一种OSA患者夜间体位依赖性呼吸暂停预警干预系统的制作方法

摘要: 本发明属于医疗监护设备,特别是涉及一种osa患者夜间体位依赖性呼吸暂停预警干预系统。背景技术:1、随着神经重症监护对脑功能保护要求的不断提高,体位管理相关的呼吸...
一种OSA患者夜间体位依赖性呼吸暂停预警干预系统的制作方法

本发明属于医疗监护设备,特别是涉及一种osa患者夜间体位依赖性呼吸暂停预警干预系统。

背景技术:

1、随着神经重症监护对脑功能保护要求的不断提高,体位管理相关的呼吸安全风险日益受到关注。为有效控制颅内压,患者通常需要持续维持较高角度的头高卧位。但这一治疗性体位会改变咽部气道结构,显著增加体位依赖性阻塞性呼吸暂停的发生概率。呼吸暂停引发的缺氧和高碳酸血症可导致脑血管扩张、颅内压进一步升高,形成继发性脑损伤的恶性循环。目前临床对于呼吸暂停的监测主要依赖血氧饱和度和口鼻气流等信号,当血氧跌破阈值或气流中断时发出警报,本质上属于事后检出机制,即在气道完全塌陷、通气中断后方可作出响应。

2、然而,上述事后检出机制在神经重症场景中面临根本性局限;神经重症患者因降颅压需要须强制维持治疗性头高卧位,且常处于镇静或意识障碍状态,无法自主改变体位解除气道阻塞,任何调低床头的操作均与颅内压控制目标相冲突;从呼吸暂停发生到血氧下降存在循环迟滞,而口鼻气流中断虽能较快感知,但此时上气道已完成塌陷,脑组织已开始承受缺氧与颅内压升高的双重损害;现有手段无法在气道完全闭合前预先识别塌陷趋势,导致干预滞后、脑保护目的难以实现;因此,我们提出一种osa患者夜间体位依赖性呼吸暂停预警干预系统。

技术实现思路

1、为解决上述技术问题,本发明是通过以下技术方案实现的:

2、本发明为一种osa患者夜间体位依赖性呼吸暂停预警干预系统,包括多模态信号采集模块、信号预处理模块、脑-肺相位差提取模块、相位同步指数动态计算模块、体位特异性基线建立模块、风险指数实时计算模块和预警决策与干预模块;

3、所述多模态信号采集模块用于构建多模态信号同步采集环境,同步获取有创颅内压信号、局部脑组织氧饱和度信号、胸阻抗呼吸波信号、头高位角度信号和心电图信号,并为全部信号添加统一时间戳;

4、所述信号预处理模块用于对颅内压信号进行心搏伪迹去除得到去心搏颅内压信号,从去心搏颅内压信号和脑组织氧饱和度信号中分别提取呼吸频带内的波动成分,得到颅内压呼吸波动信号和脑氧合呼吸波动信号;

5、所述脑-肺相位差提取模块用于对颅内压呼吸波动信号和脑氧合呼吸波动信号分别进行希尔伯特变换,构建各自的解析信号,提取颅内压呼吸波动的瞬时相位和脑氧合呼吸波动的瞬时相位,计算瞬时相位差;

6、所述相位同步指数动态计算模块用于采用滑动时间窗,基于瞬时相位差的统计分布特性,量化颅内压与脑氧合在呼吸维度上的相位耦合强度,生成脑-肺相位同步指数;

7、所述体位特异性基线建立模块用于在患者处于预设治疗头高角度且无呼吸暂停事件的稳态时段内,计算相位同步指数的均值,建立体位特异性耦合基线;

8、所述风险指数实时计算模块用于对相位同步指数进行平滑处理,基于平滑相位同步指数偏离体位特异性耦合基线的程度以及平滑相位同步指数的时间导数的衰减趋势,生成脑-肺相位耦合崩溃风险指数;

9、所述预警决策与干预模块用于将风险指数与预设临床风险阈值进行比较,当风险指数大于或等于预设临床风险阈值时,输出分级预警信号,并触发闭环干预策略。

10、进一步地,所述多模态信号采集模块包括颅内压信号采集单元、脑组织氧饱和度采集单元、呼吸波信号采集单元、头高位角度采集单元和心电图采集单元;

