非入侵式睡眠呼吸監(jiān)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

楊佳鋒，童基均，蔣路茸，潘哲毅

1.浙江理工大學(xué) 信息學(xué)院，杭州 310000

2.武警海警總隊(duì)醫(yī)院 信息科，浙江 嘉興 314000

睡眠是人類生命過程中極其重要的生理需要，但據(jù)調(diào)查，我國38.2%的人群具有睡眠障礙問題[1]。其中，睡眠呼吸暫停低通氣綜合征（sleep apnea-hypopnea syndrome，SAHS）是一種嚴(yán)重影響人們睡眠質(zhì)量和身體健康的睡眠疾病，睡眠中常見表現(xiàn)形式為打鼾、短暫氣喘、呼吸停止、身體抽動(dòng)，乃至危及生命安全[2]。而對(duì)于SAHS的病癥數(shù)據(jù)獲取較為困難，其癥狀出現(xiàn)時(shí)間隨機(jī)性大，視覺表現(xiàn)形式弱，近親甚至患者自身都難以確定是否存在患病狀況，而進(jìn)行住院觀察較為繁瑣，故需要一系列可居家、可徹夜長程監(jiān)測的設(shè)備為患者及醫(yī)生提供信息，從而進(jìn)行針對(duì)的診斷治療。

診斷睡眠呼吸暫停綜合征的“金標(biāo)準(zhǔn)”是多導(dǎo)睡眠監(jiān)測儀（polysomnography，PSG），其主要監(jiān)測包括腦電、眼電、肌電、胸腹呼吸運(yùn)動(dòng)、口鼻氣流、心電、鼾聲、血氧、體位等九個(gè)參數(shù)[3]。綜上可以歸類出，睡眠呼吸暫停綜合征的監(jiān)測方案大體上可分為入侵式和非入侵式兩種。入侵式監(jiān)測方案中，一般使用心電電極片、腦電圖儀、口鼻罩等裝置來測量心電、腦電、口鼻氣流。非入侵式監(jiān)測方案中，通過生物雷達(dá)、壓感設(shè)備、加速度傳感器等方法測量胸腹運(yùn)動(dòng)、體位變化。入侵式監(jiān)測方案或多或少都會(huì)對(duì)睡眠障礙患者造成一定生理上的影響。且從家庭生理監(jiān)護(hù)的角度來講，非入侵式監(jiān)測是重要的發(fā)展方向之一[4]。故通過對(duì)胸腹呼吸運(yùn)動(dòng)監(jiān)測獲取數(shù)據(jù)的方案有著對(duì)患者更親和的優(yōu)勢。微動(dòng)敏感床墊是基于壓感設(shè)計(jì)的睡眠呼吸監(jiān)測設(shè)備，相較于傳統(tǒng)使用生物雷達(dá)對(duì)于胸腹呼吸運(yùn)動(dòng)檢測的方法，有著低成本、對(duì)人體影響弱的優(yōu)勢，且床墊方案適用于居家監(jiān)測管理，其舒適性也適用于長程睡眠監(jiān)測。國內(nèi)俞夢孫等[6]利用分區(qū)床墊監(jiān)測感受身體各部位微動(dòng)及小波分析技術(shù)準(zhǔn)確地獲得逐拍心動(dòng)周期信息。曹征濤等[7]研究了從胸沖擊圖獲取BCG積分信號(hào)，設(shè)計(jì)了一套基于體動(dòng)復(fù)合波的形態(tài)和幅值特征的無創(chuàng)檢測呼吸努力識(shí)別算法。Azimi等[8]通過組合不同傳感器信號(hào)來獲取高質(zhì)量的呼吸強(qiáng)度信息，以實(shí)現(xiàn)對(duì)呼吸頻率和呼吸信號(hào)本身的良好評(píng)估。

本文針對(duì)睡眠中的呼吸與呼吸暫停狀況的收集捕獲，提出了一種非入侵式睡眠呼吸監(jiān)測系統(tǒng)（noninvasive sleeping breaths monitoring system，NSBS）。該系統(tǒng)圍繞壓敏傳感帶進(jìn)行睡眠胸腹呼吸運(yùn)動(dòng)數(shù)據(jù)采集，實(shí)時(shí)提取呼吸率，進(jìn)行呼吸類型判別，記錄呼吸暫停狀況，通過藍(lán)牙無線通信方式傳輸至手機(jī)，手機(jī)APP可以根據(jù)數(shù)據(jù)繪制實(shí)時(shí)波形并顯示，繼而手機(jī)可將數(shù)據(jù)上傳至云平臺(tái)，PC端從云端獲取數(shù)據(jù)進(jìn)行波形繪制，同時(shí)展示睡眠中的呼吸狀況記錄，實(shí)現(xiàn)對(duì)使用者的睡眠護(hù)理性監(jiān)測。

1 非入侵式睡眠監(jiān)測系統(tǒng)總體設(shè)計(jì)

非入侵式睡眠監(jiān)測系統(tǒng)信號(hào)生成的基本原理為，通過經(jīng)面積增大處理的壓力傳感帶，獲取睡眠時(shí)體動(dòng)產(chǎn)生的壓力信號(hào)，并通過模擬，數(shù)字信號(hào)處理獲得有效的信息，模型如圖1所示。

