检测嘴泄漏的系统和方法与流程

检测嘴泄漏的系统和方法
1.相关申请的交叉引用
2.本技术要求于2020年1月31日提交的第62/968,889号美国临时专利申请和于2020年9月30日提交的第63/198,137号美国临时专利申请的权益和优先权，其各自通过引用整体并入本文。
技术领域
3.本发明一般涉及用于确定用户的嘴泄漏状态的系统和方法，更具体地，涉及用于基于在用户的睡眠时段期间生成的声音和/或气流数据来确定用户的嘴泄漏状态的系统和方法。


背景技术：

4.呼吸不仅给我们的身体提供氧气，而且释放二氧化碳和废物。鼻和口形成通向我们肺的两个空气通道，并且可以促进气体交换。如果他们的鼻空气通道被阻塞(完全阻塞或部分阻塞)，人们在晚上会通过他们的嘴呼吸。有些人即使在鼻阻塞清除后也会发展通过嘴而不是鼻子呼吸的习惯。对于一些具有睡眠呼吸暂停的人，其可能成为睡眠习惯，其嘴巴张开以适应他们对氧气的需要。
5.此外，当睡眠呼吸暂停患者使用鼻罩或鼻枕开始cpap治疗时，他们可能无意中通过他们的嘴呼吸(“嘴泄漏”)。例如，当嘴中的压力和大气压之间的差超过阈值时，嘴(例如嘴唇)可能突然打开以使压力正常化。嘴唇在吸入时可再次闭合。这可能不会使患者觉醒，但当他们醒来时会导致口干、嘴唇干燥和不适。一些患者长期不能忍受这种情况，很可能停止他们所需的治疗。因此，需要检测和/或监测在呼吸治疗期间经历嘴泄漏的患者。
6.本发明旨在解决这些问题以及解决其他问题。


技术实现要素：

7.根据本发明的一些实现方式，一种系统包括存储机器可读指令的存储器和包括一个或多个处理器的控制系统。所述控制系统被配置成执行所述机器可读指令以：从麦克风接收与呼吸装置的用户相关联的第一声学数据；分析与所述用户相关联的第一声学数据；并且至少部分地基于对第一声学数据的分析来确定嘴泄漏状态。呼吸装置被配置为在睡眠时段期间向用户的气道供应加压空气。嘴泄漏状态指示空气从用户的嘴泄漏。
8.根据本发明的一些实现方式，一种系统包括：存储有机器可读指令的存储器和包括有一个或多个处理器的控制系统。所述控制系统被配置来执行所述机器可读指令，以：从麦克风接收与呼吸装置的用户相关联的声学数据；以及使用机器学习算法处理声学数据来为所述用户输出嘴泄漏状态。呼吸装置被配置为在睡眠时段期间向用户的气道供应加压空气。嘴泄漏状态指示空气从用户的嘴泄漏。
9.根据本发明的一些实现方式，一种系统包括存储机器可读指令的存储器和包括一个或多个处理器的控制系统。所述控制系统被配置成执行所述机器可读指令以：在多个睡
眠时段期间从麦克风接收与呼吸装置的用户相关联的声学数据；接收与在多个睡眠时段期间供应到用户的气道的加压空气相关联的压力数据；分析声学数据以针对多个睡眠时段中的每个睡眠时段确定用户的嘴泄漏状态；以及至少部分地基于(i)多个睡眠时段中的每个睡眠时段的用户的嘴泄漏状态和(ii)压力数据，来确定用户的最佳吸气压力和最佳呼气压力。麦克风与呼吸装置的用户相关联。呼吸装置被配置成用于向用户的气道供应加压空气。声学数据包括吸入声学数据和呼出声学数据。压力数据包括吸气压力数据和呼气压力数据。嘴泄漏状态指示空气从用户的嘴泄漏。
10.根据本发明的一些实现方式，一种系统包括：存储有机器可读指令的存储器和包括有一个或多个处理器的控制系统。控制系统被配置来执行机器可读指令，以：在多个睡眠时段期间从麦克风接收与用户相关联的声学数据；针对多个睡眠时段中的每个睡眠时段从传感器接收与用户相关联的生理数据；分析声学数据以针对多个睡眠时段中的每个睡眠时段确定用户的嘴泄漏状态；以及使用(i)多个睡眠时段中的每个睡眠时段的用户的嘴泄漏状态和(ii)生理数据，来训练机器学习算法，使得机器学习算法被配置来：接收作为输入的与当前睡眠时段相关联的当前生理数据；以及确定当前睡眠时段的估计的嘴泄漏状态作为输出。麦克风与呼吸装置的用户相关联。呼吸装置被配置成用于向用户的气道供应加压空气。嘴泄漏状态指示空气从用户的嘴泄漏。
11.根据本发明的一些实现方式，公开了一种用于确定与呼吸装置的用户相关联的嘴泄漏状态的方法。接收与所述呼吸装置的用户相关联的气流数据。呼吸装置被配置为在治疗期间向用户的气道供应加压空气。气流数据包括压力数据。分析与用户相关联的气流数据。至少部分地基于所述分析，确定与用户相关联的嘴泄漏状态。嘴泄漏状态指示空气是否从用户的嘴泄漏。
12.根据本发明的一些实现方式，一种系统包括：具有一个或多个处理器的控制系统，以及其上存储有机器可读指令的存储器。控制系统被联接到存储器上。当存储器中的机器可执行指令由控制系统的一个或多个处理器中的至少一个处理器执行时，实施以上公开且本文进一步描述的任何方法。
13.根据本发明的一些实现方式，一种用于确定与呼吸装置的用户相关联的嘴泄漏状态的系统包括具有一个或多个处理器的控制系统，该一个或多个处理器被配置来实施以上公开的并且在此进一步描述的任何方法。
14.根据本发明的一些实现方式，一种计算机程序产品包括指令，所述指令在由计算机执行时使计算机执行以上公开的以及本文进一步描述的任何方法。在一些实现方式中，计算机程序产品是非瞬态计算机可读介质。
15.以上概述并非旨在表示本发明的每个实现方式或每个方面。本发明的详细描述和附图中，本发明的附加特征和优点是显而易见的。
附图说明
16.图1是根据本发明的一些实现方式的用于确定用户漏泄嘴状态的系统的功能框图；
17.图2a是根据本发明的一些实现方式的图1的系统的至少一部分、佩戴全面罩的用户和床伴的透视图；
18.图2b是根据本发明的一些实现方式的图1的系统的至少一部分、佩戴鼻罩的用户和床伴的透视图；
19.图3是根据本发明的一些实现方式的确定用户的嘴泄漏状态的方法的流程图；
20.图4a说明了根据本发明的一些实现方式的显示装置上用户的嘴泄漏评定的视觉指示器；
21.图4b说明了根据本发明的一些实现方式的与显示装置上的用户的嘴泄漏状态相关联的消息的视觉指示符；
22.图4c说明了根据本发明的一些实现方式的显示在显示装置上用于接收来自用户的用户反馈的用户接口；
23.图5是根据本发明的一些实现方式的确定用户的最佳吸气压力和最佳呼气压力的方法的过程流程图；
24.图6是根据本发明的一些实现方式的使用机器学习算法为用户估计嘴泄漏状态的方法的过程流程图；
25.图7是根据本发明的一些实现方式的用于确定与呼吸装置的用户相关联的嘴泄漏状态的方法的过程流程图；
26.图8说明了根据本发明的一些实现方式的当用户正常呼吸时的第一呼吸以及当用户通过嘴呼气时的第二呼吸；
27.图9说明了根据本发明的一些实现方式在呼吸周期内识别的多个特征；
28.图10a说明了根据本发明的一些实现方式的在用户的治疗时段期间测量的实验室数据，该实验室数据显示了阀式嘴泄漏、面罩泄漏、以及连续嘴泄漏；
29.图10b说明了根据本发明的一些实现方式的显示阀式嘴泄漏的用户的图10的实验室数据的一部分；
30.图10c说明了根据本发明的一些实现方式的显示面罩泄漏的用户的图10的实验室数据的一部分；
31.图10d说明了根据本发明的一些实现方式的显示连续嘴泄漏的用户的图10的实验室数据的一部分；
32.图11说明了根据本发明的一些实现方式的根据无意泄漏水平的具有嘴泄漏的多个时期(epochs)的直方图；
33.图12a说明了根据本发明的一些实现方式的实际嘴泄漏持续时间；
34.图12b说明了根据本发明的一些实现方式的预测嘴泄漏持续时间；
35.图13说明了根据本发明的一些实现方式关于阻塞持续时间的评分嘴泄漏的比例；
36.图14说明了根据本发明的一些实现方式的用于确定嘴泄漏的无意泄漏与通气之间的带符号协方差；
37.图15说明了根据本发明的一些实现方式针对无意泄漏水平的通气的特征分离；
38.图16a说明了根据本发明的一些实现方式的在归一化之前每个用户的多个负时期和多个正时期；
39.图16b说明了根据本发明的一些实现方式的在归一化之后每个用户的多个负时期和多个正时期；
40.图17说明了根据本发明的一些实现方式的针对无意泄漏可变性特征进行分离；
41.图18a说明了根据本发明的一些实现方式针对具有嘴泄漏的用户中的高水平无意泄漏的示例性无意泄漏变化；
42.图18b说明了根据本发明的一些实现方式针对不具有嘴泄漏的用户中的高水平无意泄漏的示例性无意泄漏变化；
43.图19说明了根据本发明的一些实现方式的基于流量数据的呼吸分割；
44.图20a说明了根据本发明的一些实现方式在呼吸上计算出的特定呼吸特征；
45.图20b说明了根据本发明的一些实现方式的在呼吸的一部分上计算的附加的呼吸特定特征；
46.图21说明了根据本发明的一些实现方式的第90百分位时期(epoch 90
th percentile)的流量数据的呼吸面积/帧面积的比值；
47.图22说明了根据本发明的一些实现方式的以时期平均值对流量数据采取的偏度；
48.图23说明了根据本发明的一些实现方式的以时期平均值对导数鼓风机压力采取的偏度；
49.图24a是根据本发明的一些实现方式的在无面罩泄漏的时间段和面罩泄漏的时间段上的声功率水平；
50.图24b是根据本发明的一些实现方式的在图24a的无面罩泄漏的时间段和面罩泄漏的时间段上的泄漏率、流量和面罩压力的比较性图形表示；
51.图25说明了根据本发明的一些实现方式的在一个时间段内的声强的最大值、声强的标准偏差、泄漏率、流量、以及面罩压力的比较性图形表示；
52.图26a是根据本发明的一些实现方式的在发生不同类型的泄漏的时间段上的声功率级；以及
53.图26b是根据本发明的一些实现方式的在图26a的时间段上的泄漏率、流量和面罩压力的比较图示。
54.虽然本发明易受各种修改和可替代形式的影响，但是其具体实现方式和实施方案已经通过附图中的示例示出并且将在本文中详细描述。然而，应当理解，这并不旨在将本发明限制为所公开的特定形式，而是相反，本发明将覆盖落入由所附权利要求限定的本发明的精神和范围内的所有修改，等同物和可替代物。
具体实施方式
55.通常，健康个体在睡眠期间通过其鼻子呼吸。慢性口呼吸可导致充血增加、口干燥、口臭、牙龈炎、不适和/或潜在的鼻出血。
56.嘴泄漏的原因很多。如果一些人的鼻空气通道可能是由过敏、感冒或鼻窦感染引起的引起被阻塞(完全阻塞或部分阻塞)，则他们可能在晚上通过嘴呼吸。一些人倾向于患有阻塞的鼻空气通道，这可由增大的腺样体、增大的扁桃体、偏离的中隔、鼻息肉或鼻内层组织的良性生长引起。此外，增大的鼻甲骨、鼻子的形状以及颌的形状和尺寸可有助于阻塞鼻空气通道。
57.睡眠呼吸暂停患者通常也具有阻塞的空气通道。对于一些具有睡眠呼吸暂停的人，其可能成为睡眠习惯，其嘴巴张开以适应他们对氧气的需要。在一些情况下，当睡眠呼吸暂停患者使用鼻罩或鼻枕开始cpap治疗时，他们可能无意中通过他们的嘴呼吸(“嘴泄
漏”)。例如，当嘴中的压力和大气压之间的差超过阈值时，嘴(例如嘴唇)可能突然打开以使压力正常化。嘴唇在吸入时可再次闭合。这可能不会使患者觉醒，但当他们醒来时会导致口干、嘴唇干燥和不适。一些患者长期不能忍受这种情况，很可能停止他们所需的治疗。
58.一些睡眠呼吸暂停患者在夜间的至少一部分可能患有连续的嘴泄漏，其中他们的嘴保持打开，并且形成连续的回路(空气通过鼻罩进入，并且通过嘴流出)。一些患者会忍受连续的嘴泄漏-即使是在夜间的70％-但是他们不太可能长期坚持治疗和/或可能仅在夜间较早地佩戴他们的面罩(当患者处于深睡眠而不是rem睡眠时)。因此，对于睡眠呼吸暂停患者，嘴泄漏可能降低治疗的有效性和/或舒适度，这又导致较差的结果和/或对治疗的依从性。
59.因此，需要一种能够检测用户是否正在嘴呼吸、调整相关装置上的适当设定和/或向用户提供通知的系统。本发明涉及这种系统。
60.参照图1，说明了根据本发明的一些实现方式的系统100。系统100包括控制系统110、存储器装置114、电子接口119、一个或多个传感器130、以及一个或多个用户装置170。在一些实现方式中，系统100进一步包括呼吸系统120。
61.控制系统110包括一个或多个处理器112(下文，处理器112)。控制系统110通常用于控制系统100的各种部件和/或分析由系统100的部件获得和/或产生的数据。处理器112可以是通用或专用处理器或微处理器。虽然在图1中示出了一个处理器112，但是控制系统110可以包括任何合适数量的处理器(例如，一个处理器，两个处理器、五个处理器、十个处理器等)，这些处理器可以在单个壳体中，或者彼此远离地定位。控制系统110可以联接到和/或定位在例如用户装置170的壳体、呼吸系统120的一部分(例如壳体)内、和/或一个或多个传感器130的壳体内。控制系统110可以是集中式的(在一个这样的壳体内)或分散式的(在物理上不同的两个或多个这样的壳体内)。在包括包含控制系统110的两个或更多个壳体的这种实施方式中，这种壳体可以彼此靠近地和/或远离地定位。
62.存储器装置114存储可由控制系统110的处理器112执行的机器可读指令。存储器装置114可以是任何合适的计算机可读存储装置或介质，例如随机或串行访问存储装置、硬盘驱动器、固态驱动器、闪存装置等。虽然图1中示出了一个存储器装置114，但是系统100可以包括任何合适数量的存储器装置114(例如，一个存储装置、两个存储装置、五个存储装置、十个存储装置等)。存储器设备114可以联接到和/或定位在呼吸装置122的壳体内、用户装置170的壳体内、一个或多个传感器130的壳体内、或其任何组合。与控制系统110类似，存储器装置114可以是集中式的(在一个这样的壳体内)或分散式的(在物理上不同的两个或多个这样的壳体内)。
63.在一些实现方式中，存储器装置114(图1)存储与用户相关联的用户简档。用户简档可以包括例如与用户相关联的人口统计信息、与用户相关联的生物统计信息、与用户相关联的医疗信息、自报告用户反馈、与用户相关联的睡眠参数(例如、从一个或多个较早睡眠时段记录的睡眠相关参数)或其任何组合。人口统计信息可以包括例如指示用户的年龄、用户的性别、用户的种族、用户的地理位置、关系状态、失眠的家族史、就业状态的信息用户的身份、用户的教育状况、用户的社会经济状况、或其任何组合。医疗信息可以包括例如指示与用户相关联的一个或多个医疗状况、用户的药物使用、或两者。医疗信息数据可以进一步包括多睡眠潜伏期测试(mslt)测试结果或评分和/或匹兹堡睡眠质量指数(psqi)评分或
值。自我报告的用户反馈可包括指示自我报告的主观治疗评分(例如，差、平均、优秀)、用户的自我报告的主观压力水平、用户的自我报告的主观疲劳水平、用户的自我报告的主观健康状态、用户最近经历的生活事件或其任何组合的信息。
64.电子接口119被配置为从一个或多个传感器130接收数据(例如，生理数据和/或音频数据)，使得数据可以被存储在存储器设备114中和/或由控制系统110的处理器112分析。电子接口119可以使用有线连接或无线连接(例如，使用rf通信协议、wi-i通信协议、蓝牙通信协议、通过蜂窝网络等)与一个或多个传感器130通信。电子接口119可包括天线、接收器(例如，rf接收器)、发射器(例如，rf发射器)、收发器或其任何组合。电子接口119还可以包括与本文描述的处理器112和存储器装置114相同或相似的一个或多个处理器和/或一个或多个存储器装置。在一些实现方式中，电子接口119联接到或集成在用户装置170中。在其它实现方式中，电子接口119与控制系统110和/或存储器装置114联接或集成(例如，在壳体中)。
65.如上所述，在一些实施方式中，系统100可包括呼吸系统120(也称为呼吸治疗系统)。呼吸系统120可以包括呼吸压力治疗(rpt)装置122(本文也称为呼吸装置122)、用户接口124、导管126(也称为管或空气回路)、显示装置128、加湿罐129，或其任何组合。在一些实现方式中，控制系统110、存储器装置114、显示装置128、一个或多个传感器130、以及加湿罐129是呼吸装置122的一部分。呼吸压力疗法是指以受控的目标压力向用户气道入口供应空气，该受控的目标压力在整个用户的呼吸循环中相对于大气名义上是正的(例如与罐式通气机或导管式通气机的负压治疗相反)。呼吸系统120通常用于治疗患有一种或多种睡眠相关呼吸障碍(例如，阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停或混合性睡眠呼吸暂停)的个体。
66.呼吸装置122通常用于产生输送到用户的加压空气(例如，使用驱动一个或多个压缩机的一个或多个马达)。在一些实现方式中，呼吸装置122产生连续恒定的空气压力，该空气压力被递送至用户。在其他实现方式中，呼吸装置122产生两个或更多个预定压力(例如，第一预定空气压力和第二预定空气压力)。在又其他实现方式中，呼吸装置122被配置成在预定范围内产生多种不同的空气压力。例如，呼吸装置122可以输送至少大约6cm h2o、至少大约10cm h2o、至少大约20cm h2o、介于大约6cm h2o和大约10cm h2o之间、介于大约7cm h2o和大约12cm h2o之间等。呼吸装置122还可以以例如大约-20l/min和大约150l/min之间的预定流量输送加压空气，同时保持正压(相对于环境压力)。
