多信息交互的睡眠呼吸暫停綜合癥無擾檢測系統(tǒng)

董雪虎，吳燕玲,宋全軍

(1.安徽大學(xué)電氣工程與自動化學(xué)院， 安徽 合肥 230601；2.中國科學(xué)院合肥智能機(jī)械研究所，安徽 合肥 230031)

0 引言

隨著社會的發(fā)展、醫(yī)療水平的提高，越來越多的人關(guān)注睡眠問題。人睡覺時發(fā)出的鼾聲會對睡眠產(chǎn)生最直接的影響，其中對人體危害嚴(yán)重的是睡眠呼吸暫停綜合癥(sleep apnea syndrome，SAS)。SAS是指人體在夜間睡眠時，口腔或者鼻腔發(fā)生了氣流停止的癥狀，并且癥狀持續(xù)時間在10 s以上，次數(shù)超過30次[1]。此病發(fā)生在夜間，不易被發(fā)現(xiàn)，但卻對人身健康造成極大的危害。因此，對這一疾病的預(yù)防與診斷十分重要[2-3]。

目前，睡眠呼吸暫停綜合癥診斷的標(biāo)準(zhǔn)[4]——多導(dǎo)睡眠圖(polysomography，PSG)，可以記錄睡眠中的腦電圖、心電圖、口鼻氣流、血氧飽和度、鼾聲、體位、胸腹呼吸運(yùn)動和肢體運(yùn)動等多項(xiàng)生命指征。但多導(dǎo)睡眠儀操作復(fù)雜，需要專業(yè)醫(yī)師診斷，且用戶的睡眠質(zhì)量會受到影響，所以不能廣泛普及家庭[5]。

鼾聲檢測主要針對患者的鼾聲特征進(jìn)行研究與判斷，獲取鼾聲只需一組無接觸式麥克風(fēng)和數(shù)據(jù)記錄裝置。目前，多數(shù)鼾聲研究者主要從鼾聲的時域和頻域參數(shù)著手，采用均值、標(biāo)準(zhǔn)差、共振峰特征及概率閾值等為鼾聲特征，研究方法不盡相同。如Sola-Soler J和Jane R等[6]對鼾聲在頻域內(nèi)進(jìn)行處理,運(yùn)用AR模型對鼾聲的功率譜進(jìn)行估計(jì)，發(fā)現(xiàn)正常人鼾聲的共振峰分布相對穩(wěn)定。而患者無論是正常呼吸，還是呼吸暫停時的鼾聲共振峰分布，都不太穩(wěn)定。

由于PSG檢查的諸多不便，國內(nèi)外許多專家學(xué)者開始研究睡眠呼吸，從單一或少量的生理信號(鼾聲、心電等)中獲取SAS的特征信息，雖取得一定的成果，但單一信號分析的難度比較大且結(jié)果的準(zhǔn)確性難以保障，無法達(dá)到標(biāo)準(zhǔn)的要求。本文采用多傳感器融合的方法，簡化PSG檢測過程，同時兼顧人體鼾聲、心率、呼吸率和睡姿等生理信息。本文設(shè)計(jì)的系統(tǒng)可以準(zhǔn)確檢測用戶是否患有SAS，并對SAS嚴(yán)重程度進(jìn)行量化分級，生成相應(yīng)的健康報(bào)告。

1 系統(tǒng)數(shù)據(jù)采集

1.1 鼾聲強(qiáng)度

SAS的一個顯著特征就是打鼾的過程中突然停止，持續(xù)10 s以上，可采用六麥克風(fēng)陣列采集鼾聲強(qiáng)度。利用麥克風(fēng)陣列的空域?yàn)V波特性，對拾音波束區(qū)域內(nèi)的聲音信號進(jìn)行加強(qiáng)，對拾音波束區(qū)域外的環(huán)境噪聲進(jìn)行抑制[7-8]，以保證較高的聲音質(zhì)量。麥克風(fēng)陣列拾音示意圖如圖1所示。

圖1 麥克風(fēng)陣列拾音示意圖Fig.1 Microphone array schematic diagram

本文采用六麥克風(fēng)陣列拾音距離達(dá)可到5 m，360°語音信號采集，并能通過聲源定位來確定目標(biāo)聲音的方向。

采集鼾聲信號處理過程如下。

①讀取鼾聲信號。

y(n)=s(n)+d(n)

(1)

式中：y(n)為混合后的鼾聲信號；s(n)為純鼾聲信號；d(n)為環(huán)境噪聲信號。

②維納(Wiener)濾波。

(2)

式中：S(n)為濾波器輸出信號；h(n)為傳遞函數(shù)。

根據(jù)維納濾波最小均方誤差原則，通過選取傳遞函數(shù)h(n)，使得鼾聲信號s(n)和輸出信號S(n)的均方誤差ε=E[{s(n)-S(n)}2]取到最小值時，可以最大程度地消除噪聲信號d(n)。