11、所述颅内压信号采集单元用于通过颅内探头采集有创颅内压信号,采样率不低于预设高采样率阈值;

12、所述脑组织氧饱和度采集单元用于通过近红外光谱无创监测仪采集局部脑组织氧饱和度信号,并将脑组织氧饱和度信号插值至与颅内压信号相同的采样频率;

13、所述呼吸波信号采集单元用于通过胸阻抗法采集呼吸波信号,用于辅助定位呼吸周期;

14、所述头高位角度采集单元用于通过固定于病床背板的角度传感器采集头高位角度信号,用于实时确认患者处于预设治疗角度范围;

15、所述心电图采集单元用于采集心电图信号,用于去除颅内压信号中的心搏伪迹。

16、进一步地,所述信号预处理模块包括心搏伪迹去除单元和呼吸频带提取单元;

17、所述心搏伪迹去除单元用于以心电图信号的每个r波为基准,提取前后固定时间段内的颅内压信号片段,构建动态模板,从原始颅内压信号中减去所述动态模板,得到去心搏颅内压信号;

18、所述呼吸频带提取单元用于采用带通滤波器对去心搏颅内压信号和脑组织氧饱和度信号进行滤波,通带频率范围覆盖神经重症患者的预设呼吸频率范围,得到颅内压呼吸波动信号和脑氧合呼吸波动信号。

19、进一步地,所述脑-肺相位差提取模块包括希尔伯特变换单元、解析信号构建单元、瞬时相位提取单元和瞬时相位差计算单元;

20、所述希尔伯特变换单元用于对颅内压呼吸波动信号和脑氧合呼吸波动信号分别进行希尔伯特变换,将实信号转换为复信号的虚部;

21、所述解析信号构建单元用于构造两路呼吸波动信号的解析信号,将实信号扩展为复平面上的信号,使信号的瞬时幅度和瞬时相位得以分离提取;

22、所述瞬时相位提取单元用于从两路解析信号中分别提取瞬时相位,描述呼吸波动信号在每一采样时刻所处的相位角位置;

23、所述瞬时相位差计算单元用于计算颅内压呼吸波动瞬时相位与脑氧合呼吸波动瞬时相位之间的差值,得到瞬时相位差,并将瞬时相位差的值域包裹至区间。

24、进一步地,所述相位同步指数动态计算模块包括滑动窗参数设置单元、相位差分布统计单元和相位同步指数计算单元;

25、所述滑动窗参数设置单元用于设定滑动时间窗的时间长度和步进值;

26、所述相位差分布统计单元用于对滑动时间窗内所有相位差样本点,将区间均匀划分为预设数量的等宽子区间,统计相位差落入每个子区间的概率;

27、所述相位同步指数计算单元用于基于相位差分布的信息熵构建脑-肺相位同步指数,量化滑动时间窗内颅内压与脑氧合呼吸波动之间相位耦合的强弱程度。

28、进一步地,所述相位同步指数计算单元用于通过获取的相位差分布概率,基于香农熵构建归一化的脑-肺相位同步指数,取值范围为;当相位差高度集中于狭窄区间时,同步指数趋近于最大值,表示两信号相位耦合紧密;当相位差趋于均匀分布时,同步指数趋近于最小值,表示相位耦合瓦解;

29、脑-肺相位同步指数的计算方式为:

30、;

31、式中,表示脑-肺相位同步指数,表示相位差分布的香农熵,表示理论最大熵,,表示子区间总数,表示相位差落入第k个子区间的概率,表示自然对数。

32、进一步地,所述体位特异性基线建立模块包括稳态时段识别单元和耦合基线计算单元;

33、所述稳态时段识别单元用于根据头高位角度信号,自动识别患者处于预设治疗角度且无呼吸暂停事件发生的稳态时段,稳态时段的持续时间不小于预设最短时长;