67.用户接口124接合用户面部的一部分，并将加压空气从呼吸装置122输送到用户的气道，以帮助防止气道在睡眠期间变窄和/或塌陷。这也可以增加用户在睡眠期间的氧气摄入。通常，用户接口124接合用户的面部，使得加压空气经由用户的嘴、用户的鼻子或用户的嘴和鼻子两者被递送到用户的气道。呼吸装置122、用户接口124和导管126一起形成与用户气道流体连接的空气通路。加压空气还增加了用户在睡眠期间的氧气摄入量。
68.取决于待施加的治疗，用户接口124可与例如用户面部的区域或部分形成密封，从而有利于气体以与环境压力有足够差异的压力(例如，相对于环境压力大约10cm h2o的正压)进行的输送，以实现治疗。对于其它形式的治疗，例如氧气输送，用户接口可以不包括足以将约10cmh2o的正压的气体输送到向气道的密封。
69.如图2a所示，在一些实现方式中，用户接口124是覆盖用户的鼻子和嘴的面罩(例
如，全脸罩)。可替代地，如图2b所示，用户接口124是向用户的鼻子提供空气的鼻罩或直接向用户的鼻孔输送空气的鼻枕罩。用户接口124可以包括用于将接口定位和/或稳定在用户的一部分(例如，面部)上的多个绑带(例如，包括钩和环紧固件)以及有助于在用户接口124与用户之间提供气密密封的适形缓冲垫(例如，硅酮、塑料、泡沫等)。用户接口124还可以包括一个或多个通风口，用于允许用户210呼出的二氧化碳和其它气体逸出。在其他实现方式中，用户接口124可包括吸嘴(例如，模制为符合用户的牙齿的夜间防护吸嘴、下颌复位装置等)。
70.导管126(也称为空气回路或管)允许空气在呼吸系统120的两个部件之间流动，如呼吸装置122和用户接口124。在一些实现方式中，可具有用于吸气和呼气导管的独立分支。在其他实现方式中，单个分支空气导管用于吸气和呼气。
71.呼吸装置122、用户接口124、导管126、显示装置128和加湿罐129中的一个或多个可以包含一个或多个传感器(例如，压力传感器、流量传感器、或更一般地在此描述的任何其他传感器130)。这些一个或多个传感器可用于例如测量由呼吸装置122供应的加压空气的空气压力和/或流量。
72.显示装置128通常用于显示包括静止图像、视频图像或两者的图像和/或关于呼吸装置122的信息。例如，显示装置128可以提供关于呼吸装置122的状态的信息(例如，呼吸装置122是否开/关、由呼吸装置122递送的空气的压力、由呼吸装置122递送的空气的温度等)和/或其他信息(例如，睡眠评分或治疗评分(也称为myair
tm
评分，例如在wo 2016/061629中描述的，在此通过引用将其全部并入本文)、当前日期/时间、用户210的个人信息等)。在一些实现方式中，显示装置128充当包括图形用户接口(gui)的人机接口(hmi)，图形用户接口被配置为将图像显示为输入接口。显示装置128可以是led显示器、oled显示器、lcd显示器等。输入接口可以是例如触摸屏或触敏基板、鼠标、键盘或被配置成感测由与呼吸装置122交互的人类用户做出的输入的任何传感器系统。
73.加湿罐129联接到或集成在呼吸装置122中。加湿罐129包括可用于加湿从呼吸装置122输送的加压空气的储器。呼吸装置122可以包括加热器以加热加湿罐129中的水以加湿提供给用户的加压空气。另外，在一些实现方式中，导管126还可以包括加热元件(例如，联接至和/或嵌入在导管126中)，加热元件加热递送至用户的加压空气。加湿罐129可以流体联接到空气通路的水蒸气入口并且经由水蒸气入口将水蒸气递送到空气通路中，或者可以与空气通路成一直线地形成作为空气通路本身的一部分。
74.在一些实现方式中，系统100可以用于至少部分地基于生理数据、睡眠相关参数、其他数据或信息、或其任何组合将物质的至少一部分从容器180递送到用户的空气路径。通常，修改物质的部分到空气路径中的递送可包括：(i)起始物质到空气路径中的递送，(ii)结束物质的部分到空气路径中的递送，(iii)修改递送到空气路径中的物质的量，(iv)修改物质的部分到空气路径中的递送的时间特性，(v)修改将物质的部分递送到空气路径中的定量特征，(vi)修改与将物质递送到空气路径中相关联的任何参数，或(vii)(i)到(vi)的组合。
75.改变进入空气通道的物质部分的输送的时间特性可以包括改变物质输送的速率、在不同时间开始和/或结束、持续不同的时间段、改变输送的时间分布或特性、独立于时间分布改变量分布等。独立的时间和量变化确保除了改变物质释放的频率之外，可以改变每
次释放的物质的量。以此方式，可以实现释放频率和释放量的多种不同组合(例如，较高频率但较低释放量，较高频率和较高释放量，较低频率和较高释放量，较低频率和较低释放量等)。也可以利用将物质的部分输送到空气通道中的其它变型。
76.呼吸系统120可用作呼吸机，或气道正压通气(pap)系统，例如持续气道正压通气(cpap)系统、自动气道正压通气系统(apap)、双水平或可变气道正压通气系统(bpap或vpap)、或其任意组合。cpap系统将预定气压(例如，由睡眠医师确定的)输送给用户。apap系统基于例如与用户相关的呼吸数据自动改变输送给用户的气压。bpap或vpap系统被配置成递送第一预定压力(例如，吸气气道正压或ipap)和低于第一预定压力的第二预定压力(例如，呼气气道正压或epap)。
77.仍然参考图1，系统100的一个或多个传感器130包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、射频(rf)接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、eeg传感器158、电容传感器160、力传感器162、应变计传感器164、肌电图(emg)传感器166、氧传感器168、分析物传感器174、湿度传感器176、激光雷达传感器178或其任何组合。通常，一个或多个传感器130中的每一个传感器被配置来输出被接收并存储在存储器装置114或一个或多个其它存储器装置中的传感器数据。
78.尽管一个或多个传感器130被示出和描述为包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、rf接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、eeg传感器158、电容传感器160、力传感器162、应变计传感器164、肌电图(emg)传感器166、氧气传感器168、分析物传感器174、湿度传感器176和激光雷达传感器178中的每一个，更一般地，一个或多个传感器130可以包括本文描述和/或示出的传感器中的每一个的组合和任何数量。
79.如本文所述，系统100通常可用于在睡眠时段期间生成与用户(例如，图2a-2b所示的呼吸系统120的用户)相关联的生理数据。可以分析生理数据以生成一个或多个睡眠相关参数，其可以包括在睡眠时段期间与用户相关的任何参数、测量等。可以在睡眠时段期间为用户210确定的一个或多个睡眠相关参数，包括例如呼吸暂停低通气指数(ahi)分数、睡眠分数、流量信号、呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时事件数、事件模式、阶段、呼吸装置122的压力设定、心率、心率变异性、用户210的运动、温度、eeg活动、emg活动、醒来、打鼾、窒息、咳嗽、吹口哨、喘息或其任何组合。
80.一个或多个传感器130可用于产生例如生理数据、音频数据或两者。控制系统110可以使用由一个或多个传感器130生成的生理数据来确定在睡眠时段期间与用户210相关联的睡眠-清醒信号和一个或多个睡眠相关参数。睡眠-清醒信号可以指示一种或多种睡眠状态和/或一个或多个睡眠阶段，包括觉醒、放松的觉醒、微觉醒、快速眼动(rem)阶段、第一非rem阶段(通常称为“n1”)、第二非rem阶段(通常称为“n2”)、第三非rem阶段(通常称为“n3”)或其任何组合。
81.还可以对睡眠-觉醒信号加时间戳以确定用户进入床的时间、用户离开床的时间、用户试图入睡的时间等。睡眠-觉醒信号可以由一个或多个传感器130在睡眠时段期间以预定采样速率测量，例如每秒一个样本、每30秒一个样本、每分钟一个样本等。在一些实现方式中，睡眠-觉醒信号还可以指示呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、
每小时事件的数目、事件的模式、呼吸装置122的压力设定、或其任何组合。事件可以包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合呼吸暂停、呼吸不足、面罩泄漏(例如，来自用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫或其任何组合。可以在睡眠时段期间基于睡眠-觉醒信号为用户确定的一个或多个睡眠相关参数包括，例如，床上总时间、总睡眠时间、睡眠开始等待时间、睡眠开始后觉醒参数、睡眠效率、分段指数或其任何组合。
82.由一个或多个传感器130生成的生理数据和/或音频数据还可以用于确定在睡眠时段期间与用户相关联的呼吸信号。呼吸信号通常表示用户在睡眠时段期间的呼吸。呼吸信号可以指示例如呼吸速率、呼吸速率可变性、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、呼吸装置122的压力设定或其任何组合。事件可以包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合呼吸暂停、呼吸不足、面罩泄漏(例如，来自用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫或其任何组合。
83.通常，睡眠时段包括用户210已经躺在或坐下在床230(或他们打算睡眠的另一区域或对象)中，和已经打开呼吸装置122和戴上用户接口124之后的任何时间点。睡眠时段因此可以包括时间段(i)，当用户210正在使用cpap系统时，但是在用户210试图入睡之前(例如当用户210躺在床230中阅读书籍时)；(ii)当用户210开始尝试入睡但仍清醒时；(iii)当用户210处于浅睡时(也称为非快速眼动(nrem)睡眠的阶段1和阶段2)；(iv)当用户210处于深睡(也称为慢波睡眠，sws或nrem睡眠的阶段3)时；(v)当用户210处于快速眼动(rem)睡眠时；(vi)当用户210在浅睡、深睡或rem睡眠之间周期性地醒来时；或(vii)当用户210醒来而不回睡时。
84.睡眠时段通常被限定为一旦用户210移除用户接口124，关闭呼吸装置122和离开床230就结束。在一些实现方式中，睡眠时段可以包括附加的时间段，或者可以被限制为仅上述时间段中的一些。例如，可以将睡眠时段定义为包括从呼吸装置122开始向气道或用户210供应加压空气时开始，从呼吸装置122停止向用户210的气道供应加压空气时结束，以及包括用户210睡眠或清醒时之间的一些或全部时间点的时间段。
85.压力传感器132输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的压力数据。在一些实现方式中，压力传感器132是产生指示呼吸系统120的用户的呼吸(例如，吸气和/或呼气)和/或环境压力的传感器数据的空气压力传感器(例如，大气压力传感器)。在这样的实现方式中，压力传感器132可以联接到或集成在呼吸装置122中。压力传感器132可以是例如电容传感器、电磁传感器、压电传感器、应变片传感器、光学传感器、电位传感器或其任意组合。在一个示例中，压力传感器132可用于确定用户的血压。
86.流量传感器134输出可以存储在存储器装置114中和/或由控制系统110的处理器112分析的流量数据。在一些实现方式中，流量传感器134用于确定来自呼吸装置122的空气流量、通过导管126的空气流量、通过用户接口124的空气流量、或其任何组合。在这种实现方式中，流量传感器134可以联接到或集成在呼吸装置122、用户接口124或导管126中。流量传感器134可以是质量流量传感器，如旋转流量计(例如霍尔效应流量计)、涡轮流量计、孔口流量计、超声流量计、热线传感器、涡流传感器、膜传感器、或其任何组合。
87.温度传感器136输出可以存储在存储器装置114中和/或由控制系统110的处理器
112分析的温度数据。在一些实现方式中，温度传感器136生成指示用户210(图2a-2b)的核心体温、用户210的皮肤温度、从呼吸装置122和/或通过导管126流动的空气的温度、用户接口124中的温度、环境温度、或其任何组合的温度数据。温度传感器136可以是例如热电偶传感器、热敏电阻传感器、硅带隙温度传感器或基于半导体的传感器、电阻温度检测器或其任何组合。
88.运动传感器138输出可以存储在存储器装置114中和/或由控制系统110的处理器112分析的运动数据。运动传感器138可用于检测睡眠期间用户210的运动，和/或检测呼吸系统120的任何部件的运动，如呼吸装置122、用户接口124或导管126的运动。运动传感器138可以包括一个或多个惯性传感器，例如加速计、陀螺仪和磁力计。在一些实现方式中，运动传感器138可替代地或附加地生成表示用户的身体运动的一个或多个信号，从该信号可以获得表示用户的睡眠状态的信号；例如，通过用户的呼吸运动。在一些实现方式中，来自运动传感器138的运动数据可以与来自另一传感器130的附加数据结合使用，以确定用户的睡眠状态。
89.麦克风140输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的声音数据。由麦克风140产生的音频数据在睡眠时段期间可再现为一个或多个声音(例如，来自用户210的声音)。来自麦克风140的音频数据还可用于识别(例如，使用控制系统110)用户在睡眠时段期间经历的事件，如本文中进一步详细描述。麦克风140可以联接到或集成在呼吸装置122、用户接口124、导管126或用户装置170中。在一些实现方式中，系统100包括多个麦克风(例如，两个或更多个麦克风和/或具有波束成形的麦克风阵列)，使得由多个麦克风中的每一个产生的声音数据可用于区分由多个麦克风中的另一个产生的声音数据。
90.扬声器142输出系统100的用户(例如，图2a-2b的用户210)可听见的声波。扬声器142可用作例如闹钟或向用户210播放警报或消息(例如，响应于事件)。在一些实现方式中，扬声器142可用于将由麦克风140生成的音频数据传送给用户。扬声器142可以联接到或集成在呼吸装置122、用户接口124、导管126或外部装置170中。
91.麦克风140和扬声器142可以用作单独的装置。在一些实现方式中，麦克风140和扬声器142可以被组合到声学传感器141中，如在例如wo2018/050913和wo 2020/104465中所描述的，在此通过引用将其整体并入本文。在这种实现方式中，扬声器142以预定间隔和/或频率产生或发射声波，并且麦克风140检测来自扬声器142的发射声波的反射。由扬声器142产生或发射的声波具有人耳听不到的频率(例如，低于20hz或高于约18khz)，以便不干扰用户210或床伴220的睡眠(图2a-2b)。至少部分地基于来自麦克风140和/或扬声器142的数据，控制系统110可以确定用户210(图2a-2b)的位置和/或在此描述的睡眠相关参数(例如嘴泄漏状态)中的一个或多个，例如呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、睡眠状态、睡眠阶段、呼吸装置122的压力设定、或其任何组合。在本文中，声纳传感器传感器可以被理解为涉及主动声学感测，例如通过产生/传输穿过空气的超声或低频超声感测信号(例如，在例如约17-23khz、18-22khz或17-18khz的频率范围内)。这种系统可以相对于上述wo 2018/050913和wo 2020/104465来考虑。
92.在一些实现方式中，传感器130包括(i)第一麦克风，其与麦克风140相同或相似，并且集成在声学传感器141中；以及(ii)第二麦克风，其与麦克风140相同或相似，但是与集
成在声学传感器141中的第一麦克风分开且不同。