③傅里葉變換和對數(shù)轉(zhuǎn)換，求出鼾聲的分貝值。

1.2 心率和呼吸率

心率和呼吸率也是判斷呼吸暫停的重要參數(shù)。多導(dǎo)睡眠儀利用心電信號采集心率，在使用者身體上貼若干電極。為了提高采集信號的精度，信號電極和參考電極需在人體軀干上相隔足夠遠(yuǎn)的空間距離，通常選擇胸部相隔較遠(yuǎn)的兩處或左右手。利用血氧飽和度測量呼吸率的方法干擾人的正常睡眠，不能用于長期跟蹤記錄人體的身體狀況。本系統(tǒng)采用基于光強(qiáng)度的高精度微彎型光纖傳感器采集心率呼吸率，光纖傳感器示意圖如圖2所示。整個傳感器用纖維織物包裹。

圖2 光纖傳感器示意圖Fig.2 Schematic diagram of fiber optic sensor

外力作用在微彎型光纖傳感器時，光纖發(fā)生彎曲，引起光在光纖內(nèi)傳播路徑發(fā)生變化，產(chǎn)生光的損耗，導(dǎo)致光強(qiáng)度的變化。光纖傳感器結(jié)構(gòu)如圖3所示。

圖3 光纖傳感器結(jié)構(gòu)圖Fig.3 Structure diagram of fiber optic sensor

圖3中：F為外部作用力；d為網(wǎng)格纖維直徑；w為網(wǎng)格纖維間距。

光纖傳感器采用胡峻浩等人[9]設(shè)計(jì)的單變形結(jié)構(gòu)采集人體的生命特征，通過監(jiān)測光纖兩端光的強(qiáng)度變化，獲取心率和呼吸率等生理信號。當(dāng)無人躺在光纖微彎傳感器[10]上時，光纖處于無彎曲狀態(tài)，光損耗最小甚至為零，此時接收器得到的光強(qiáng)度近似一條直線。當(dāng)有人躺在傳感器上時，由于受到自身重力的作用，光纖發(fā)生彎曲，光在傳遞過程中造成損耗，接收器端光強(qiáng)度減弱。除卻自身重力的作用，還有兩個關(guān)鍵因素影響光強(qiáng)度的變化：一是身體宏觀運(yùn)動(肢體運(yùn)動)會引起光纖傳感器所受作用力的變化，使光強(qiáng)度發(fā)生變化，光強(qiáng)度信號的變化幅度較大、頻率較低；二是人體的微觀運(yùn)動(心臟跳動和胸部舒張)對光的強(qiáng)度變化影響較小，其中心臟跳動比呼吸產(chǎn)生光的強(qiáng)度變化信號振幅較小、頻率較高。光纖傳感器檢測心率、呼吸率信號主要受人體微觀運(yùn)動的影響。光強(qiáng)度變化曲線如圖4所示。

圖4 光強(qiáng)度變化曲線Fig.4 Luminous intensity changing curve

1.3 人體睡姿

睡姿識別目前大致可分為兩種方法。一是利用計(jì)算機(jī)視覺與模式識別進(jìn)行人體睡姿識別。葉蔭球、姜太平等[11]提出基于水平集方法和神經(jīng)網(wǎng)絡(luò)的人體睡姿識別，能夠?qū)崿F(xiàn)四種睡姿的辨別。但是該方法在夜晚光線比較差的條件下效果不好，而且還涉及個人隱私問題。二是采用柔性壓力陣列傳感器監(jiān)測睡眠姿勢。任志斌等[12]提出基于模糊粗糙集的睡姿壓力圖像識別，實(shí)現(xiàn)了六種睡姿的辨別。但該方法計(jì)算量較大，不易實(shí)現(xiàn)。

本文基于柔性壓力陣列傳感器實(shí)現(xiàn)睡姿實(shí)時識別，將柔性壓力陣列傳感器的實(shí)時壓力數(shù)據(jù)看作一幅動態(tài)變換的數(shù)字圖像[13-14 ]。柔性壓力傳感器在t時刻的采樣信息F(t)可以用式(4)所示的矩陣形式來表示。

(4)

式中：M和N分別為柔性壓力傳感器的行數(shù)和列數(shù)；fij(t)為傳感器第i行第j列的敏感點(diǎn)(i，j)在t時刻的采樣壓力值。

本文使用的柔性壓力陣列傳感器尺寸為：長120 cm×寬80 cm，總敏感點(diǎn)數(shù)為120行×80列，測量范圍標(biāo)稱值為0～60 N/cm2。將t時刻二維矩陣F(t)的壓力數(shù)據(jù)轉(zhuǎn)換成數(shù)字圖像處理中的一幀單通道灰度圖，借助數(shù)字圖像中的高斯濾波、形態(tài)學(xué)、邊沿提取等算法得到如圖5所示的預(yù)處理后輪廓圖。

