分设备麦克风常开，导致续航短且存在隐私泄露风险。

5、对于耳戴类设备，第一、异物感强，侧睡时挤压耳道产生明显疼痛感，用户长期佩戴接受度不足；第二、麦克风常开采集音频，漏录风险高，用户隐私顾虑大。

6、综上所述，如何充分利用腕部多模态生理传感信息与可选的颈部振动、肌电传感信息，在用户佩戴状态动态变化（连接颈贴/未连接颈贴）的情况下，对鼾声来源进行精准辨识、对osahs风险进行分级评估、对干预策略进行自适应匹配，成为目前智能穿戴睡眠健康监测领域亟待解决的重要技术问题。

技术实现思路

1、鉴于以上所述现有技术的不足，本发明的目的在于提供一种基于腕部多模态数据的睡眠鼾声检测与自适应干预系统，充分利用腕部多模态生理传感信息与可选的颈部振动、肌电传感信息，在用户佩戴状态动态变化（连接颈贴/未连接颈贴）的情况下，对鼾声来源进行精准辨识、对osahs风险进行分级评估、对干预策略进行自适应匹配。

2、本发明提供一种基于腕部多模态数据的睡眠鼾声检测与自适应干预系统，包括腕部主设备：

3、所述腕部主设备包括多模态传感单元、音频采集单元、核心控制单元；

4、所述多模态传感单元用于采集用户的多模态生理数据，所述音频采集单元用于在唤醒后采集音频数据；

5、所述核心控制单元包括：

6、预触发唤醒模块，用于根据所述多模态生理数据判定是否满足多预触发条件，并在满足多预触发条件时，唤醒所述音频采集单元；

7、鼾声来源判定模块，用于根据所述音频数据和所述多模态生理数据综合判定是否为所述用户打鼾；

8、鼾声状态分级模块，用于判定所述用户打鼾后，根据所述音频数据和所述多模态生理数据计算呼吸暂停低通气指数，并确定所述用户的打鼾病症事件等级；

9、自适应分级干预模块，用于根据所述打鼾病症事件等级生成对应的干预指令，并调用干预处理模块执行所述干预指令。

10、于本发明一实施例中，还包括颈部从设备：

11、所述颈部从设备包括微型压电振动传感器、微型肌电电极，所述颈部从设备固定于用户颈侧喉部处，所述腕部主设备与所述颈部从设备分别通过内置的无线通信单元进行通信连接。

12、于本发明一实施例中，所述多模态传感单元包括六轴惯性测量模块、血氧脉搏传感模块、心电传感模块；

13、所述六轴惯性测量模块用于采集体动特征和姿态特征，所述血氧脉搏传感模块用于采集血氧特征，所述心电传感模块用于采集心率特征，所述微型压电振动传感器用于采集喉部振动特征，所述微型肌电电极用于采集喉部肌电特征。

14、于本发明一实施例中，所述预触发唤醒模块在执行所述根据所述多模态生理数据判定是否满足多预触发条件时，包括：

15、所述多预触发条件包括睡眠状态条件、体动状态条件以及特征触发条件；

16、根据所述体动特征、所述姿态特征以及所述血氧特征生成睡眠分期结果，若睡眠分期结果为预设睡眠阶段，则满足睡眠状态条件；

17、根据所述体动特征检测所述用户的体动幅度，若体动幅度小于预设体动阈值则满足体动状态条件；

18、在连接颈部从设备时，若所述喉部振动特征符合预设鼾声特征频段，则满足特征触发条件；

19、在未连接颈部从设备时，根据所述血氧特征计算血氧下降速率，并根据所述姿态特征确定睡姿，若所述血氧下降速率大于预设第一血氧阈值且所述姿态特征为仰卧睡姿，则满足特征触发条件。