93.rf发射机148产生和/或发射具有预定频率和/或预定幅度(例如，在高频带内、在低频带内、长波信号、短波信号等)的无线电波。rf接收器146检测从rf发射器148发射的无线电波的反射，并且该数据可以由控制系统110分析以确定用户210(图2a-2b)的位置和/或这里描述的睡眠相关参数中的一个或多个。rf接收器(rf接收器146和rf发射器148或另一rf对)也可用于控制系统110、呼吸装置122、一个或多个传感器130、用户装置170或其任意组合之间的无线通信。虽然rf接收机146和rf发射机148在图1中被示为分离且不同的元件，但是在一些实现方式中，rf接收机146和rf发射机148被组合为rf传感器147的一部分。在一些这样的实现方式中，rf传感器147包括控制电路。rf通信的具体格式可以是wi-fi、蓝牙等。
94.在一些实现方式中，rf传感器147是网格系统的一部分。网格系统的一个示例是wi-fi网格系统，其可以包括网格节点、网格路由器和网格网关，其中的每一个可以是移动的/可移动的或固定的。在这样的实现方式中，wi-fi网格系统包括wi-fi路由器和/或wi-fi控制器以及一个或多个卫星(例如，接入点)，每个卫星包括与rf传感器147相同或相似的rf传感器。wi-fi路由器和卫星使用wi-fi信号连续地彼此通信。wi-fi网格系统可以用于基于路由器和卫星之间的wi-fi信号中的变化(例如，接收信号强度中的差异)来生成运动数据，所述变化是由于移动的物体或人部分地阻挡了信号而引起的。运动数据可以指示运动、呼吸、心率、步态、跌倒、行为等，或其任何组合。
95.相机150输出可再现为可存储在存储器装置114中的一个或多个图像(例如，静止图像、视频图像、热图像或其任意组合)的图像数据。来自相机150的图像数据可以被控制系统110用来确定在此描述的睡眠相关参数中的一个或多个，例如一个或多个事件(例如周期性肢体运动或不宁腿综合征)、呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比率、每小时的事件数量、事件模式、睡眠状态、睡眠阶段、或其任何组合。此外，来自相机150的图像数据可用于例如识别用户的位置，确定用户210的胸部移动，确定用户210的嘴和/或鼻子的气流，确定用户210进入床230的时间，以及确定用户210离开床230的时间。
96.红外(ir)传感器152输出可再现为可存储在存储器装置114中的一个或多个红外图像(例如，静止图像、视频图像或两者)的红外图像数据。来自ir传感器152的红外数据可用于确定睡眠时段期间的一个或多个睡眠相关参数，包括用户210的温度和/或用户210的移动。当测量用户210的存在、位置和/或移动时，ir传感器152也可以与相机150结合使用。例如，ir传感器152可以检测波长在约700nm和约1mm之间的红外光，而相机150可以检测波长在约380nm和约740nm之间的可见光。
97.ppg传感器154输出与用户210(图2a-2b)相关联的生理数据，该生理数据可用于确定一个或多个睡眠相关参数，如心率、心率变异性、心动周期、呼吸率、吸气幅度、呼气幅度、吸气-呼气比、估计血压参数或其任意组合。ppg传感器154可以由用户210佩戴，嵌入在由用户210佩戴的衣服和/或织物中，嵌入在和/或联接到用户接口124和/或其相关联的头盔(例如，绑带等)等。
98.ecg传感器156输出与用户210的心脏的电活动相关联的生理数据(图2a-2b)。在一些实现方式中，ecg传感器156包括在睡眠时段期间位于用户210的一部分之上或周围的一个或多个电极。来自ecg传感器156的生理数据可用于例如确定本文所述的睡眠相关参数中
的一个或多个。
99.eeg传感器158输出与用户210的大脑的电活动相关联的生理数据。在一些实施方式中，eeg传感器158包括一个或多个电极，其在睡眠期间定位在用户210的头皮上或周围。来自eeg传感器158的生理数据可用于例如确定用户210在睡眠时段期间的任何给定时间的睡眠状态。在一些实现方式中，eeg传感器158可以集成在用户接口124和/或相关联的头盔(例如，绑带等)中。
100.电容性传感器160、力传感器162和应变仪传感器164输出可存储在存储器装置114中且由控制系统110使用，以确定本文所述的睡眠相关参数中的一个或多个的数据。emg传感器166输出与一个或多个肌肉产生的电活动相关的生理数据。氧气传感器168输出指示气体的氧气浓度的氧气数据(例如，在导管126中或在用户接口124处)。氧气传感器168可以是例如超声波氧气传感器、电氧气传感器、化学氧气传感器、光学氧气传感器或其任意组合。在一些实施方式中，一个或多个传感器130还包括皮肤电反应(gsr)传感器、血流传感器、呼吸传感器、脉搏传感器、血压计传感器、血氧传感器、或其任意组合。
101.分析物传感器174可用于检测用户210呼气中分析物的存在。由分析物传感器174输出的数据可以存储在存储器装置114中，并由控制系统110使用以确定用户210呼吸中任何分析物的特性和浓度。在一些实现方式中，分析物传感器174位于用户210的嘴附近，以检测从用户210的嘴呼出的呼吸中的分析物。例如，当用户接口124是覆盖用户210的鼻子和嘴的面罩时，分析物传感器174可以位于面罩内以监视用户210的嘴呼吸。在其它实现方式中，如当用户接口124是鼻罩或鼻枕面罩时，分析物传感器174可定位在用户210的鼻子附近，以检测通过用户210的鼻子呼出的呼吸中的分析物。在其它实现方式中，当用户接口124是鼻罩或鼻枕面罩时，分析物传感器174可以位于用户210的嘴附近。在该实现方式中，分析物传感器174可用于检测任何空气是否无意中从用户210的嘴泄漏。在一些实现方式中，分析物传感器174是可用于检测碳基化学品或化合物的挥发性有机化合物(voc)传感器。在一些实施方式中，分析物传感器174还可用于检测用户210是否正在通过他们的鼻子或嘴呼吸。例如，如果由位于用户210的嘴附近或面罩内(在用户接口124是面罩的实现方式中)的分析物传感器174输出的数据检测到分析物的存在，则处理器112可以使用该数据作为用户210正通过他们的嘴呼吸的指示。
102.湿度传感器176输出可以存储在存储装置114中并由控制系统110使用的数据。湿度传感器176可用于检测围绕用户的各个区域中的湿度(例如，在导管126或用户接口124内部，靠近用户210的面部，靠近导管126和用户接口124之间的连接，靠近导管126和呼吸装置122之间的连接，等)。因此，在一些实现方式中，湿度传感器176可以定位在用户接口124中或导管126中以监测来自呼吸装置122的加压空气的湿度。在其他实现方式中，湿度传感器176被放置在需要监测湿度水平的任何区域附近。湿度传感器176还可用于监测用户210周围的周围环境的湿度，例如用户210卧室内的空气。
103.光检测和测距(激光雷达lidar)传感器178可用于深度感测。这种类型的光学传感器(例如，激光传感器)可用于检测对象并构建周围环境(例如，生活空间)的三维(3d)图。激光雷达通常可以利用脉冲激光来进行飞行时间测量。激光雷达也被称为3d激光扫描。在使用这种传感器的示例中，具有激光雷达传感器166的固定或移动装置(如智能电话)可以测量和映射从传感器延伸5米或更远的区域。例如，激光雷达数据可以与由电磁radar传感器
估计的点云数据融合。激光雷达传感器178还可以使用人工智能(ai)通过检测和分类可能引起radar系统的问题的空间中的特征来自动地理栅栏radar系统，例如玻璃窗(其可以是对radar高度反射的)。例如，激光雷达还可以用于提供人的身高的估计，以及当人坐下或跌倒时身高的变化。激光雷达可用于形成环境的3d网格表示。在进一步的用途中，对于无线电波穿过的固体表面(例如，透射线材料)，激光雷达可以反射离开这样的表面，从而允许对不同类型的障碍物进行分类。
104.在一些实现方式中，一个或多个传感器130还包括皮肤电反应(gsr)传感器、血流传感器、呼吸传感器、脉搏传感器、血压计传感器、血氧计传感器、声纳传感器、雷达传感器、血糖传感器、颜色传感器、ph传感器、空气质量传感器、倾斜传感器、雨传感器、土壤水分传感器、水流传感器、酒精传感器、或其任何组合。
105.虽然在图1中单独示出，但是一个或多个传感器130的组合可以集成在和/或联接到系统100的任何一个或多个部件，包括呼吸装置122、用户接口124、导管126、加湿罐129、控制系统110、用户装置170或其任何组合。例如，声学传感器141和/或rf传感器147可以集成在外部装置170中和/或联接到用户装置。在这样的实现方式中，用户装置170可以被认为是生成供系统100(例如，控制系统110)根据本发明的一些方面使用的附加或辅助数据的辅助装置。在一些实现方式中，一个或多个传感器130中的至少一个不联接到呼吸装置122、控制系统110或用户装置170，并且在睡眠时段期间通常邻近用户210定位(例如，定位在用户210的一部分上或与其接触，由用户210佩戴，联接到或定位在床头柜上，联接到床垫，联接到天花板等)。
106.可以分析来自一个或多个传感器130的数据以确定一个或多个睡眠相关参数，其可以包括呼吸信号、呼吸速率、呼吸模式、吸气幅度、呼气幅度、吸气-呼气比率、一个或多个事件的发生、每小时的事件数量、事件模式、睡眠状态、呼吸暂停-低通气指数(ahi)或其任何组合。一个或多个事件可以包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、呼吸不足、面罩泄漏、咳嗽、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫、血压升高或其任何组合。许多这些睡眠相关参数是生理参数，尽管一些睡眠相关参数可以被认为是非生理参数。也可以根据来自一个或多个传感器130的数据或根据其它类型的数据来确定其它类型的生理和非生理参数。
107.用户装置170(图1)包括显示装置128。用户装置170例如可以是诸如智能电话、平板电脑、游戏机、智能手表、膝上型电脑等的移动装置。可替代地，用户装置170可以是外部感测系统，电视(例如，智能电视)或另一智能家庭装置(例如，智能扬声器，诸如google家庭、amazon回声、alexa等)。在一些实现方式中，用户装置是可穿戴装置(例如，智能手表)。显示装置172通常用于显示包括静止图像、视频图像或两者的图像。在一些实现方式中，显示装置172充当包括图形用户接口(gui)的人机接口(hmi)，所述图形用户接口被配置来显示图像和输入接口。显示装置172可以是led显示器、oled显示器、lcd显示器等。输入接口可以是例如触摸屏或触敏基板、鼠标、键盘或被配置成感测由与用户装置170交互的人类用户做出的输入的任何传感器系统。在一些实现方式中，系统100可以使用和/或包括一个或多个用户装置。
108.虽然控制系统110和存储器装置114在图1中被描述和示出为系统100的单独且不同的部件，但是在一些实现方式中，控制系统110和/或存储器装置114被集成在用户装置
170和/或呼吸装置122中。可替代地，在一些实现方式中，控制系统110或其一部分(例如，处理器112)可以位于云中(例如，集成在服务器中、集成在物联网(iot)装置中，连接到云，经受边缘云处理等)，位于一个或多个服务器中(例如，远程服务器、本地服务器等、或其任何组合)。
109.虽然系统100被示为包括上述所有部件，但是根据本发明的实施方式，在用于生成生理数据并为用户确定建议就寝时间的系统中可包括更多或更少的部件。例如，第一替代系统包括控制系统110、存储器装置114、和一个或多个传感器130中的至少一个传感器。作为另一示例，第二替代系统包括控制系统110、存储装置114、一个或多个传感器130中的至少一个传感器和用户装置170。作为又一示例，第三替代系统包括控制系统110、存储装置114、呼吸系统120、一个或多个传感器130中的至少一个传感器和用户装置170。因此，用于为用户确定建议就寝时间的各种系统可以使用本文所示和描述的部件的任何部分或多个部分和/或结合一个或多个其他部件来形成。
110.通常，与不使用呼吸系统120相比(特别是当用户患有睡眠呼吸暂停或其他睡眠相关病症时)，被指定使用呼吸系统的用户将倾向于在使用呼吸系统120之后的一天期间经历更高质量的睡眠和更少的疲劳。然而，由于用户接口124不舒服或麻烦，或者由于其它副作用(例如，口干、嘴唇干、咽喉干、不适等)，许多用户不符合其规定的用法。如果用户未能察觉到他们正经历任何益处(例如，在白天较少疲劳)，则他们更可能无法按规定使用呼吸系统120(或完全停止使用)。
111.然而，副作用和/或睡眠质量缺乏改善可能是由于嘴泄漏而不是缺乏治疗功效。因此，确定用户的嘴泄漏状态，并将嘴泄漏状态传送给用户以帮助用户获得更高质量的睡眠是有利的，从而用户不会由于感觉到缺乏益处而中断或减少他们对呼吸系统120的使用。
112.一般地参照图2a-2b，示出了根据一些实现方式的系统100(图1)的一部分。呼吸系统120的用户210和床伴220位于床230中并躺在床垫232上。用户接口124(例如，图2a中的全脸罩或图2b中的鼻罩)可以由用户210在睡眠时段期间佩戴。用户接口124经由导管126流体地联接和/或连接到呼吸装置122。呼吸装置122又通过导管126和用户接口124将加压空气输送到用户210，以增加用户210的喉咙中的空气压力，从而有助于防止气道在睡眠期间闭合和/或变窄。呼吸装置122可定位在如图2a所示直接邻近床230的床头柜240上，或更一般地，定位在通常邻近床230和/或用户210的任何表面或结构上。
113.在一些实现方式中，控制系统110、存储器214、一个或多个传感器130中的任一个或其任何组合可以位于通常邻近床230和/或用户210的任何表面和/或结构上和/或中。例如，在一些实现方式中，一个或多个传感器130中的至少一个可以位于呼吸系统120的一个或多个部件上和/或之中邻近床230和/或用户210的第一位置255a处。一个或多个传感器130可以联接到呼吸系统120、用户接口124、导管126、显示装置128、加湿罐129、或其任何组合。
114.可替代地或附加地，一个或多个传感器130中的至少一个可以位于床230上和/或床230中的第二位置255b处(例如，一个或多个传感器130联接到床230和/或集成在床中)。此外，可替代地或附加地，一个或多个传感器130中的至少一个可以位于床垫232上和/或床垫中的第三位置255c处，该第三位置与床230和/或用户210相邻(例如，一个或多个传感器130联接到床垫232上和/或集成到床垫232中)。可替代地或附加地，一个或多个传感器130
中的至少一个可以位于枕头上和/或枕头中的第四位置255d处，该枕头总体上邻近床230和/或用户210。
115.可替代地或附加地，一个或多个传感器130中的至少一个可以定位在床座240上和/或床座中的第五位置255e处，该位置总体上邻近床230和/或用户210。可替代地或附加地，一个或多个传感器130中的至少一个可以被定位在第六位置255f处，使得一个或多个传感器130中的至少一个被联接到和/或定位在用户215上(例如，一个或多个传感器130被嵌入或联接到织物、衣服212，和/或由用户210佩戴的智能装置270)。更一般地，一个或多个传感器130的至少一个可以相对于用户210定位在任何合适的位置，使得一个或多个传感器130可以生成与用户210相关联的传感器数据。
116.在一些实现方式中，诸如麦克风140的主传感器被配置为在睡眠时段期间生成与用户210相关联的声学数据。例如，一个或多个麦克风(与图1的麦克风140相同或相似)可以被集成到和/或联接到(i)呼吸装置122的电路板，(ii)导管126，(iii)呼吸系统120的部件之间的连接器，(iv)用户接口124，(v)与用户接口相关联的头带(例如绑带)，或(vi)其任何组合。在一些实现方式中，麦克风与气流通路(例如，与用户的气道流体地联接的空气通路)处于流体连通和/或声学连通。例如，在一些实现方式中，麦克风位于通过管道连接到气流通路的印刷电路板上。
117.附加地或可替代地，一个或多个麦克风(与图1的麦克风140相同或相似)可以被集成到和/或联接到协同定位的智能装置，诸如用户装置170、tv、手表(例如、机械手表或智能设备270)、挂件、床垫232、床230、位于床230上的床上用品、枕头、扬声器(例如，图1的扬声器142)、收音机、平板电脑、无水加湿器、或其任何组合。
118.附加地或可替代地，在一些实现方式中，一个或多个麦克风(与图1的麦克风140相同或相似)可以远离系统100(图1)和/或用户210(图2a-2b)，只要存在允许声信号传播到一个或多个麦克风的空气通道。例如，一个或多个麦克风可以在与包含系统100的房间不同的房间中。