圖5 預(yù)處理后輪廓圖Fig.5 Preprocessed outline diagram

輪廓圖大致分為三個部分：上半身、臀部、雙腿部。根據(jù)這幾個部位的壓力分布情況，識別人體睡姿的步驟如下。

①統(tǒng)計(jì)每幀圖像中輪廓的個數(shù)Sum，判斷Sum的數(shù)值。

②如果Sum>3，則此時睡姿為仰臥；否則睡姿為側(cè)臥。

③計(jì)算上半身區(qū)域輪廓的質(zhì)心G1(x,y)和其對應(yīng)的矩形框的質(zhì)心G2(x,y)，然后計(jì)算縱坐標(biāo)差Δy=G1(y)-G2(y)。

④如果Δy>0，則此時睡姿為左側(cè)臥；如果Δy<0,則此時睡姿為右側(cè)臥；其他情況視為無效。

睡姿測試結(jié)果如表1所示。

表1 睡姿測試結(jié)果Tab.1 Test results of sleeping posture

2 系統(tǒng)數(shù)據(jù)分析

將采集到的睡姿、心率、呼吸率、鼾聲數(shù)據(jù)傳遞到上位機(jī)，并實(shí)時記錄并分析各項(xiàng)數(shù)據(jù)，統(tǒng)計(jì)呼吸暫停的次數(shù)以及發(fā)生呼吸暫停時的睡姿信息。系統(tǒng)數(shù)據(jù)分析流程如圖6所示。

圖6 系統(tǒng)數(shù)據(jù)分析流程圖Fig.6 Flowchart of system data analysis

一方面，由于睡眠呼吸暫停發(fā)生后呼吸困難，心率會迅速上升；另一方面，即使心率處于正常水平，鼾聲過大也表明正常呼吸受阻。因此，綜合考慮心率和鼾聲數(shù)據(jù)可以更準(zhǔn)確的評估睡眠風(fēng)險。在不同睡眠姿態(tài)下，其睡眠風(fēng)險是有差異的。本研究中呼吸暫停綜合征量化分級模型計(jì)算三種睡姿(左側(cè)位、右側(cè)位和仰臥位)的心率數(shù)據(jù)和鼾聲數(shù)據(jù)：

HL=αRHr+βRSnore

(5)

Hr=αRHr+βRSnore

(6)

Hm=αRHr+βRSnore

(7)

RHr=ζ(Hrt-Hr0)

(8)

RSnore=ξ1(ft-f0)+ξ2(At-A0)

(9)

H=Max{HL，Hr，Hm}

(10)

式中：α、β為風(fēng)險因子；RHr為心率風(fēng)險指數(shù)；RSnore為鼾聲指數(shù)；HL為左側(cè)位睡姿睡眠風(fēng)險指數(shù)；Hr為右側(cè)位睡姿睡眠風(fēng)險指數(shù)；Hm為仰臥位睡姿睡眠風(fēng)險指數(shù)；Hrt為實(shí)時心率；Hr0為睡眠時正常安靜心率；ζ為心率風(fēng)險系數(shù)；ft為實(shí)時鼾聲頻率；f0為正常安靜鼾聲頻率；At為實(shí)時鼾聲波幅；A0為正常安靜鼾聲波幅；ξ1、ξ2為鼾聲風(fēng)險系數(shù)。

通過對三種睡姿的睡眠風(fēng)險指數(shù)進(jìn)行計(jì)算，依據(jù)式(10)選取三種睡姿中最大的睡眠風(fēng)險指數(shù)作為測試人員的睡眠風(fēng)險指數(shù)。

3 系統(tǒng)測試試驗(yàn)

由于SAS是伴隨睡眠的一種癥狀，需要長時間監(jiān)測。為了方便用戶查看監(jiān)測過程系統(tǒng)提供了豐富的顯示界面和查看歷史數(shù)據(jù)功能。十名自愿者(其中五名患者)晚上8 h睡眠的測試結(jié)果如表2所示。

表2 測試結(jié)果Tab.2 Test results

4 結(jié)束語

針對SAS對人睡眠質(zhì)量的影響，本文綜合人體睡姿、心率、呼吸率、鼾聲強(qiáng)度等生理信息，經(jīng)過大量的試驗(yàn)和分析得到較完善的SAS評估模型。但該SAS無擾檢測系統(tǒng)也存在不足之處，易受環(huán)境噪聲干擾，這也是接下來需重點(diǎn)改善的問題。該檢測系統(tǒng)在準(zhǔn)確性比較弱，但使用的便捷性和舒適性占有絕對優(yōu)勢，能夠滿足家庭日常使用及預(yù)防SAS。