论文部分内容阅读
睡眠呼吸暂停综合征是一种常见的睡眠疾病,它严重影响人们的睡眠质量。近年来,睡眠呼吸暂停综合征受到了越来越多医生或学者的关注。传统的睡眠呼吸暂停综合征主要是通过多导睡眠仪来监测,其监测夜间人体的多路生理信号,需要患者长时间在监护室接受监测,价格昂贵,并且多个探头会使人体产生不适感,影响睡眠质量,有可能影响医生或专家的诊断。因此,研究使用一种简单并且容易采集的生理信号来监测睡眠呼吸暂停综合征有着重要的意义。本论文在研究了现有的心电提取呼吸算法以及睡眠呼吸暂停综合征的检测方法的基础上,提出了一种基于心电信号R波与S波的特征值的呼吸提取(ECG-derived Respiratory,EDR)算法,以及基于EDR功率谱的睡眠呼吸暂停检测算法。首先,在EDR算法中,本论文分别使用中值滤波、陷波器、低通滤波器去除心电中的基线漂移、工频干扰以及肌电干扰,使得心电信号的QRS波形态更容易被检测获取,并且在去除噪声的同时,尽可能多地保留呼吸信息。接着对阈值法检测QRS波进行改进,提出了自适应阈值的QRS波检测算法,对于不同类型心电信号都适用;然后利用R波峰值与S波波谷的纵坐标之和作为特征值来提取呼吸信号,该算法能够减小R波浮动带来的影响;然后分别从时域和频域的角度出发,利用自适应宽口阈值法和Burg功率谱进行呼吸率估计。最后,利用呼吸暂停事件在频域上的特性来检测睡眠呼吸暂停,并利用两种不同类型的睡眠呼吸暂停综合征的EDR信号进行分析。本论文使用MIT-BIH Polysomnographic数据库以及自行采集的数据(共50条数据,男性31,女性19,年龄:27±8岁,均属于健康人群)对算法进行验证。使用阈值法测得的呼吸率,正常人组的误差的绝对值比患有睡眠呼吸暂停综合征组的小2次/分钟,而通过功率谱计算得到的呼吸率估计误差的绝对值正常人组与患病组相差较小;从正常人的数据和有呼吸暂停事件发生的数据中,得到的EDR信号均能够较好地跟随参考呼吸,并且根据EDR信号的功率谱可以检测睡眠呼吸暂停综合征。整个算法简单、实用,能够较好地应用在穿戴式设备上,具有非常好的应用前景。