119.至少部分地基于对声学数据的分析，可以确定嘴泄漏状态。嘴泄漏状态指示空气从用户的嘴泄漏(例如，如本文所述的嘴泄漏)。另外，在一些实现方式中，确定嘴泄漏状态包括将嘴泄漏与面罩泄漏区分开。在一些实现方式中，使用本发明的方法300(图3)、500(图5)和600(图6)的一个或多个步骤来确定嘴泄漏状态。
120.参考图3，示出了用于确定用户的嘴泄漏状态的方法300。方法300的一个或多个步骤可以使用在此描述的系统100(图1和2a-2b)的任何元件或方面来实现。
121.方法300的步骤310包括在睡眠时段的至少一部分期间生成或获得与用户相关联的声学数据。例如，步骤310可以包括在睡眠时段期间使用一个或多个传感器130(图1)中的至少一个来生成或获得声学数据。在一些实现方式中，使用一个或多个麦克风(诸如上述麦克风140)来生成声学数据。在一些实现方式中，一个或多个麦克风中的至少一个被联接到或集成在用户接口124中。附加地或可替代地，在一些实现方式中，使用不是系统100的部件的外部麦克风来生成声学数据。在一些实现方式中，使用联接到或集成在呼吸系统120(图1)中的上述声学传感器141和/或rf传感器147来生成声学数据。描述在步骤310期间产生或获得的声学数据的信息可以存储在存储器装置114(图1)中。
122.步骤310可以包括在睡眠时段的一个片段期间、在整个睡眠时段期间或跨第一睡
眠时段的多个片段生成声学数据(经由诸如麦克风140的主要传感器)。例如，步骤310可以包括连续地产生声学数据，或仅基于由次辅助传感器产生的辅助传感器数据。例如，温度传感器(例如，温度传感器136)和/或分析物传感器(例如，分析物传感器174)可以靠近用户的嘴放置以直接检测嘴呼吸。
123.在一些实现方式中，除了主传感器之外，还可以使用一个或多个辅助传感器来确认嘴泄漏状态。在一些这样的实现方式中，一个或多个辅助传感器包括：流量传感器(例如，系统100的流量传感器134)、温度传感器(例如，系统100的温度传感器136)、相机(例如，系统100的相机150)、叶片传感器(vaf)、热丝传感器(maf)、冷丝、层流传感器、超声传感器、惯性传感器或其任何组合。
124.流量传感器134可用于在睡眠期间生成与呼吸装置122的用户210(图2a-2b)相关联的流量数据(以流量数据的形式)。在国际公布no.wo 2012/012835中描述了流量传感器(例如，流量传感器134)的示例，其通过引用以其全文结合在此。在一些实现方式中，流量传感器134被配置成测量通气流量(例如，有意的“泄漏”)、无意的泄漏(例如，嘴泄漏和/或面罩泄漏)、患者流量(例如，进入和/或离开肺的空气)，或其任何组合。在一些实现方式中，可以分析流量数据以确定用户的心原性振荡。
125.相机150可用于在睡眠时段期间产生与用户相关联的图像数据。如在此所描述的，该相机可以被配置成用于检测面部解剖学(例如，嘴、鼻孔的形状(例如，张开、部分张开或闭合)和/或尺寸)、呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比率、每小时事件的数目、事件的模式、睡眠状态、睡眠阶段、或其任何组合。
126.因此，在一些实现方式中，方法300的步骤310进一步包括在睡眠时段期间生成或获得与用户相关联的生理数据。例如，步骤310可以包括在睡眠时段期间使用一个或多个传感器130(图1)中的至少一个来生成或获得生理数据。可以将描述在步骤310期间生成的生理数据的信息存储在存储器装置114(图1)中。
127.在一些实现方式中，单个传感器可以生成声学数据和生理数据两者。或者，使用传感器130中的第一传感器产生声学数据，使用与第一传感器分离且不同的传感器130中的第二传感器产生生理数据。在一些实现方式中，第一传感器和第二传感器可以是不同类型的传感器(例如，第一传感器是与麦克风140相同或类似的麦克风，并且第二传感器是与运动传感器138相同或类似的运动传感器)。或者，在一些实现方式中，第一传感器和第二传感器可以是两个相同的传感器(例如，与麦克风140相同或相似的两个麦克风)。例如，在一些实现方式中，第一麦克风是联接到呼吸装置的导管的集成麦克风。第二麦克风是外部麦克风。
128.方法300的步骤320包括分析与用户相关联的声学数据。控制系统110可以分析存储在存储装置114中的声音数据以确定嘴泄漏状态。在一些实现方式中，为了分析声学数据，将声学数据(步骤310)与指示负的嘴泄漏状态的预定数据进行比较。预定数据可包括模拟数据、历史数据或两者。
129.例如，在一些实现方式中，可以针对任何给定面罩来估计指示面罩的有意泄漏的声学数据。可以使用例如在此描述的倒谱分析来识别面罩的类型。将由麦克风140测量的声学数据与估计的有意泄漏进行比较。如果呼吸系统为封闭系统(例如，无嘴泄漏)，则应进行合理匹配。然而，如果系统由于例如嘴泄漏而“打开”，则声学数据偏离(高于预定阈值)估计的有意泄漏。
130.在一些实现方式中，声学数据(步骤310)包括由麦克风(例如，系统100的麦克风140)接收的，从扬声器(例如，系统100的扬声器142、或外部扬声器)发送的反射声波。反射的声波表示声波路径中的分量的形状和尺寸。附加地或可替代地，声学数据包括来自用户的指示一个或多个睡眠相关参数(例如，通过鼻子的呼吸、通过嘴的呼吸、打鼾、嗅探)的声音。
131.例如，声学数据(步骤310)可以包括由麦克风140生成的数据。扬声器142产生声音。声音可以穿过加湿罐129，沿着第一连接，沿着导管126，经由第二连接，经由无水加湿器(如果装配的话)，到达一个或多个面罩腔(例如，鼻孔和/或嘴)，到达用户的呼吸系统(包括鼻子和/或嘴、气道、肺等)。对于路径中的每个变化(例如，腔、结、形状的变化)，在该点处看到基于声速的反射。反射的不同类型和距离可用于定义用户接口124的类型和/或模型。
132.进一步的反射可用于限定用户呼吸系统的各方面(包括是否使用一个或两个鼻孔，和/或是否使用嘴来呼吸)。这些反射随着用户吸气和呼气而改变，并且如果嘴弹开，则在呼气时进一步改变。在一些实现方式中，当发生嘴泄漏时，在反射中可以看到面罩空腔响应的减小。例如，如果用户有嘴泄漏，预期的回声信号(例如当嘴关闭时可能在夜晚的其它时间检测到的)从嘴中出来，而不是沿着导管126返回到麦克风140。
133.在一些实现方式中，实现倒谱分析以分析声学数据。倒谱是“准时(quefrency)”域，其也被称为时域波形的对数频谱。例如，倒频谱可以被认为是分贝谱的正向傅里叶变换的对数谱的逆傅里叶变换等。该操作实质上可以将脉冲响应函数(irf)和声源的卷积转换为加法操作，从而可以更容易地考虑或去除声源，以隔离irf的数据用于分析。倒频谱分析技术在题为“倒频谱：加工指南”(childers等，ieee学报，vol.65，no.10，1977年10月)和randall rb，频率分析，哥本哈根：bruel&kjaer，p.344(1977，修订版本。1987)的科学论文中详细描述。
134.这种方法可以根据卷积的性质来理解。f和g的卷积可以写为f*g。该运算可以是两个函数(f和g)的乘积在一个被反转和移位之后的积分。因此，它是一种如等式1的积分变换，如下：
[0135][0136]
虽然上面使用了符号t，但是它不需要表示时域。但在本上下文中，卷积公式可以描述为函数f(τ)在t时刻的加权平均，其中加权由简单平移t的g(-τ)给出。随着t改变，加权函数强调输入函数的不同部分。
[0137]
更一般地，如果f和g是rd上的复值函数，则它们的卷积可以被定义为等式2的积分：
[0138][0139]
可以将声学系统输出与时间恒定线性系统的输入相关联的数学模型可以基于该卷积，时间恒定线性系统例如是涉及呼吸治疗设备的导管的系统(其可以包括系统的一些人或其他未知部分)。在系统的麦克风处测量的输出可以被认为是与作为时间(t)的函数的系统脉冲响应函数(irf)“卷积”的输入噪声，如等式3所示：
[0140]
y(t)＝s1(t)*h1(t)
ꢀꢀꢀꢀꢀ
等式3
[0141]
其中*表示卷积函数；y(t)是在声音传感器处测量的信号；s1(t)是声音或噪声源，
例如在呼吸治疗设备的气流发生器中或由气流发生器产生的噪声或声音；h1(t)是从噪声或声源到声音传感器的系统irf。脉冲响应函数(irf)是对单位脉冲输入的系统响应。
[0142]
通过测量声音数据的傅里叶变换，例如，离散傅里叶变换(“dft”)或快速傅里叶变换(“fft”)，并考虑卷积定理，将等式3转换为频域，生成等式4：
[0143][0144]
其中y(f)是y(t)的傅立叶变换；s1(f)是s1(t)的傅立叶变换；并且h1(f)是h1(t)的傅立叶变换。在这种情况下，时域中的卷积变成频域中的乘法。
[0145]
可以应用等式4的对数，使得乘法被转换为加法，得到等式5：
[0146]
log{y(f)}＝log{s1(f)h1(f)}＝log{s1(f)} log{h1(f)}
ꢀꢀꢀꢀꢀ
等式5
[0147]
然后，可以通过傅立叶逆变换(ift)(例如，逆dft或逆fft)将等式5转换回时域，这得到复倒谱(k(τ))(复数，因为可以从复频谱中工作)-频谱y(f)的对数的傅立叶逆变换；等式6
[0148]
k(τ)＝ift[log{s1(f)} log{h1(f)}]
ꢀꢀꢀꢀꢀ
等式6
[0149]
其中“τ”是实值变量，称为倒频率，单位以秒测量。由此，时域中的卷积效果在频谱的对数中成为可加性的，并且在倒频谱中仍然如此。
[0150]
考虑来自倒频谱分析的数据，例如检查倒频率的数据值，可以提供关于系统的信息。例如，通过将系统的倒频谱数据与该系统的倒频谱数据的先前或已知的基线进行比较，该比较(例如，差)可以用于识别系统中的差异或相似性，然后，该差异或相似性可以用于实现这里公开的不同功能或目的。以下公开内容可以利用如本文所解释的这种分析的方法来实现心输出量的检测。
[0151]
因此，在一些实现方式中，可以使用倒谱的声学数据分析来测量用户接口124、鼻通道、所估计的鼻窦尺寸的横截面积和横截面积的变化。鼻腔通道和鼻窦的估计尺寸的变化可以指示炎症和/或充血。
[0152]
在一些实现方式中，可以实现直接频谱方法来分析声学数据。直接频谱方法的一些示例包括处理离散傅里叶变换(dft)、具有滑动窗口的快速傅里叶变换(fft)、短时傅里叶变换(stft)、小波、基于小波的倒谱计算、深度神经网络(例如，使用应用于频谱图的成像方法)、希尔伯特-黄变换(hht)、经验模式分解(emd)、盲源分离(bss)、卡尔曼滤波器或其任何组合。在一些实现方式中，例如，通过将声学数据分析处理为语音识别问题并使用机器学习/分类系统，可以使用倒谱系数(cc)，例如梅尔频率倒谱系数(mfcc)。
[0153]
例如，在一些实现方式中，可以分析声学数据(步骤310)以检测一个或两个鼻腔通道的淤血和/或阻塞(由于例如疾病或过敏)。在一些实现方式中，可以分析声学数据(步骤310)以测量与用户的呼吸解剖结构相关联的参数。例如，如本文所讨论的，呼吸解剖结构的某些异常与阻塞的鼻空气通道相关，例如增大的腺样体、增大的扁桃体、偏离的中隔、鼻息肉或鼻内层组织的良性生长。此外，增大的鼻甲骨、鼻子的形状以及颌的形状和尺寸也可有助于阻塞鼻空气通道。在一些实现方式中，可以使用声学数据和/或尺寸的任何变化来分析声学数据(步骤310)以测量鼻通道的尺寸。
[0154]
在一些实现方式中，可以处理声学数据以确定由于例如声学信号中的心跳引起的心原性振荡。心原性振荡的分析又可以被处理以确定嘴泄漏状态。当口是打开的而不是关
闭的时，心原性振荡的特性在吸入和/或呼出上可以是不同的。还可以看到心率的变化是由于嘴泄漏期间的微觉醒(例如，短暂觉醒)，这可以指示检测嘴泄漏的大脑的生理影响。在一些实现方式中，较弱的心原性振荡或无心原性振荡指示。例如，当存在嘴泄漏时，心原性振荡具有降低的保真度。
[0155]
在一些实施方式中，为了分析声学数据，处理声学数据(步骤310)以识别多个特征。多个特征可以指示嘴泄漏状态，和/或被进一步处理以确定嘴泄漏状态。例如，多个特征可以包括：声信号的频谱特征中的一个或多个变化、声波的频率中的一个或多个变化、声波的振幅中的一个或多个变化、梅尔频率倒谱系数(mfcc)、频谱通量、频谱质心、谐波产物频谱、频谱扩展、频谱自相关系数、频谱峰度、线性预测编码(lpc)或其任何组合。
[0156]
附加地或可替代地，多个特征可以包括：基于自相关的均方根(rms)、过零点、包络、间距或其任何组合。附加地或可替代地，多个特征可以包括：回波反射信号形状的变化(例如，随着空气回路性质的变化，振幅的减小和/或形状的明显偏移)。
[0157]
在一些实现方式中，带通滤波的白噪声源以预定间隔生成或发射声波，并且麦克风(例如，图1的麦克风140)检测从白噪声源发射的声波的反射。签名的性质可以与呼气同步，并且当嘴闭合时(例如，如果用户正在使用鼻罩)可与呼气的典型声音分离。在一些这样的实现方式中，多个特征可以包括与呼气同步的签名。
[0158]
方法300的步骤330包括至少部分地基于声学数据、生理数据、或两者为睡眠时段确定用户的嘴泄漏状态。
[0159]
在一些实现方式中，可以分析声学数据(步骤310)(步骤320；独立地或结合生理数据来确定嘴泄漏的概率和/或与嘴泄漏的严重性相关的概率。在一些实现方式中，可以(独立地或结合声学数据)分析生理数据以确定嘴泄漏的概率和/或与嘴泄漏的严重性相关的概率。例如，打鼾、睡眠位置、头部位置、睡眠阶段、充血、枕头构型、酒精消耗、体温、环境空气中的过敏原、体重、身体组成、颈部尺寸、性别、是新用户、面罩类型或其任何组合可以对这些可能性中的一个或两个做出贡献。
[0160]
在一些实现方式中，在步骤330，基于由两个或更多个分开且不同的传感器生成的数据来确定嘴泄漏状态。具有两个或更多个传感器可以增加确定嘴泄漏状态的保真度。例如，系统可以包括麦克风(与系统100的麦克风140相同或相似)和流量传感器(与系统100的流量传感器134相同或相似)。从麦克风接收与呼吸装置的用户(例如，呼吸装置122的用户210)相关联的声学数据(例如，步骤310)。此外，从所述流量传感器接收与呼吸装置的用户相关联的流量数据。分析声学数据(例如，步骤320)。还分析流数据(例如，通过引用并入本文的wo 2012/012835中公开的一个或多个步骤)。然后至少部分地基于声学数据的分析和流动数据的分析来确定嘴泄漏状态。
[0161]
在一些实现方式中，步骤330包括使用机器学习算法来确定用户的嘴泄漏状态。例如，步骤330可以包括使用神经网络(例如，浅或深方法)来确定嘴泄漏状态。步骤330可以包括使用监督式机器学习算法/技术和/或无监督式机器学习算法/技术。例如，在一些实现方式中，使用机器学习算法来处理声学数据(步骤310)，以输出用户的嘴泄漏状态。
[0162]
可选地，在一些实现方式中，方法300的步骤340包括在显示装置(例如，用户装置170的显示装置172和/或呼吸系统120的显示装置128)上显示用户的嘴泄漏状态。
[0163]
在一些实现方式中，方法300进一步包括步骤331，其中至少部分地基于嘴泄漏状
态来计算和/或修改ahi数(或治疗数，诸如myair
tm
数)和/或ahi分数(或治疗分数，诸如myair
tm
分数)。例如，在一些情况下，所确定的嘴泄漏状态可用于更新ahi数和/或治疗数计算，否则嘴泄漏可能看起来像呼吸暂停(例如，ahi数和/或治疗分数可高于准确的)。治疗数或分数可以包括或源自于从睡眠时段的治疗使用时间选择的一个或多个度量；所述时段的ahi；所述时段的平均泄漏流量；用于所述时段的平均面罩压力；所述时段内的子时段数量；睡眠状况和/或睡眠阶段信息；根据合规规则，所述时段是否是合规时段。cpap治疗的依从规则的一个示例是为了认为用户是依从性的，要求患者使用呼吸系统，每晚至少四小时，持续至少21或30个连续天。如将理解的，可以选择其他这样的遵从规则。
[0164]
在一些这样的实现方式中，为了计算和/或修改ahi评分和/或治疗评分，从联接到呼吸装置的传感器接收在睡眠时段期间与用户相关联的传感器数据。传感器数据指示睡眠时段期间睡眠呼吸障碍事件的数量。ahi评分和/或治疗评分至少部分地基于睡眠呼吸障碍事件的数目来确定。将嘴泄漏状态与传感器数据相关联以输出一个或多个假阳性睡眠呼吸障碍事件。从睡眠呼吸障碍事件的事件中减去一个或多个假阳性睡眠呼吸障碍事件以输出修改数目的睡眠呼吸障碍事件。ahi评分和/或治疗评分至少部分地基于睡眠障碍性呼吸事件的修改数目来计算。
[0165]
例如，在一些实现方式中，嘴泄漏状态可以包括嘴泄漏的持续时间和/或嘴泄漏的严重性。至少部分地基于嘴泄漏的持续时间和/或嘴泄漏的严重性，修改(例如，降低或减少)睡眠或治疗评分(例如，本文所述的睡眠或治疗评分)。本文提及的睡眠评分以国际公开no.wo 2015/006364中描述的那些为例，例如在段落[0056]-[0058]和[0278]-[0285]中，其通过引用全文并入本文。替代定义也是可能的。