34、所述耦合基线计算单元用于计算稳态时段内所有滑动窗相位同步指数的均值,作为体位特异性耦合基线,建立该患者在治疗头高角度下上气道稳定开放时的相位耦合参照值。

35、进一步地,所述风险指数实时计算模块包括指数平滑处理单元、容许阈值确定单元和风险指数计算单元;

36、所述指数平滑处理单元用于对相位同步指数在预设平滑时间尺度上进行指数滑动平均,得到平滑相位同步指数,滤除相位同步指数序列中的短时随机波动,突出相位耦合强度的趋势性变化;

37、所述容许阈值确定单元用于根据基线建立时段内相位同步指数的波动标准差,乘以预设系数确定容许阈值,界定相位同步指数的正常波动范围,区分生理性波动与上气道塌陷引起的前兆性耦合衰减;

38、所述风险指数计算单元用于计算脑-肺相位耦合崩溃风险指数,量化相位耦合强度的衰减速率,实现对上气道渐进性塌陷所致呼吸暂停的前兆捕捉。

39、进一步地,所述风险指数计算单元用于结合平滑相位同步指数偏离基线的幅度与衰减速率,构建脑-肺相位耦合崩溃风险指数,仅在相位同步指数偏离基线超过正常波动范围且呈现持续下降趋势时输出正值;

40、脑-肺相位耦合崩溃风险指数的计算方式为:

41、;

42、式中,表示脑-肺相位耦合崩溃风险指数,表示平滑相位同步指数,表示平滑相位同步指数的时间导数,反映相位耦合强度变化的速率和方向,表示体位特异性耦合基线,表示容许阈值,表示海维赛德阶跃函数,当且仅当时阶跃函数取值为1,否则取值为0,运算确保风险指数仅在有正向衰减速率时输出非负值。

43、进一步地,所述预警决策与干预模块用于将脑-肺相位耦合崩溃风险指数与预设临床风险阈值进行实时比较;当风险指数大于或等于预设临床风险阈值时,生成分级预警信号并发送至中央监护站和床旁终端;触发闭环干预策略,保持床头整体角度不变,通过驱动床旁智能枕头的局部气囊进行充气,实施颈部后伸微调以改变上气道横截面几何形态,在不改变治疗性头高体位的前提下,通过增大上气道前后径解除上气道的塌陷趋势;当风险指数回落至预设临床风险阈值以下时,控制气囊自动泄压恢复初始形态。

44、本发明具有以下有益效果:

45、1、本发明通过持续计算颅内压与脑氧合在呼吸维度上的相位同步指数,捕捉上气道渐进性塌陷过程中脑-肺耦合关系崩溃的前兆特征。与基于血氧饱和度下降或呼吸气流中断的事后检测方法不同,本方法利用上气道失稳引起的胸内压传递效率变化所导致的相位同步衰减现象,在呼吸暂停事件实际发生前即发出预警;为临床干预争取了宝贵的时间窗口,使干预措施从被动补救转为主动预防,有助于避免缺氧事件对脑组织的继发性损伤。

46、2、本发明所依赖的有创颅内压信号和局部脑组织氧饱和度信号,均为神经重症患者常规监护中持续采集的生理参数;算法所需的胸阻抗呼吸波信号和心电图信号同样来自标准监护仪配置;整个预警过程不引入任何侵入性或非侵入性的额外传感器,不增加患者的监测负担,也不改变现有的临床监护流程。这一特征使得本方法具备在现有重症监护硬件平台上直接部署的可行性,降低了临床转化的技术门槛和经济成本。

47、3、本发明的预警输出基于颅内压信号本身的特征变化,使得体位依赖性呼吸暂停的预测与颅内压的实时状态紧密结合;当预警触发干预时,干预策略也设计为保持治疗性头高角度不变前提下的颈部微调,从而在解除气道塌陷趋势的同时不损害颅内压控制效果。

48、4、本发明通过自动识别稳态时段并计算该时段内的相位同步指数均值,为每位患者建立体位特异性的耦合基线,并将偏离基线的程度和速率共同作为预警判据;这一个体化策略使得预警阈值随患者自身生理状态自适应调整,避免了采用固定通用阈值可能造成的误报或漏报问题。

49、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。