20、于本发明一实施例中，所述鼾声来源判定模块在执行所述根据所述音频数据和所述多模态生理数据综合判定是否为所述用户打鼾时，包括：

21、计算所述音频数据与所述用户预获取的鼾声模板之间的鼾声相似度；

22、计算所述喉部振动特征与所述用户预获取的喉部振动模板之间的振动相似度；

23、计算所述血氧特征与预获取的打鼾血氧模板之间的血氧相似度；

24、计算所述喉部肌电特征与预获取的打鼾喉部肌电模板之间的喉部肌电相似度；

25、对所述鼾声相似度、所述振动相似度、所述血氧相似度以及所述喉部肌电相似度进行动态加权计算，得到本人打鼾相似度；

26、在所述本人打鼾相似度大于预设相似度阈值时，判定为所述用户打鼾，否则判定为环境或同屋人声音，并关闭所述音频采集单元。

27、于本发明一实施例中，所述鼾声状态分级模块在执行所述根据所述音频数据和所述多模态生理数据计算呼吸暂停低通气指数时，包括：

28、在预设的滑动检测窗口中，根据所述音频数据、所述血氧特征以及所述心率特征判定是否满足呼吸暂停事件；

29、在所述滑动检测窗口中，根据所述喉部振动特征以及所述血氧特征判定是否满足低通气事件；

30、对预设睡眠时间范围内的所有滑动检测窗口的呼吸暂停事件和低通气事件进行统计计算，以得到呼吸暂停低通气指数。

31、于本发明一实施例中，所述鼾声状态分级模块在执行所述根据所述音频数据和所述多模态生理数据计算呼吸暂停低通气指数时，包括：

32、在预设的滑动检测窗口中，根据所述音频数据和/或所述喉部振动特征确定鼾声中断时间，根据所述血氧特征计算血氧下降幅度，根据所述心率特征计算心率升高幅度；

33、若所述滑动检测窗口下的鼾声中断时间大于预设中断阈值、血氧下降幅度大于预设第二血氧阈值、心率升高幅度大于预设心率阈值，则判定满足呼吸暂停事件；

34、在所述滑动检测窗口中，根据所述喉部振动特征确定鼾声强度下降幅度，根据所述喉部振动特征和/或音频数据确定鼾声持续时间，根据所述血氧特征计算血氧下降幅度；

35、若所述滑动检测窗口下的鼾声强度下降幅度大于预设强度阈值、鼾声持续时间大于预设持续阈值、血氧下降幅度大于预设第三血氧阈值，则判定满足低通气事件；

36、统计在预设睡眠时间范围内所有滑动检测窗口的呼吸暂停事件和低通气事件，得到事件发生总数；

37、根据所述事件发生总数和所述睡眠时间范围的总时长进行比值计算，得到呼吸暂停低通气指数。

38、于本发明一实施例中，所述自适应分级干预模块还包括：在判定满足低通气事件时，生成第一强度值电刺激指令和/或第一强度值振动指令作为干预指令。

39、于本发明一实施例中，所述自适应分级干预模块在执行所述根据所述打鼾病症事件等级生成对应的干预指令时，包括：

40、所述打鼾病症事件等级为轻度时，生成第二强度值电刺激指令和/或第二强度值振动指令作为干预指令；

41、其中，所述第一强度值电刺激指令中的第一强度值大于第二强度值电刺激指令中的第二强度值，所述第一强度值振动指令中的第一强度值大于第二强度值振动指令中的第二强度值；

42、所述打鼾病症事件等级为中度或重度时，生成分级预警指令以及联动设备控制指令。

43、于本发明一实施例中，所述自适应分级干预模块在执行所述调用干预处理模块执行所述干预指令时，包括：

44、所述干预处理模块包括位于腕部主设备的腕部振动单元、位于颈部从设备的阈下电刺激单元、用户终端显示单元以及外部呼吸机；

45、所述腕部振动单元用于执行所述第一强度值振动指令和所述第二强度值振动指令；

46、所述阈下电刺激单元用于执行所述第一强度值电刺激指令和所述第二强度值电刺激指令；

47、所述用户终端显示单元用于执行所述分级预警指令；

48、所述外部呼吸机与所述腕部主设备通过无线通信连接，用于执行所述联动设备控制指令。

49、本发明的有益效果：本发明通过多条件联合的预触发机制，在物理电路上实现了麦克风的按需启动，极大延长了设备的续航时间，并消除了用户的隐私泄露焦虑；通过多维生理特征进行动态加权匹配，构建了严密的打鼾验证过程，显著提高了复杂环境下本人鼾声识别的准确率，克服了传统单一声学检测易受干扰的缺陷；通过引入滑动检测窗口并精准映射临床诊断标准，实现了ahi的本地化高精度估算；基于客观的病症分级结果，实施从无感阈下电刺激到联动家用呼吸机的阶梯式自适应干预，在有效阻断打鼾病症导致气道塌陷恶化的同时，极大降低了对正常睡眠结构的破坏，提升了用户的长期佩戴依从性。