[0166]
此外，过度滴定(例如，高)压力设定可促进不希望的嘴泄漏。照此，在一些实现方式中，方法300进一步包括步骤332，其中至少部分地基于嘴泄漏状态来调整呼吸装置的压力设定。例如，系统100可以被配置为向下调整压力水平和/或向有资格的人和/或智能系统建议进行和/或批准这种治疗改变。
[0167]
在一些实现方式中，呼吸系统120包括用于rpt的自动设定功能。自动设定模块使得rpt能够基于用户的需要在整个夜晚改变压力水平。未检测到的嘴泄漏可能导致rpt错误地确定呼吸暂停已经发生。在一些情况下，使嘴泄漏会使自动设定功能混乱(尤其是如果用户尚未处于其最高可用压力下)。在嘴呼吸期间，自动设定/rpt治疗引擎可以认为用户患有呼吸暂停(可能是非常长的呼吸暂停)，直到最终检测到呼吸，并且它开始增加压力。在泄漏之后的一些呼吸之后，机器可能不正确地升高压力(例如使用自动设定(autoset))，以“治疗”实际上是嘴泄漏的“呼吸暂停”，其导致当压力较高时更多的嘴泄漏。换句话说，压力增加可恶化嘴泄漏(例如，延长嘴泄漏的持续时间，和/或恶化嘴泄漏的严重性)。反过来，不适感增加，并可能最终唤醒用户，和/或导致面罩被揭下，和/或使口干或其它与嘴泄漏有关的症状恶化。
[0168]
在一些实现方式中，响应于嘴泄漏状态，调整呼吸装置的压力设定，其中压力设定与供应到用户气道的加压空气相关联。在一些这样的实现方式中，分析与用户相关联的声学数据以确定用户正在呼气。响应于所述确定用户正在呼气，在用户的呼气期间减少到用户气道的加压空气的压力。在一些这样的实现方式中，减小加压空气的压力包括增大与呼吸装置相关联的呼气减压(epr)水平，这在此针对方法500(图5)更详细地描述。
[0169]
在一些实现方式中，方法300进一步包括步骤333，其中响应于用户的嘴泄漏状态来调整加湿设定。例如，在一些实现方式中，如果用户具有一些不太严重的嘴泄漏(例如，低严重度，但导致在早晨的口干的感觉)，则较高的湿度将帮助保持嘴和嘴唇湿润-直到一点。因此，调整湿度是平衡干燥度的一种方式。从加湿器进入导管和/或管吹入鼻子的湿度越多，通过嘴排出的湿度(例如，湿气)越多。附加地或可替代地，物质可以释放到待引入到压缩空气中的湿气中，用于调整加湿设定。物质可以存储在例如容器180中，直到其一部分准备释放。该物质可包括盐水溶液、减充血剂、精油、香味剂、药物或其任意组合。
[0170]
嘴泄漏状态可能受到各种因素的影响。在一些情况下，嘴泄漏状态与用户的睡眠位置相关联。例如，嘴泄漏在非仰卧位置可能更严重。换句话说，侧卧睡眠者可能具有较高的嘴泄漏风险，但是相反地，如果他们具有位置性呼吸暂停，则需要较小的压力。在一些情况下，用户在智能枕头上睡眠。在一些实现方式中，方法300进一步包括步骤334，其中调整智能枕头，使得智能枕头响应于嘴泄漏状态而促使用户改变用户头部的位置。在一些情况下，用户在智能床垫上睡觉。在一些实现方式中，方法300进一步包括步骤335，其中响应于嘴泄漏状态来调整智能床垫，使得智能床或智能床垫促使用户改变用户身体的位置。
[0171]
在一些实现方式中，用户利用可佩戴传感器睡眠。可佩戴传感器可以联接到用户佩戴的手表和/或集成到用户佩戴的手表中。在一些这样的实现方式中，方法300进一步包括步骤336，其中可佩戴传感器响应于嘴泄漏状态而被调整，使得可佩戴传感器刺激用户的颈部或颌以闭合用户的嘴。
[0172]
在一些实现方式中，方法300包括步骤337，其中经由显示装置(例如，显示装置172和/或显示装置128)向用户(和/或医师、健康护理提供者等)提供通知，使得向用户警告嘴泄漏状态。通知可包括视觉通知、音频通知、触觉通知或其任何组合。
[0173]
在一些实现方式中，通知(步骤337)包括消息(视觉的、音频的、和/或触觉的)，该消息包括提醒用户(i)在睡眠时段期间(例如，经由下颌绑带或类似装置)关闭他/她的颌，(ii)在下一睡眠时段之前使嘴唇湿润，或(iii)(i)和(ii)两者。可替代地或附加地，该消息包括对用户的建议或指令，(i)使用另一个面罩，(ii)醒来，(iii)用户有嘴泄漏，或其任何组合。视觉通知的进一步的示例在图4a-4c中示出并在此讨论。
[0174]
本文所述的方法300的步骤中的一个或多个可针对附加的休眠时段(例如，第二休眠时段、第三休眠时段、第五休眠时段、第十休眠时段等)重复一次或多次。这样，可以在几个睡眠时段上接收和累积声音数据。如果对累积数据的分析提示用户在睡眠时段期间有规律地进行嘴呼吸，则当全脸罩更适合于其呼吸时，用户可能具有错误类型的面罩(例如，鼻罩或鼻枕)。
[0175]
当主动提供“更好的”(更适合于他们)全脸罩是更好的结果时，由于他们经常的嘴泄漏，用户将停止使用治疗。因此，在一些实现方式中，如果用户有规律地进行嘴呼吸，则方法300提供建议(或自动地将其运送给用户)更合适的面罩。附加地或可替代地，方法300提供医学上认可的ai系统以自动生成更合适的面罩的处方(例如，鼻罩或鼻枕的当前用户可接收全脸罩的建议)。全脸罩用户比鼻罩用户更不可能经历嘴泄漏。因此，随着时间的推移，可以用全脸罩训练嘴呼吸用户以停止嘴呼吸习惯，然后回到鼻罩。
[0176]
在检测到用户的常规嘴呼吸行为之后的后续动作的其他示例包括：建议(或自动将其投运给用户)下颌绑带，这有助于在夜间保持颌闭合；和/或建议(或自动将其投运给用
户)鼻托架和/或另一合适的托架，而不是标准托架。不同的托架可以为面罩提供增强以提供良好的密封，即使当用户在不同位置睡觉时。
[0177]
图4a示出了显示装置上的用户的嘴泄漏评定(例如，嘴泄漏评分)的视觉指示符。嘴泄漏评分可至少部分地基于以下项来确定：用户在睡眠时段期间经历嘴泄漏的时间百分比(例如，作为总治疗时间百分比的嘴泄漏持续时间)、嘴泄漏峰值体积、嘴泄漏总体积、或其任何组合。在一些实现方式中，接收在睡眠时段期间与用户相关联的睡眠阶段数据。分析睡眠阶段数据以确定睡眠阶段。睡眠阶段可以包括觉醒(觉醒、昏昏欲睡)、睡眠(非rem浅睡n1、n2、深睡n3、rem睡眠)、睡眠阶段分段(由于例如残余呼吸暂停)、呼吸不足、或其任何组合。嘴泄漏状态(其可以包括嘴泄漏的时间、持续时间和频率中的一个或多个)和/或嘴泄漏分数可以与所确定的睡眠阶段相关联，这因此允许嘴泄漏至少部分地与睡眠阶段相关联。
[0178]
如图4a所示，jane的视觉指示包括在移动电话上显示的每个睡眠阶段的单独的嘴泄漏分数。jane的嘴泄漏评定显示每个睡眠阶段选择三个表情图标。确定每个睡眠阶段的嘴泄漏状态可有助于调整为每个睡眠阶段定制的治疗，以便提高整体睡眠质量。对于jane，她在醒来阶段和浅睡阶段几乎没有到没有嘴泄漏，赢取她的“快乐脸”表情。她在深睡眠阶段有一些嘴泄漏，赢取她的“ok脸”表情。她在rem睡眠阶段有严重的嘴泄漏，赢取她的“悲伤的脸”表情。因此，可以针对rem阶段调整压力设定和/或湿度设定，因为在rem阶段期间jane更可能具有嘴泄漏。
[0179]
图4b示出了显示装置上与用户的嘴泄漏状态相关联的消息的可视指示符。该消息可以是提供给用户的任何合适的消息，从而警告用户嘴泄漏状态(例如，方法300的步骤337)。如图所示，图4b中的消息包括提醒用户切换到全脸罩，因为她是口呼吸的。
[0180]
图4c示出了显示在显示装置上用于接收来自用户的用户反馈的用户接口。如图所示，在睡眠时段之后从显示装置(与用户装置170相同或类似)接收用户输入数据。用户可以提供关于睡眠质量和/或在睡眠时段期间经历的症状的主观反馈。至少部分地基于用户输入数据，可以修改嘴泄漏分数(图4a)。用户输入数据还可包括在本文所述的任何方法的一个或多个步骤中以帮助确定嘴泄漏状态，包括例如方法300的步骤330，方法500的步骤530和/或540，方法600的步骤640。
[0181]
参考图5，示出了用于确定用户的最佳吸气压力和最佳呼气压力的方法500。方法500的一个或多个步骤可以使用在此描述的系统100(图1和2a-2b)的任何元件或方面来实现。方法500还可以与方法300的一个或多个步骤结合使用。
[0182]
方法500的步骤510包括接收与在多个睡眠期间提供给用户的加压空气相关联的吸气压力数据和呼气压力数据。例如，在一些实现方式中，吸气压力数据和呼气压力数据经由至少一个或多个传感器130(图1)(诸如压力传感器132)生成。
[0183]
方法500的步骤520包括在多个睡眠时段期间接收与用户相关联的吸气声学数据和呼气声学数据。例如，在一些实现方式中，经由至少一个或多个传感器130(图1)，诸如麦克风140，生成吸入声学数据和呼出声学数据。步骤520可以与方法300的步骤310相同或相似。
[0184]
方法500的步骤530包括分析与用户相关联的吸入声音数据和呼出声音数据。步骤530可以与方法300的步骤320相同或相似或重复。在一些实现方式中，分析吸入声学数据和呼出声学数据以确定嘴泄漏状态。确定步骤与方法300的步骤330相同、相似或重复。
[0185]
方法500的步骤540包括：至少部分地基于(i)多个睡眠时段中的每个睡眠时段的用户的嘴泄漏状态和(ii)压力数据，来确定用户的最佳吸气压力和最佳呼气压力。
[0186]
在一些实现方式中，方法500进一步包括步骤550，其中将最佳吸入压力和最佳呼出压力设定为针对随后的睡眠时段而提供给用户的加压空气的压力设定。或者，如果当前压力设定与最佳压力相差很大，则缓慢调整压力设定以避免突然变化。
[0187]
方法500还可以包括反馈回路，以评估调整是否具有期望的结果，和/或压力水平是否需要增加或减小。例如，从麦克风接收后续睡眠时段期间的后续声学数据。接收最佳吸入压力和最佳呼出压力作为后续睡眠时段的后续压力数据。重复分析步骤(530)和确定步骤(540)以更新用户的最佳吸气压力和最佳呼气压力(550)。
[0188]
附加地或可替代地，方法500可以包括机器学习算法(类似于方法600中的机器学习算法)，其确定用户是具有真实呼吸暂停还是仅嘴泄漏“伪装”为呼吸暂停。基于该确定，压力水平被进一步增加(例如，以治疗当前压力水平没有设法治疗的真实呼吸暂停)或保持相同(或甚至降低)。
[0189]
例如，在一些实现方式中，呼吸装置可以包括呼气减压(epr)模块。epr模块可以具有用于epr水平的不同设定，其与吸气期间的压力水平和呼气期间的降低的压力水平之间的差异相关联。基于所确定的最佳吸气压力和最佳呼气压力，激活和/或调整epr水平(例如，设定相对较低的呼气压力)可以减少嘴泄漏(步骤550)。epr水平也可以在特定睡眠阶段期间调整，如本文所讨论的。
[0190]
参考图6，示出了使用机器学习算法估计用户的嘴泄漏状态的方法600。方法600的一个或多个步骤可以使用在此描述的系统100(图1和2a-2b)的任何元件或方面来实现。方法600还可以与方法300的一个或多个步骤和/或方法500的一个或多个步骤结合使用。
[0191]
甚至当用户在更一般的意义上具有用于他们的“良好”(例如，适当地适合)面罩时，一天，例如在一个或多个睡眠时段期间，他们可能会充血和/或生病。用户可能暂时需要不同的设定和/或干预，以便在充血和/或生病的睡眠期间最小化嘴泄漏的风险。因此，在一些实现方式中，方法600允许预测用户是否可能在一个或多个睡眠时段中具有嘴泄漏，并且采取行动和/或建议行动来降低或减轻这种风险。例如，对于一些人，由于松弛剂的作用，饮酒可能导致更多的嘴泄漏；酒精引起的脱水也可能影响唇形密封。由于充血，普通感冒或流感可能导致更多的嘴泄漏。
[0192]
方法660的步骤610在多个睡眠时段期间接收与呼吸装置的用户相关联的声学数据。例如，在一些实现方式中，经由至少一个或多个传感器130(图1)(诸如麦克风140)来生成声学数据。步骤610可以与方法300的步骤310和/或方法500的步骤520相同或相似。
[0193]
方法660的步骤620包括接收与用于多个睡眠时段的用户相关联的生理数据。例如，在一些实现方式中，经由至少一个或多个传感器130(图1)生成生理数据。生理数据可以如本文所述，例如参考方法300生成。由传感器生成的生理数据的一些示例是：呼吸酒精数据、血液酒精数据、血压数据、血糖数据、充血数据、阻塞数据、体温数据、心率数据、运动数据、呼吸数据(例如、呼吸速率和/或呼吸形状)、睡眠阶段数据、面罩数据和co2水平数据。
[0194]
方法660的步骤630包括分析声学数据以针对多个睡眠时段中的每个睡眠时段确定用户的嘴泄漏状态。步骤530可以与方法300的步骤320和/或步骤330相同或相似或重复。
[0195]
方法660的步骤640包括使用(i)用于多个睡眠时段中的每个睡眠时段的用户的嘴
泄漏状态和(ii)生理数据来训练机器学习算法，使得机器学习算法被配置来接收与当前睡眠时段相关联的当前生理数据作为输入，并且确定当前睡眠时段的估计的嘴泄漏状态作为输出。机器学习算法的训练可以包括分析对应于已知嘴泄漏事件(由例如相机识别)的声学数据和/或气流数据。
[0196]
可以重复这里描述的方法600的步骤610到640中的一个或多个，以创建类似于参考方法500描述的反馈回路。反馈回路允许连续改进机器学习算法以适应用户。
[0197]
机器学习算法可用于各种实现方式中。例如，在一些实现方式中，接收当前睡眠时段期间的当前生理数据作为机器学习算法的输入(步骤650)。生成当前睡眠时段的估计的嘴泄漏状态作为机器学习算法的输出(步骤652)。至少部分地基于估计的嘴泄漏状态，调整呼吸装置的压力设定(步骤654)。
[0198]
又例如，在一些实现方式中，在下一睡眠时段之前的当前生理数据被接收作为机器学习算法的输入(步骤660)。生成下一睡眠时段的估计的嘴泄漏状态作为机器学习算法的输出(步骤662)。至少部分地基于所估计的嘴泄漏状态，确定用于在用户装置上显示的建议调整(步骤664)。
[0199]
建议调整的一些示例包括：(i)调整呼吸装置的压力设定，压力设定与供应至用户的气道的加压空气相关联；(ii)调整联接到呼吸装置的加湿器的加湿设定，加湿器被配置来将湿气引入供应到用户的气道的加压空气；(iii)为呼吸装置建议面罩类型，(iv)为用户建议睡眠位置，(v)为用户建议颏绑带；以及(vi)为用户建议鼻托架。所建议的调整可以以与图4b及其相应描述中类似的方式和/或在方法300的步骤337中显示。
[0200]
此外，在一些实现方式中，由方法600生成的数据可以提供与可能引起刺激(例如，引起面罩移除，引起睡眠阶段的中断，引起心率的改变，引起报告的次日早晨的症状，诸如口干)的嘴泄漏相关的生理因素的分类。
[0201]
参见图7，根据本发明的一些实现方式，公开了用于确定与呼吸装置的用户相关联的嘴泄漏状态的方法700。在步骤710，接收与呼吸装置(例如，图1所示的系统100的呼吸装置122)的用户相关联的气流数据。在步骤720，分析与用户相关联的气流数据。在一些实现方式中，分析与用户相关联的气流数据包括处理气流数据以识别将嘴泄漏与(i)治疗期间的正常呼吸和/或(ii)其他类型的无意泄漏(例如，来自用户接口的无意泄漏)区分开的一个或多个特征。至少部分地基于该分析，在步骤730，确定与用户相关联的嘴泄漏状态(例如，无嘴泄漏、阀式泄漏、连续嘴泄漏)。在一些实现方式中，嘴泄漏状态指示空气是否从用户的嘴泄漏。
[0202]
气流数据可以包括与呼吸系统内的压力信号相关联的压力数据，例如由呼吸系统测量的面罩压力。在一些实现方式中，气流数据进一步包括流量数据。在一些这样的实现方式中，可以从与呼吸装置相关联的流量传感器(例如，系统100的流量传感器134)接收气流数据；压力数据可以从与呼吸装置相关联的压力传感器(例如，系统100的压力传感器132)接收。
[0203]
在一些实现方式中，在接收的气流数据(步骤710)内和/或使用分析的气流数据(步骤720)，在步骤722识别用户的至少第一呼吸循环。例如，在一些这样的实现方式中，可以在步骤722识别两个呼吸循环、三个呼吸循环、四个呼吸循环、五个呼吸循环、六个呼吸循环、七个呼吸循环或八个呼吸循环，并且随后在步骤724进行处理。第一呼吸循环可以包括
吸入部分(例如，图8中的吸入部分810)和呼出部分(例如，图8中的呼出部分820)。第一呼吸循环(和/或另外的呼吸循环)可以通过任何合适的方法确定，如本文所公开的。在一些示例中，第一呼吸循环可以通过使用用户的平均呼吸长度来确定，例如大约五秒。在一些示例中，可以至少部分地基于从步骤710接收的气流数据来识别第一呼吸循环。在一些示例中，识别至少第一呼吸循环(步骤722)包括识别第一呼吸的开始和/或第一呼吸的结束。第一呼吸的开始和/或结束表示第一呼吸与其相邻呼吸之间的过渡。
[0204]
在一些实现方式中，在步骤724，处理气流数据以识别与至少第一呼吸循环相关联的一个或多个特征。例如，在一些这样的实现方式中，处理气流数据以识别与两个呼吸循环、三个呼吸循环、四个呼吸循环、五个呼吸循环、六个呼吸循环、七个呼吸循环或八个呼吸循环相关联的一个或多个特征。一个或多个特征可以包括压力范围、最小压力、最大压力、压力偏度、压力峰度、压力功率谱密度(例如，在1-3hz范围内的压力功率谱密度)、流量范围、最小流量、最大流量、流量偏度、流量峰度、流子面积比(例如，流量数据的呼气峰面积与总呼气面积的比率)，或其任何组合。在一些实现方式中，一个或多个特征的特定组合用于确定嘴泄漏状态，如压力范围、最小压力和流子面积比率的组合。一个或多个特征中的每一个都可以从去趋势压力数据和/或去趋势流量量数据中确定和/或提取(如下面更详细地讨论的)。在一些这样的实现方式中，压力范围和最小压力是从去趋势压力数据中确定和/或提取的；以及确定和/或流量数据确定和/或提取流子面积比率。
[0205]
附加地或可替代地，在一些实现方式中，一个或多个特征包括基于压力数据的频谱特征。例如，由于阀式嘴泄漏倾向于表现为压力的急剧变化，压力信号表现为和/或绘制为压力信号在高频下的功率谱密度中的高峰值。可以在压力信号的五秒的窗口上进行fft，并且针对每个窗口计算高频(例如，1-3hz)处的峰值。另外或可替代地，在一些实现方式中，一个或多个特征包括任选地去趋势的压力信号的偏度和/或峰度，其还可以表征压力信号中的急剧变化和/或不对称性。此外，在一些实现方式中，应用于压力数据的相同计算也可以应用于气流数据，以提取用于确定嘴泄漏状态的附加特征。
[0206]
参考图9更详细地讨论这些特征中的一些。在一些示例中，在1、2、3、4、5、6、7或8个相邻(例如连续)呼吸循环上计算与至少第一呼吸循环相关联的一个或多个特征。在一些示例中，在预定持续时间(例如30秒)上计算与第一呼吸循环相关联的一个或多个特征。这是因为在某些情况下，嘴泄漏倾向于在一系列呼吸中发生。因此，可以对多次呼吸的统计进行分析，以排除可能导致仅一次独立呼吸改变的“一次性”事件，和/或实际上与其它过程相关联的事件(例如用户吸气、呼吸暂停等)。
[0207]
在一些实现方式中，在基于压力数据提取任何特征之前，压力数据(例如，压力时间迹线)被消去趋势以说明呼气压力释放(epr)或自动设定的效果。epr在吸气期间有效地升高压力，并在呼气开始时降低压力(在整个呼气阶段保持该值低)。自动设定在呼吸事件开始之后增加治疗压力，并且一旦用户不再表现出呼吸事件就减小治疗压力。这些压力变化与嘴泄漏无关，并可导致最小压力、最大压力和压力范围的变化。因此，在某些操作模式下，需要考虑这些压力变化，从而产生去趋势的压力数据，例如去趋势的最小压力。一旦从压力时间序列中去除趋势，就可以提取出消除趋势最小压力、最大压力和/或压力范围，以对这些操作模式下的嘴泄漏状态进行分析。附加地或可替代地，从流量信号导出的特征可以以相同或类似的方式消解趋势。
[0208]
例如，在一些实现方式中，在步骤740，确定呼吸装置的操作模式(例如，cpap、apap或bipap)。在一些这样的实现方式中，至少部分地基于所确定的操作模式(步骤740)来确定一个或多个特征(步骤724)。例如，可以至少部分地基于去除压力数据(在步骤710处接收的)中的呼气减压(epr)分量来确定一个或多个特征(步骤724)。
[0209]
在一些实现方式中，然后可以将一个或多个特征馈送到逻辑回归模型中以确定嘴泄漏状态(步骤730)。例如，这些特征可以输入到逻辑回归模型中，逻辑回归模型输出概率(例如，单个数字)。然后对该概率应用阈值以确定嘴泄漏状态(例如，用户是否正在经历任何嘴泄漏)。在一些示例中，指示嘴泄漏的概率的阈值是0.6。
[0210]
在一些示例中，对于任何给定的时期(例如，30秒范围，或基于逐个呼吸)，可以使用以下公式计算阈值：
[0211][0212]
其中x1是压力范围，x2是去趋势的最小压力，并且x3是所述给定的时期的流子面积比率。α1,α2,α3是逻辑回归的权重。b是偏置。在该示例中，α1,α2,α3的值分别为-6.12339829、0.87103483、-5.26285759；并且b的值为-1.2533223418287587。如果p》0.6，则该时段被分类为含有嘴泄漏，否则该时段被标记为否定的(例如，没有嘴泄漏)。
[0213]
尽管该示例涉及三个特征(即，压力范围、最小压力和流子面积比率)，但也可使用其它特征和更多或更少的特征。在一些实现方式中，公式中权重的数目和/或它们的值将至少部分地基于所考虑的特征和/或可用的训练数据而改变。附加地或可替代地，在一些实现方式中，概率阈值p可以是随时间修改的动态值，基于系统中期望的灵敏度和/或特异性修改的动态值，或基于特定用户修改的动态值；因此，概率阈值p可以是可调值。例如，对于被分类为具有嘴泄漏的时期，概率阈值p可以是》0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.65、或0.7。
[0214]
简要参考图8，根据本发明的一些实现方式，说明了示出第一呼吸830和第二呼吸840的流量对时间的曲线图。可以理解，“i”是第一呼吸830的吸气部分、“e”是呼气部分。第一呼吸830对应于用户正常呼吸。第二呼吸840对应于用户通过他们的嘴呼气(即嘴泄漏)。如图所示，当用户通过他们的嘴呼气时，与用户正常呼吸时的相应峰值832相比，呼气部分820的开始具有更尖锐的峰值842。峰的这种“锐度”可以使用方法700(例如，作为在步骤724中处理的特征之一)来测量和/或在图9中示出。例如，峰的“锐度”可以使用本文所述的流子面积比率来确定。
[0215]
附加地或可替代地，在一些实现方式中，当用户通过他们的嘴呼气时，在峰值842之后，与当用户正常呼吸时的对应曲线834相比，呼气部分820具有更平坦的曲线844。在一些这样的实现方式中，可以使用方法700(例如，作为在步骤724中处理的特征之一)和/或在图9中示出的方法来测量峰值之后的呼气变平的程度。例如，呼气变平的程度可以通过(i)计算流量信号的偏度和/或峰度，和/或(ii)评估流量信号的导数接近于零和/或流量信号的标准偏差接近于零的时间间隔的长度来确定。
[0216]
现在参考图9，示出了根据本发明的一些实现方式在呼吸循环900内识别的多个特征。呼吸循环900包括吸气部分910和呼气部分920。可以使用方法700的一个或多个步骤，如步骤720和/或步骤722来确定吸入部分910和/或呼出部分920。可以使用方法700的一个或
多个步骤(例如步骤724)来识别多个特征。
[0217]
在一些实现方式中，多个特征可以包括基于流量的特征和基于压力的特征。例如，基于流量的特征可以包括最小流量、最大流量、流量范围、呼气峰与总呼气面积之比(或“流子面积比率”)、流的偏度、流的峰度、呼气时的平坦度、或其任何组合。基于压力的特征可包括最小压力、最大压力、压力范围、压力在1-3hz范围内的功率谱密度、压力信号的偏度、压力信号的峰度或其任何组合。在一些这样的实现方式中，基于流量的特征和/或基于压力的特征可以在对流量信号和/或压力信号施加去趋势操作之后导出。
[0218]
仍然参考图9，示出了流量范围930、最小流量932和最大流量934。最小流量932和最大流量934可以用作中间步骤，用于导出呼气峰与总呼出面积的比率。在一些这样的实现方式中，最小流量932与吸入部分910的结束和/或呼出部分920的开始相关联。在一些实现方式中，流量范围930的边界由最小流量932和最大流量934限定。
[0219]
在一些实现方式中，多个特征进一步包括流子面积比率，该流子面积比率可以通过将第一子面积940除以第二子面积942来计算。第一子面积940由从最小流量932到流量阈值水平936计算的区域限定。在一些实现方式中，流量阈值水平(例如，截止水平，其可以是呼气峰的描绘水平)被设定为中间步骤以导出呼气峰与总呼气面积的比率(或“流子面积比率”)：首先确定最小流量932和最大流量934，然后将流量阈值水平确定为该范围的设定百分比。在一些这样的实现方式中，最小流量932和最大流量934之间的距离的25％被选择为流量阈值水平936。附加地或可替代地，流量阈值水平936是可调的。
[0220]
为了计算流子面积比率，第一子面积940(例如，面积1)是在流动阈值水平936之下的面积(在图9中示为水平虚线)。在一些实现方式中，第一子面积940表征呼气峰的锐度。第二子面积942由从最小流量932到零(即，在吸气和呼气之间，或在呼气和吸气之间的点处的流量)计算的区域限定。例如，第二子面积942(区域2)是零线下的区域，并且包括所有呼出区域。然后通过将第一子面积940除以第二子面积942来计算流子面积比率(例如，区域1/区域2)。在一些这样的实现方式中，流量阈值水平936可以是随时间修改的动态值，基于嘴泄漏检测中的期望灵敏度和/或特异性修改的动态值，或者基于特定用户修改的动态值；因此，流量阈值水平936可以是可调值。例如，在一些实现方式中，至少部分地基于进一步分析与用户相关联的气流数据来调整流量阈值水平936(如图7所示的方法700的步骤720)。
[0221]
在一些实现方式中，为了区分阀式嘴泄漏和连续嘴泄漏，分析流量范围930。在一些实现方式中，阀式嘴泄漏可以由流子面积比率特征的小值来表征。相反，较大的值可以对应于没有嘴泄漏(和/或连续嘴泄漏)。因此，在一些这样的实现方式中，当用户正在经历连续的嘴泄漏时，流量范围930变得大于正在经历阀式嘴泄漏或没有嘴泄漏的用户的流量范围。该差异在此例如在图10a-10d中示出。
[0222]
总体上参考图10a-10d，图10a示出了在用户的治疗时段期间测量的实验室数据，其显示阀式嘴泄漏(治疗时段1010)、面罩泄漏(治疗时段1020)和连续嘴泄漏(治疗时段1030)。图10b示出了显示阀式嘴泄漏的用户的图10的实验室数据的治疗时段1010，虚线表示阀式嘴泄漏事件的结束。图10c示出了显示面罩泄漏的用户的图10的实验室数据的治疗时段1020，虚线表示面罩泄漏事件的开始。图10d示出了显示连续嘴泄漏的用户的图10的实验室数据的治疗时段1030，虚线表示连续嘴泄漏事件的开始。如图所示，示出了患者流量、面罩压力、潮气量和计算的泄漏。在一些实现方式中，在治疗时段期间提供给用户气道的加
压空气在4cmh2o到20cmh2o之间。在如图10a-10d所示的这个示例中，在治疗时段期间提供给用户气道的加压空气约为8cmh2o。
[0223]
具体参照图10a，面罩压力在阀式嘴泄漏(时段1010)中的变化大于面罩泄漏(时段1020)中的变化，而在连续嘴泄漏(时段1030)中变化最大。
[0224]
无意泄漏可包括真正的面罩泄漏(例如，面罩密封不良)和/或嘴泄漏(例如，对于鼻/枕面罩发生)。在一些示例中，真正的面罩泄漏是关键的混淆因素。本发明的嘴泄漏检测算法的目的之一是分离两种类型的无意泄漏。
[0225]
参考图11，根据无意泄漏水平示出了具有嘴泄漏的多个时期的直方图。直方图包括来自6个用户的数据(“achill ecs”数据)，针对其中使用连接到面罩的麦克风来检测嘴泄漏的多个时期。如图所示，具有嘴泄漏的大多数时期具有由系统(例如，呼吸治疗系统的流量发生器)检测到的一定程度的无意泄漏。
[0226]
基于19名用户的143个夜晚发展了中期特征。“achill ecs”数据包括来自6个用户(具有不同程度的嘴泄漏)的数据，每个用户14个夜晚。“pacific ecs aus”数据包括来自12名用户(使用全罩式面罩)的数据，每个用户7个夜晚。“achill ecs”数据被用作临床数据以开发初始特征。“pacific ecs aus”数据用于测试特定特征。
[0227]
捕获通气、泄漏和/或它们的相关性的缓慢可变性(例如，以分钟为数量级)的特征被调整为检测连续嘴泄漏(“cml”)。基于呼吸形态捕获快速可变性(例如，在呼吸的持续时间内)的特征被调整为检测阀式嘴泄漏(“vml”)，因为更快的时间尺度可以指示vml，其仅(或更大程度地)在呼气时发生。在该示例中，选择了一组显示出分离嘴泄漏患者的一些能力的特征。
[0228]
图12a示出了使用“achill ecs”数据和“pacific ecs aus”数据的实际嘴泄漏持续时间。x轴表示每个用户。y轴表示每个用户一整夜测量的时段(在这个例子中，每个30秒)数。如图所示，由于“pacific ecs aus”数据的12名用户具有完整的面罩，所以没有检测到实际的嘴泄漏。
[0229]
图12b示出了使用“achill ecs”数据和“pacific ecs aus”数据预测的嘴泄漏持续时间。x轴表示每个用户。y轴表示每个用户一整夜测量的时段(在这个例子中，每个30秒)数。该算法通过将所选择的特征与每个特征的阈值进行比较来预测所述多个时期。如图所示，与实际的嘴泄漏相比，这些特征提供了对嘴泄漏的良好估计(图12a)。
[0230]
图13示出了根据阻塞持续时间的得分的比例。如图所示，嘴泄漏并不总是间歇性的。相反，嘴泄漏通常以超过1分钟的块发生。只有13.6％的得分发生在小于5分钟的块中，超过30％的嘴泄漏发生在长于0.5小时的块中。因此，在一些实现方式中，例如在该示例中，嘴泄漏特征的30秒分辨率就足够了。
[0231]
图14示出用于确定嘴泄漏的无意泄漏和通气之间的带符号协方差。在该示例中，用于估计和/或确定嘴泄漏状态的特征可包括无意泄漏(1420)和通气(1430)之间的带符号协方差(1440)，其用于隔离嘴泄漏事件的开始和偏移(1410)。3分钟通气量等于3分钟窗口上患者流绝对值积分的一半。
[0232]
通过特征(1440)在设定阈值(图14上显示为“0”)之下检测嘴泄漏阻塞的开始；并且通过超过设定阈值的特征(1440)来检测嘴泄漏块的偏移。在一些实现方式中，用于估计和/或确定嘴泄漏状态的特征可以包括协方差低于设定阈值(对于开始)和高于设定阈值
(对于偏移)的时间。例如，带符号协方差保持在阈值之上的时间可以是特征。
[0233]
图15示出了在无意泄漏的水平上通气的特征分离。如图所示，嘴泄漏块上的实际通气水平本身具有良好的区别能力。虽然通气可以直接用作特征，但是可能存在用户偏差，这可能降低估计和/或确定嘴泄漏状态的准确性。
[0234]
图16a示出了归一化之前每个用户的多个负时期(例如，对于嘴泄漏为负)和多个正时期(例如，对于嘴泄漏为正)。图16a示出了通气水平的清楚的用户趋势(例如，由于用户中bmi和/或肺活量的变化)。在一些实现方式中，当存在用户偏差时，存在用户特定的基线值。因此，该算法可被配置来(i)选择记录中没有无意泄漏的时段，计算平均通气量，并将其用作基线；(ii)使用多个迭代次数；和/或(iii)在治疗时段完成之后归一化。
[0235]
图16b示出了归一化之后每个用户的多个负时期和多个正时期。如图所示，基线水平的标准化增加了分离。基线可以通过以下方式导出：(i)在没有无意泄漏的区段上运行时段平均值，(ii)在无意泄漏开始增加之前通气，(iii)在没有无意泄漏的区段上的总体时段基线，和/或(iv)用户特定的基线(例如，来自多个夜晚)。归一化可以通过以下方式进行：(i)比率(例如，相对于基线的降低百分比)，和/或(ii)差异(例如，相对于基线的实际降低)。
[0236]
图17示出了针对无意泄漏可变性特征进行分离。通过在设定的时间间隔(例如30秒)内获取无意泄漏的标准偏差来导出无意泄漏可变性特征。在该示例中，高水平的无意泄漏(例如，》0.5l/s)可能与cml相关联，其中嘴泄漏比面罩泄漏更稳定。中等水平的泄漏(例如，《0.5l/s)可能与vml相关，其中嘴泄漏不如面罩泄漏稳定。在一些实现方式中，无意泄漏的水平可以用于更有效地融合vml和cml特征。例如，对于低水平的泄漏，vml特征的加权大于cml特征；对于高水平的泄漏，vml特征的加权小于cml特征。
[0237]
图18a示出了具有嘴泄漏的用户的高水平无意泄漏的示例性无意泄漏变化。图18b示出了在没有嘴泄漏的情况下用户的高水平无意泄漏的示例性无意泄漏变化。如图18a所示，对于具有嘴泄漏的用户，即使无意泄漏水平高，无意泄漏变化也小。相反，如图18b所示，对于高水平的面罩泄漏，非故意的泄漏变化较大(因为没有嘴泄漏)。
[0238]
在一些实现方式中，用于估计和/或确定嘴泄漏状态的特征可以包括归一化呼吸速率(例如，类似于归一化通气)，和/或呼吸速率可变性(例如，类似于无意泄漏可变性)。
[0239]
图19示出了基于流量数据的呼吸分段。绘制用户的流量。在低通滤波器上绘制流量的导数(用于平滑)。在高通滤波器上绘制消除趋势的累积和(以更好地逐呼吸分离)。通过取图的最小值或最大值来分割每次呼吸。例如，流量的一阶导数的负峰值用于分割。去趋势累加和的正峰值用于分段。
[0240]
一旦完成分割，就可以在任何呼吸装置信号(例如，任何25-hz信号，诸如患者流量、面罩压力、鼓风机流量、鼓风机压力)上计算特征。每个信号可以分析每个信号，总计至少44个特征(例如，对于四个信号中的每一个，11 个特征)。例如，可以分析每个信号以计算(i)帧面积(例如，范围x持续时间)；(ii)呼吸面积(auc)；(iii)呼吸面积的补数；(iv)呼吸面积/帧面积的比率；(v)呼吸面积/呼吸面积补数的比率；(vi)原始信号的偏度；(vii)原始信号的峰度；(viii)偏度的一阶导数；(ix)峰度的一阶导数；(x)偏度的二阶导数；(xi)峰度的二阶导数。例如，图20a示出了在呼吸上计算的这些特征中的一些。
[0241]
附加地或可替代地，可以分析每个信号的其它特征，例如直线(从最小到最大)和
实际信号之间的区域。例如，图20b示出了在呼吸的一部分上计算的附加呼吸特定特征。线上方和线下方的面积比率可以表示信号的偏度。
[0242]
在一些实现方式中，一个时间段上的所有呼吸可以按时期分组(例如，每个时期30秒)。基于时期的特征是通过获取诸如平均值、中值、百分位数的统计来导出的。在一些这样的实现方式中，特征可以用基线值进一步归一化，类似于以上关于通气描述的归一化。图21-23示出了使用一些基于时期的特征的可分离性。图21示出了第90百分位时期的流量数据的呼吸面积/帧面积的比值。图22示出了以时期平均值对流量数据采取的偏度。图23以时期平均值对导数鼓风机压力采取的偏度。
[0243]
在一些实现方式中，呼吸治疗系统的内部麦克风可以检测与面罩泄漏相关联的噪声水平和/或声学特性的可变性。例如，可以基于(i)声级特征和/或(ii)频谱特征(例如，各种频带中的能含量的比率)来执行泄漏检测。
[0244]
图24a是在无面罩泄漏的时间段和面罩泄漏的时间段上的声功率水平。由麦克风140(图1)产生的声学数据检测与呼吸治疗系统120内的无面罩漏气的五分钟时间段和面罩漏气的五分钟时间段相对应的声学特征相关联的噪声水平和声学特性或模式的可变性。如图24a所示，可以基于声级特征和/或频谱特征，诸如不同频带(在图24a的图中在约0和约8khz之间)中的声能比，可以从在时间段上绘制的声学数据中检测用户接口124中的泄漏(面罩泄漏)。
[0245]
图24b是图24a的无面罩泄漏的时间段和面罩泄漏的时间段上的泄漏率、流量和面罩压力的比较性图形表示。如图24b所示，来自图24a的声学数据的用户接口124中的面罩泄漏的检测与来自用户接口124中的压力、流量和泄漏率的数据的用户接口124中的面罩泄漏的指示相关，压力、流量和泄漏率在无面罩泄漏的相同五分钟时间段和用户接口124中的面罩泄漏的相同五分钟时间段上。
[0246]
图25示出了在超过20,000秒的时间段内声强度的最大值、声强度的标准偏差、泄漏率(以升每秒为单位测量)、流量(以升每秒为单位测量)和面罩压力(以cmh2o为单位测量)的比较图形表示，在此期间在呼吸治疗系统中发生泄漏。声强是从图25中的由与呼吸治疗装置一起定位的麦克风产生的声数据确定的参数之一。
[0247]
在时间段内的整个重叠或非重叠时间窗口，从预定时间间隔(例如，1秒)采样的声学数据的短窗口(例如，0.1秒)提取与参数相关的统计数据，例如但不限于声学强度的标准偏差、声学强度的最大值、和声学强度的百分位数。然后对在该时间段上收集的统计数据进行低通滤波(例如，通过移动平均或应用诸如有限脉冲响应(fir)或无限脉冲响应(iir)的数字滤波器)。基于参数是否满足如本文所述的条件(例如，高于预定阈值)来确定泄漏的发生。
[0248]
如图25所示，统计数据与时间段内的面罩压力、流量和泄漏率一起绘制。图25中的比较图示示出了声强、流量、面罩压力和泄漏率的统计数据之间的相关性，以指示无泄漏(插图c)以及高水平的泄漏(插图a)；相对低水平的泄漏(插图b)与呼吸治疗系统内气流阻抗估计不准确相关的典型误差相当。在一些实现方式中，可以使用诸如不同频带中的声能比的另一参数来从由麦克风生成的声数据中提取统计数据，如关于图24a-24b和图26a-26b所描述的。
[0249]
图26a示出了在发生不同类型的泄漏的时间段内的声功率级，其中可以基于泄漏
在呼吸治疗系统内的位置来区分泄漏。由麦克风产生的声学数据可以具有取决于泄漏类型而具有不同声学特性的声学特征。取决于泄漏的类型，可能必须满足不同的条件(例如，可以将不同的阈值应用于声学数据中的参数)。
[0250]
如图26a所示，基于声学特征和频谱特征，例如在不同频带(在图26a的曲线图中在约0和约8khz之间)中的声能比，面罩泄漏由与嘴泄漏(cml或vml)不同的声学标记表示。图26a中的不同频带上的声能分布示出了两种类型的泄漏之间的明显差异，如面罩泄漏的较低频带中的较高声能含量和嘴泄漏的较高频带中的较高声能含量所指示的。
[0251]
图26b是在图26a的时间段上的泄漏率、流量和面罩压力的比较图示。如图26b所示，来自图26a的声学数据的面罩泄漏和嘴泄漏(cml或vml)的检测清楚地与来自图26a的相同时间段上的面罩压力、流量和泄漏率的数据的面罩泄漏和嘴泄漏的相应指示相关。
[0252]
可替代实施方式
[0253]
可替代实施方式1.一种用于确定嘴泄漏状态的方法，包括：从麦克风接收与呼吸装置的用户相关联的第一声学数据，所述呼吸装置被配置为在睡眠时段期间向所述用户的气道供应加压空气；分析与所述用户相关联的第一声学数据；以及至少部分地基于对所述第一声学数据的分析来确定所述嘴泄漏状态，所述嘴泄漏状态指示空气从所述用户的嘴泄漏。
[0254]
可替代实施方式2.如可替代实施方式1所述的方法，进一步包括将所述第一声学数据与指示负嘴泄漏状态的预定数据进行比较，以便分析所述第一声学数据。
[0255]
可替代实施方式3.如可替代实施方式2所述的方法，其中所述预定数据包括模拟数据、历史数据、或两者。
[0256]
可替代实施方式4.如可替代实施方式1至3中任一项所述的方法，其中所述分析所述第一声学数据至少部分地基于倒谱分析、自倒谱分析、自相关分析、谱分析、或其任意组合。
[0257]
可替代实施方式5.如可替代实施方式4所述的方法，其中所述频谱分析包括具有滑动窗口的快速傅立叶变换(fft)、频谱图、神经网络、短时傅立叶变换(stft)、基于小波的分析、或其任何组合。
[0258]
可替代实施方式6.如可替代实施方式1至5中任一项所述的方法，进一步包括处理所述第一声学数据以识别用于分析所述第一声学数据的多个特征。
[0259]
可替代实施方式7.如可替代实施方式6所述的方法，其中所述多个特征包括：(i)频谱特征的改变，(ii)频率的改变，(iii)振幅的改变，或(iv)其任何组合。
[0260]
可替代实施方式8.如可替代实施方式1至7中任一项所述的方法，其中所述麦克风是集成麦克风，所述集成麦克风联接到(i)所述呼吸装置的导管，(ii)所述呼吸装置的电路板，(iii)具有所述呼吸装置的呼吸系统的连接器，(iv)所述呼吸系统的用户接口，或(v)所述呼吸系统的任何其他部件。
[0261]
可替代实施方式9.如可替代实施方式1至8中任一项所述的方法，进一步包括：在所述睡眠时段期间从外部麦克风接收与所述呼吸装置的用户相关联的第二声学数据；分析与所述用户相关联的第二声学数据；以及至少部分地基于对第一声学数据的分析和对第二声学数据的分析两者来确定嘴泄漏状态。
[0262]
可替代实施方式10.如可替代实施方式1至9中任一项所述的方法，进一步包括：在
所述睡眠时段期间从流量传感器接收与所述呼吸装置的用户相关联的气流数据；分析与所述用户相关联的气流数据；以及至少部分地基于所述第一声学数据的分析和所述用户的气流数据的分析两者来确定嘴泄漏状态。
[0263]
可替代实施方式11.如可替代实施方式1至10中任一项所述的方法，进一步包括：在所述睡眠时段期间从生理传感器接收与所述用户相关联的生理数据；分析所述生理数据以确定所述用户的心原性振荡；以及至少部分地基于对第一声学数据的分析和用户的心原性振荡两者来确定嘴泄漏状态。
[0264]
可替代实施方式12.如可替代实施方式1至11中任一项所述的方法，进一步包括：在所述睡眠时段期间从相机接收与所述用户相关联的图像数据；分析所述图像数据以确定与所述用户相关联的睡眠相关参数；以及至少部分地基于对所述第一声学数据的分析和与所述用户相关联的睡眠相关参数两者来确定嘴泄漏状态。
[0265]
可替代实施方式13.如可替代实施方式1至12中任一项所述的方法，进一步包括：至少部分地基于嘴泄漏状态计算呼吸暂停低通气指数(ahi)评分。
[0266]
可替代实施方式14.如可替代实施方式13的方法所述的方法，其中为了计算所述ahi分数，所述控制系统被配置来执行所述机器可读指令，以：在所述睡眠时段期间从联接到所述呼吸装置上的传感器接收与所述用户相关联的传感器数据，所述传感器数据指示在所述睡眠时段期间的多个睡眠障碍性呼吸事件；将所述嘴泄漏状态与所述传感器数据相关联以输出一个或多个假阳性睡眠呼吸障碍事件；从所述多个睡眠呼吸障碍事件中减去所述一个或多个假阳性睡眠呼吸障碍事件以输出修改的多个睡眠呼吸障碍事件；以及至少部分地基于所修改的睡眠呼吸障碍事件的数目来计算ahi评分。
[0267]
可替代实施方式15.如可替代实施方式1至14中任一项所述的方法，其中所述嘴泄漏状态包括嘴泄漏的持续时间、嘴泄漏的严重性、或两者；并且其中所述方法进一步包括至少部分地基于嘴泄漏的持续时间、嘴泄漏的严重性、或两者来降低睡眠评分或治疗评分。
[0268]
可替代实施方式16.如可替代实施方式1至15中任一项所述的方法，进一步包括：向所述呼吸装置提供控制信号；以及响应于所述嘴泄漏状态，调整所述呼吸装置的压力设定，所述压力设定与供应到所述用户的气道的加压空气相关联。
[0269]
可替代实施方式17.如可替代实施方式16所述的方法，进一步包括：分析与所述用户相关联的第一声学数据以确定所述用户正在呼气；以及响应于所述确定所述用户正在呼气，在所述用户呼气期间减小到所述用户气道的加压空气的压力。
[0270]
可替代实施方式18.如可替代实施方式17所述的方法，其中减小所述加压空气的压力包括增加与呼吸装置相关联的呼气减压(epr)水平。
[0271]
可替代实施方式19.如可替代实施方式1至18中任一项所述的方法，进一步包括：向联接到所述呼吸装置的加湿器提供控制信号，所述加湿器被配置为将湿气引入供应到所述用户的气道的加压空气；以及响应于嘴泄漏状态，调整与所述加湿器相关联的加湿设定，使得更多的湿气被引入到供应到所述用户的气道的加压空气中。
[0272]
可替代实施方式20.如可替代实施方式19所述的方法，进一步包括：将一部分减充血剂释放到引入所述压缩空气的湿气中，用于调整所述加湿设定。
[0273]
可替代实施方式21.如可替代实施方式1至20中任一项所述的方法，进一步包括：向智能枕头提供控制信号；以及响应于所述嘴泄漏状态，调整所述智能枕头，使得所述智能
枕头促使所述用户改变所述用户的头部的位置。
[0274]
可替代实施方式22.如可替代实施方式1至21中任一项所述的方法，进一步包括：向智能床或智能床垫提供控制信号；以及响应于所述嘴泄漏状态，调整所述智能床或智能床垫，使得所述智能床或智能床垫促使所述用户改变所述用户的身体的位置。
[0275]
可替代实施方式23.如可替代实施方式1至22中任一项所述的方法，进一步包括：向可穿戴传感器提供控制信号，所述可穿戴传感器可联接到所述用户的身体部分；以及响应于所述嘴泄漏状态，调整所述可佩戴传感器，使得所述可佩戴传感器刺激所述用户的颈部或颌以闭合所述用户的嘴。
[0276]
可替代实施方式24.如可替代实施方式1至23中任一项所述的方法，进一步包括：响应于所述嘴泄漏状态，使通知经由电子装置提供给所述用户，从而警告所述用户所述嘴泄漏状态。
[0277]
可替代实施方式25.如可替代实施方式24所述的方法，其中所述电子装置是电子显示装置，并且所述提供所述通知包括在所述电子显示装置上显示消息。
[0278]
可替代实施方式26.如可替代实施方式25所述的方法，其中所述电子显示装置是移动电话。
[0279]
可替代实施方式27.如可替代实施方式24至26中任一项所述的方法，其中所述通知包括：提醒用户(i)在睡眠时段期间关闭他/她的嘴，(ii)在下一个睡眠时段之前使嘴唇保湿，或(iii)(i)和(ii)两者。
[0280]
可替代实施方式28.如可替代实施方式24至27中任一项所述的方法，其中所述通知包括对所述用户的指令和/或建议：(i)使用另一个面罩，(ii)醒来，(iii)所述用户具有嘴泄漏，或其任何组合。
[0281]
可替代实施方式29.如可替代实施方式24至28中任一项所述的方法，其中所述电子装置包括扬声器，并且提供所述通知包括经由所述扬声器播放声音。
[0282]
可替代实施方式30.如可替代实施方式29所述的方法，其中所述声音足够大以唤醒所述用户。
[0283]
可替代实施方式31.如可替代实施方式1至30中任一项所述的方法，其中所述嘴泄漏状态包括所述睡眠时段的嘴泄漏评分。
[0284]
可替代实施方式32.如可替代实施方式31所述的方法，其中所述嘴泄漏评分至少部分基于以下项来确定：睡眠时段期间嘴泄漏的百分比、嘴泄漏峰值体积、嘴泄漏总体积或其任何组合。
[0285]
可替代实施方式33.如可替代实施方式31或可替代实施方式32所述的方法，进一步包括：从用户装置接收用户输入数据，所述用户输入数据指示与用户相关联的主观反馈；以及至少部分地基于所述用户输入数据来确定所述嘴泄漏分数。
[0286]
可替代实施方式34.如可替代实施方式1至33中任一项所述的方法，进一步包括：在所述睡眠时段期间接收与所述用户相关联的睡眠阶段数据；至少部分地基于所述睡眠阶段数据来确定睡眠阶段；以及将所述嘴泄漏状态与所述睡眠阶段相关联。
[0287]
可替代实施方式35.如可替代实施方式34所述的方法，其中所述睡眠阶段包括觉醒、昏昏欲睡、睡眠、浅睡、深睡、n1睡眠、n2睡眠、n3睡眠、rem睡眠、睡眠阶段分段、或其任何组合。
[0288]
可替代实施方式36.如可替代实施方式34或可替代实施方式35所述的方法，进一步包括：使指示显示在显示装置上，所述指示包括每个睡眠阶段的单独的嘴泄漏状态。
[0289]
可替代实施方式37.一种用于为呼吸装置的用户输出嘴泄漏状态的方法，包括：从麦克风接收与呼吸装置的用户相关联的声学数据，所述呼吸装置被配置为在睡眠时段期间向所述用户的气道供应加压空气；以及使用机器学习算法处理所述声学数据以输出所述用户的嘴泄漏状态，所述嘴泄漏状态指示空气从所述用户的嘴泄漏。
[0290]
可替代实施方式38.一种用于为呼吸装置的用户确定最佳吸气压力和最佳呼气压力的方法，包括：在多个睡眠时段期间从麦克风接收声学数据，所述麦克风与所述呼吸装置的用户相关联，所述呼吸装置被配置为向所述用户的气道供应加压空气，所述声学数据包括吸气声学数据和呼气声学数据；接收与在所述多个睡眠时段期间提供给所述用户的气道的加压空气相关联的压力数据，所述压力数据包括吸气压力数据和呼气压力数据；分析所述声学数据以针对所述多个睡眠时段中的每个睡眠时段确定所述用户的嘴泄漏状态，所述嘴泄漏状态指示空气从所述用户的嘴泄漏；以及至少部分地基于(i)所述多个睡眠时段中的每个睡眠时段的所述用户的嘴泄漏状态和(ii)所述压力数据，来确定所述用户的所述最佳吸气压力和所述最佳呼气压力。
[0291]
可替代实施方式39.如可替代实施方式12或可替代实施方式38所述的方法，其中所述压力数据是从联接至所述呼吸装置的压力传感器接收的。
[0292]
可替代实施方式40.如可替代实施方式12、38或39所述的方法，其中所述压力数据是从所述呼吸装置外部的压力传感器接收的。
[0293]
可替代实施方式41.如可替代实施方式12、38、39或40所述的方法，其中所述压力数据是从所述呼吸装置接收的。
[0294]
可替代实施方式42.如可替代实施方式38至41中任一项所述的方法，进一步包括至少部分的基于所述用户的所述最佳吸气压力和所述最佳呼气压力来调整所述呼吸装置的压力设定。
[0295]
可替代实施方式43.如可替代实施方式38至42中任一项所述的方法，进一步包括：在后续睡眠时段期间从所述麦克风接收后续声学数据；接收所述最佳吸气压力和所述最佳呼气压力作为用于所述后续睡眠时段的后续压力数据；以及重复所述分析和所述确定以更新所述用户的所述最佳吸气压力和所述最佳呼气压力。
[0296]
可替代实施方式44.一种用于确定估计的嘴泄漏状态的方法，包括在多个睡眠时段期间从麦克风接收与呼吸装置的用户相关联的声学数据，所述呼吸装置被配置为向所述用户的气道供应加压空气；针对多个睡眠时段中的每个睡眠时段从传感器接收与用户相关联的生理数据；分析所述声学数据以针对所述多个睡眠时段中的每个睡眠时段确定所述用户的嘴泄漏状态，所述嘴泄漏状态指示空气从所述用户的嘴泄漏；以及使用(i)多个睡眠时段中的每个睡眠时段的用户的嘴泄漏状态和(ii)生理数据，来训练机器学习算法，使得机器学习算法被配置来：接收作为输入的与当前睡眠时段相关联的当前生理数据；以及确定当前睡眠时段的估计的嘴泄漏状态作为输出。
[0297]
可替代实施方式45.如可替代实施方式44所述的方法，其中所述麦克风和所述传感器是相同的。
[0298]
可替代实施方式46.如可替代实施方式11或可替代实施方式44所述的方法，其中
由所述传感器生成的生理数据包括：呼吸酒精数据、血液酒精数据、血压数据、血糖数据、充血数据、闭塞数据、体温数据、心率数据、运动数据、呼吸数据、睡眠阶段数据、面罩数据、co2水平数据、或其任何组合。
[0299]
可替代实施方式47.如可替代实施方式46所述的方法，其中所述呼吸数据包括呼吸速率、呼吸形状、或两者。
[0300]
可替代实施方式48.如可替代实施方式38至47中任一项所述的方法，进一步包括：在所述当前睡眠时段期间接收所述当前生理数据作为到所述机器学习算法的输入；生成针对所述当前睡眠时段的所估计的嘴泄漏状态，作为所述机器学习算法的输出；以及至少部分地基于所估计的嘴泄漏状态来调整所述呼吸装置的压力设定。
[0301]
可替代实施方式49.如可替代实施方式38至48中任一项所述的方法，进一步包括：在下一睡眠时段之前接收所述当前生理数据作为所述机器学习算法的输入；生成用于所述下一睡眠时段的估计的嘴泄漏状态，作为所述机器学习算法的输出；至少部分地基于所估计的嘴泄漏状态来确定用于在用户装置上显示的建议的调整。
[0302]
可替代实施方式50.如可替代实施方式49所述的方法，其中所述建议的调整包括(i)调整所述呼吸装置的压力设定，所述压力设定与供应至所述用户的气道的加压空气相关联；(ii)调整联接到呼吸装置的加湿器的加湿设定，加湿器被配置为将湿气引入供应到用户的气道的加压空气；(iii)为呼吸装置建议面罩类型，(iv)为用户建议睡眠位置，(v)为用户建议颏绑带；(vi)为用户建议鼻托架；(vii)其任何组合。
[0303]
可替代实施方式51.一种系统，包括：控制系统，其包括一个或多个处理器；以及存储器，其上存储有机器可读指令；其中，所述控制系统联接到所述存储器，并且当所述存储器中的所述机器可执行指令由所述控制系统的所述一个或多个处理器中的至少一个处理器执行时，实施如可替代实施方式1至50中任一项所述的方法。
[0304]
可替代实施方式52.一种系统，其包括被配置来实施可替代实施方式1至50中任一项所述的方法的控制系统。
[0305]
可替代实施方式53.一种包括指令的计算机程序产品，所述指令在由计算机执行时致使所述计算机执行如可替代实施方式1至50中任一项所述的方法。
[0306]
可替代实施方式54.如可替代实施方式53所述的计算机程序产品，其中所述计算机程序产品是非瞬态计算机可读介质。
[0307]
可替代实施方式55.一种用于确定与呼吸装置的用户相关联的嘴泄漏状态的方法，包括：接收与所述呼吸装置的用户相关联的气流数据，所述呼吸装置被配置成在治疗时段期间向所述用户的气道供应加压空气，所述气流数据包括压力数据；分析与所述用户相关联的气流数据；以及至少部分地基于所述分析，确定与所述用户相关联的嘴泄漏状态，所述嘴泄漏状态指示空气是否正从所述用户的嘴泄漏。
[0308]
可替代实施方式56.如可替代实施方式55所述的方法，其中所述气流数据进一步包括流量数据。
[0309]
可替代实施方式57.如可替代实施方式56所述的方法，其中所述流量数据是从与所述呼吸装置相关联的流量传感器接收的。
[0310]
可替代实施方式58.如可替代实施方式57所述的方法，其中所述流量传感器集成在所述呼吸装置中、联接到所述呼吸装置，或两者。
[0311]
可替代实施方式59.如可替代实施方式55至58中任一项所述的方法，其中所述压力数据是从与所述呼吸装置相关联的压力传感器接收的。
[0312]
可替代实施方式60.如可替代实施方式59所述的方法，其中所述压力传感器集成在所述呼吸装置中、联接到所述呼吸装置，或两者。
[0313]
可替代实施方式61.如可替代实施方式55至60中任一项所述的方法，进一步包括：在所接收的气流数据内识别用户的第一呼吸循环，所述第一呼吸循环具有吸气部分和呼气部分。
[0314]
可替代实施方式62.如可替代实施方式61所述的方法，其中所述用户的第一呼吸循环的长度是约五秒。
[0315]
可替代实施方式63.如可替代实施方式55所述的方法，其中所述识别所述第一呼吸循环包括识别所述第一呼吸的开始、所述第一呼吸的结束，或两者。
[0316]
可替代实施方式64.如可替代实施方式61至63中任一项所述的方法，其中分析与所述用户相关联的气流数据包括处理所述气流数据以识别与所述第一呼吸循环相关联的一个或多个特征。
[0317]
可替代实施方式65.如可替代实施方式64所述的方法，其中所述一个或多个特征包括最小压力、最大压力、压力偏度、压力峰度、压力功率谱密度、流量范围、最小流量、最大流量、流量偏度、流量峰度、流子面积比率、或其任何组合。
[0318]
可替代实施方式66.如可替代实施方式65所述的方法，其中所述压力范围的边界是由所述最小压力和所述最大压力限定的。
[0319]
可替代实施方式67.可替代实施方式65或可替代实施方式66所述的方法，其中所述最小压力与所述吸入部分的结束、所述呼出部分的开始、或两者相关联。
[0320]
可替代实施方式68.如可替代实施方式65至67中任一项所述的方法，其中在在1、2、3、4、5、6、7或8次相邻呼吸循环上计算与所述第一呼吸循环相关联的一个或多个特征。
[0321]
可替代实施方式69.如可替代实施方式68所述的方法，其中在约30秒上计算与所述第一呼吸循环相关联的一个或多个特征。
[0322]
可替代实施方式70.如可替代实施方式65至69中任一项所述的方法，其中通过将第一子面积除以第二子面积来计算所述流子面积比率，所述第一子面积是流呼气面积的部分，所述第二子面积是所述流呼气面积，其中，所述流呼气面积由流呼气曲线和零流量来界定，其中，所述流呼气面积的部分由所述流呼气曲线和流量阈值水平来界定。
[0323]
可替代实施方式71.如可替代实施方式70所述的方法，其中所述流阈值水平通过将预定百分比的所述流量范围与所述最小流量相加来计算。
[0324]
可替代实施方式72.如可替代实施方式71所述的方法，其中所述预定百分比是25％。
[0325]
可替代实施方式73.如可替代实施方式70至72中任一项所述的方法，其中至少部分地基于进一步分析与所述用户相关联的气流数据来调整所述流量阈值水平。
[0326]
可替代实施方式74.如可替代实施方式70至73中任一项所述的方法，其中至少部分地基于所述压力范围、去趋势的最小压力、和所述流子面积比率来确定所述嘴泄漏状态。
[0327]
可替代实施方式75.如可替代实施方式70至74中任一项所述的方法，其中至少部分地基于来自逻辑回归模型的输出来确定所述嘴泄漏状态，并且其中所述逻辑回归模型可
通过以下计算：
[0328][0329]
可替代实施方式76.如可替代实施方式75所述的方法，其中大于或等于阈值的来自所述逻辑回归模型的所述输出指示所述嘴泄漏状态是阀式嘴泄漏或连续嘴泄漏。
[0330]
可替代实施方式77.如可替代实施方式76所述的方法，其中所述阈值是0.6。
[0331]
可替代实施方式78.如可替代实施方式65至77中任一项所述的方法，进一步包括：确定所述呼吸装置的操作模式。
[0332]
可替代实施方式79.如可替代实施方式78所述的方法，其中所述操作模式是cpap、apap、或bipap。
[0333]
可替代实施方式80.如可替代实施方式78至79中任一项所述的方法，其中所述一个或多个特征是至少部分地基于所确定的操作模式来确定的。
[0334]
可替代实施方式81.如可替代实施方式78至80中任一项所述的方法，其中所述一个或多个特征至少部分地基于去除所述压力数据中的呼气减压(epr)分量来确定。
[0335]
可替代实施方式82.如可替代实施方式55至81中任一项所述的方法，其中所述嘴泄漏状态是(i)无嘴泄漏，(ii)阀式嘴泄漏，或(iii)连续嘴泄漏。
[0336]
可替代实施方式83.如可替代实施方式82所述的方法，其中所述无嘴泄漏与全脸罩、鼻罩、或枕头面罩相关联。
[0337]
可替代实施方式84.如可替代实施方式82至83中任一项所述的方法，其中所述阀式嘴泄漏与鼻罩或枕头面罩相关联。
[0338]
可替代实施方式85.如可替代实施方式82至84中任一项所述的方法，其中所述连续嘴泄漏与全脸罩、鼻罩、或枕头面罩相关联。
[0339]
可替代实施方式86.如可替代实施方式55至85中任一项所述的方法，其中在所述治疗时段期间供应至所述用户气道的所述加压空气是在4cmh2o至20cmh2o之间。
[0340]
可替代实施方式87.如可替代实施方式86所述的方法，其中在所述治疗时段期间供应至所述用户的气道的加压空气是约8cmh2o。
[0341]
可替代实施方式88.如可替代实施方式55至87中任一项所述的方法，进一步包括至少部分地基于所确定的嘴泄漏状态来计算治疗评分或ahi评分。
[0342]
可替代实施方式89.如可替代实施方式88所述的方法，进一步包括：在所述治疗时段期间从联接到所述呼吸装置的传感器接收与所述用户相关联的传感器数据，所述传感器数据指示在所述治疗时段期间多个睡眠障碍性呼吸事件的数目；将所述嘴泄漏状态与所述传感器数据相关联以输出一个或多个假阳性睡眠呼吸障碍事件；从所述多个睡眠呼吸障碍事件中减去所述一个或多个假阳性睡眠呼吸障碍事件以输出修改的多个睡眠呼吸障碍事件；以及至少部分地基于所修改的多个睡眠呼吸障碍事件的数目来计算治疗评分。
[0343]
可替代实施方式90.如可替代实施方式55至89中任一项所述的方法，其中所述嘴泄漏状态包括嘴泄漏的持续时间、嘴泄漏的严重性、或两者；并且其中所述方法进一步包括至少部分地基于嘴泄漏的持续时间、嘴泄漏的严重性、或两者来降低睡眠评分或治疗评分。
[0344]
可替代实施方式91.如可替代实施方式55至90中任一项所述的方法，进一步包括：向所述呼吸装置提供控制信号；以及响应于所述嘴泄漏状态，调整所述呼吸装置的压力设
定，所述压力设定与供应到所述用户的气道的加压空气相关联。
[0345]
可替代实施方式92.如可替代实施方式91所述的方法，进一步包括：分析与所述用户相关联的气流数据以确定所述用户正在呼气；以及响应于所述确定所述用户正在呼气，在所述用户呼气期间减小到所述用户气道的加压空气的压力。
[0346]
可替代实施方式93.如可替代实施方式92所述的方法，其中减小所述加压空气的压力包括增加与呼吸装置相关联的呼气减压(epr)水平。
[0347]
可替代实施方式94.如可替代实施方式55至93中任一项所述的方法，进一步包括：向联接到所述呼吸装置的加湿器提供控制信号，所述加湿器被配置为将湿气引入供应到所述用户的气道的加压空气；以及响应于嘴泄漏状态，调整与所述加湿器相关联的加湿设定，使得更多的湿气被引入到供应到所述用户的气道的加压空气中。
[0348]
可替代实施方式95.如可替代实施方式94所述的方法，进一步包括：将一部分减充血剂释放到引入所述压缩空气的湿气中，用于调整所述加湿设定。
[0349]
可替代实施方式96.如可替代实施方式55至95中任一项所述的方法，进一步包括：向智能枕头提供控制信号；以及响应于所述嘴泄漏状态，调整所述智能枕头，使得所述智能枕头促使所述用户改变所述用户的头部的位置。
[0350]
可替代实施方式97.如可替代实施方式55至96中任一项所述的方法，进一步包括：向智能床或智能床垫提供控制信号；以及响应于所述嘴泄漏状态，调整所述智能床或智能床垫，使得所述智能床或智能床垫促使所述用户改变所述用户的身体的位置。
[0351]
可替代实施方式98.如可替代实施方式55至97中任一项所述的方法，进一步包括：向可穿戴传感器提供控制信号，所述可穿戴传感器可联接到所述用户的身体部分；以及响应于所述嘴泄漏状态，调整所述可佩戴传感器，使得所述可佩戴传感器刺激所述用户的颈部或颌以闭合所述用户的嘴。
[0352]
可替代实施方式99.如可替代实施方式55至98中任一项所述的方法，进一步包括响应于所述嘴泄漏状态，使通知经由电子装置提供给所述用户，从而警告所述用户所述嘴泄漏状态。
[0353]
可替代实施方式100.如可替代实施方式99所述的方法，其中所述电子装置是电子显示装置，并且所述提供所述通知包括在所述电子显示装置上显示消息。
[0354]
可替代实施方式101.如可替代实施方式100所述的方法，其中所述电子显示装置是移动电话。
[0355]
可替代实施方式102.如可替代实施方式99至101中任一项所述的方法，其中所述通知包括提醒用户(i)在所述治疗时段期间关闭他/她的嘴，(ii)在下一个治疗时段之前使嘴唇保湿，或(iii)(i)和(ii)两者。
[0356]
可替代实施方式103.如可替代实施方式99至102中任一项所述的方法，其中所述通知包括对所述用户的指令和/或建议：(i)使用另一个面罩，(ii)醒来，(iii)所述用户具有嘴泄漏，或其组合。
[0357]
可替代实施方式104.如可替代实施方式99至103中任一项所述的方法，其中所述电子装置包括扬声器，并且提供所述通知包括经由所述扬声器播放声音。
[0358]
可替代实施方式105.如可替代实施方式104所述的方法，其中所述声音足够大以唤醒所述用户。
[0359]
可替代实施方式106.如可替代实施方式55至105中任一项所述的方法，其中所述嘴泄漏状态包括所述治疗时段的嘴泄漏评分。
[0360]
可替代实施方式107.如可替代实施方式106所述的方法，其中所述嘴泄漏评分至少部分基于以下项来确定：治疗时段期间嘴泄漏的百分比、嘴泄漏峰值体积、嘴泄漏总体积或其组合。
[0361]
可替代实施方式108.如可替代实施方式106或可替代实施方式107所述的方法，进一步包括：从用户装置接收用户输入数据，所述用户输入数据指示与用户相关联的主观反馈；以及至少部分地基于所述用户输入数据来确定所述嘴泄漏分数。
[0362]
可替代实施方式109.如可替代实施方式55至108中任一项所述的方法，进一步包括：在所述治疗时段期间接收与所述用户相关联的睡眠阶段数据；至少部分地基于所述睡眠阶段数据来确定睡眠阶段；以及将所述嘴泄漏状态与所述睡眠阶段相关联。
[0363]
可替代实施方式110.如可替代实施方式109所述的方法，其中所述睡眠阶段包括觉醒、昏昏欲睡、睡眠、浅睡、深睡、n1睡眠、n2睡眠、n3睡眠、rem睡眠、睡眠阶段分段、或其组合。
[0364]
可替代实施方式111.如可替代实施方式109或可替代实施方式110所述的方法，进一步包括：使指示显示在显示装置上，所述指示包括每个睡眠阶段的单独的嘴泄漏状态。
[0365]
可替代实施方式112.一种系统，包括：控制系统，其包括一个或多个处理器；以及存储器，其上存储有机器可读指令；其中，所述控制系统联接到所述存储器，并且当所述存储器中的所述机器可执行指令由所述控制系统的所述一个或多个处理器中的至少一个处理器执行时，实施如可替代实施方式55至111中任一项所述的方法。
[0366]
可替代实施方式113.一种用于确定与呼吸装置的用户相关联的嘴泄漏状态的系统，所述系统包括被配置来实施可替代实施方式55至111中任一项所述的方法的控制系统。
[0367]
可替代实施方式114.一种包括指令的计算机程序产品，所述指令在由计算机执行时致使所述计算机执行如可替代实施方式55至111中任一项所述的方法。
[0368]
可替代实施方式115.如可替代实施方式114所述的计算机程序产品，其中所述计算机程序产品是非瞬态计算机可读介质。
[0369]
来自本文权利要求1-65中任一项的一项或多项和/或可替代实施方式1-115中任一项的一项或多项中的一个或多个要素或方面或步骤、或其任何部分，可以与来自其他权利要求1-65中任一项的一项或多项和/或可替代实施方式1-115中任一项的一项或多项、或其组合的一个或多个要素或方面或步骤、或其任何部分相互组合，以形成本发明的一个或多个附加实施方式和/或权利要求。
[0370]
虽然已经参考一个或多个特定实施方案或实现方式描述了本发明，但是本领域技术人员将认识到，在不脱离本发明的精神和范围的情况下，可以对其做出许多改变。这些实现方式及其明显变化中的每一个都被认为落入本发明的精神和范围内。还设想根据本发明的多个方面的附加实施方式可以组合来自本文描述的任何实施方式的任何数量的特征。