圖1 呼吸監(jiān)測系統(tǒng)采集系統(tǒng)示意圖Fig.1 Illustration diagram of respiratory monitor and acquisition system

本設(shè)計(jì)采用了Interlink公司的FSR408壓阻傳感器，該傳感器長度為600 mm，寬度為16 mm，厚度為1 mm，柔軟且可以任意弧度彎折，使用在床上，可以保證人體的舒適度。傳感器最大量程為10 kg，力分辨精度優(yōu)于0.5%，反應(yīng)時(shí)間為1～2 ms，滿足人體睡眠時(shí)各項(xiàng)參數(shù)的采集需要。由于其寬度較短，設(shè)計(jì)在傳感器的背面，靠近胸腔位置貼合了圓形薄塑料片，其他位置為方形薄塑料片，正面貼合與塑料薄片形狀相同的柔軟乳膠薄膜，增大了人體的壓感面積，并提升了舒適度。

非入侵式睡眠監(jiān)測系統(tǒng)的總體系統(tǒng)框圖2所示，主要包括電源供應(yīng)部分、數(shù)據(jù)采集部分和數(shù)據(jù)處理部分。

圖2 監(jiān)測系統(tǒng)總框圖Fig.2 General block diagram of monitoring system

2 呼吸監(jiān)測系統(tǒng)硬件電路設(shè)計(jì)

本系統(tǒng)硬件設(shè)計(jì)包括傳感器電路、濾波電路、ADC電路、電源電路模組、加速度傳感器模塊以及MCU電路部分。

2.1 傳感器電路

FSR408壓力傳感器帶的阻值與其受到的總壓力成反向乘冪關(guān)系，且傳感器帶較為細(xì)長，壓力分布不均，無法從理論判定其阻值范圍，進(jìn)而難以選擇比例電阻R1的阻值。經(jīng)不同環(huán)境、不同被測試者的反復(fù)實(shí)驗(yàn)，R1值選擇為150Ω，該阻值電阻的放大效果能將電壓保證在ADC采集范圍之內(nèi)，并能盡可能地放大體動(dòng)信號(hào)。輸出信號(hào)公式如式（1）所示。壓電轉(zhuǎn)換電路如圖3所示。

圖3 壓電轉(zhuǎn)換電路Fig.3 Presssure-to-voltage circuit

2.2 濾波電路

在壓感檢測中，通過體動(dòng)傳導(dǎo)出的具體信息為包含呼吸成分、心沖擊（ballistocardiogram，BCG）成分和噪聲部分的融合信號(hào)。BCG是一種間接方法通過偵測血液泵入動(dòng)脈引起的振動(dòng)來表示心臟的機(jī)械活動(dòng)，醫(yī)學(xué)上一般認(rèn)為心率在每分鐘40至150下為正常，即頻率為0.6～2.5 Hz。

根據(jù)經(jīng)驗(yàn)，BCG信號(hào)的濾波電路設(shè)計(jì)中被認(rèn)為其最高頻率成分為20 Hz[9]。根據(jù)奈奎斯特采樣定理，采樣頻率為信號(hào)最高頻率的2倍，經(jīng)過反復(fù)測試與改板，確定設(shè)計(jì)采用了50 Hz的硬件低通濾波和0.2 Hz的硬件高通濾波作為信號(hào)的電路通帶使用，保留心沖擊信號(hào)的模型供二次算法開發(fā)使用，濾波電路頻響曲線如圖4所示。濾波電路原理圖如圖5所示。

圖4 電路頻率響應(yīng)曲線Fig.4 Frequency response curve of filter circuit

圖5 濾波電路Fig.5 Filter circuit

高通濾波器主要為了濾除幅度較大的基線漂移和直流分量?；€漂移和直流分量會(huì)因?yàn)榧∪夥潘蔂顟B(tài)的轉(zhuǎn)變，人體重量的不同等因素而變化，故這兩者的存在，使得數(shù)據(jù)算法中的閾值無法確定，高通濾波的加入使這兩個(gè)問題得以解決。硬件濾波實(shí)際效果如圖6所示。

圖6 信號(hào)濾波效果對(duì)比圖Fig.6 Signal filtering effect

其中，無濾波方案與低通方案中由于存在值比較大的基線漂移，故所繪制的波形圖相較于帶通處理后的波形形狀會(huì)有所壓縮，但在單呼吸幀的幅值上仍保留有相似性。

2.3 ADC電路

ADS1220是一款精密24位模數(shù)轉(zhuǎn)換器，擁有多通高速道采樣與可編程增益的功能，與MCU通過SPI協(xié)議進(jìn)行數(shù)據(jù)通信。在設(shè)計(jì)中考慮到，由于人體長期處于50 Hz工頻輻射環(huán)境，肌體信號(hào)中保留了工頻成分，且電路板部分易從環(huán)境與電源中混入工頻干擾。故為在保證采樣信號(hào)的完整性下，使用了90 Hz采樣頻率，并通過對(duì)ADS1220模塊配置對(duì)信號(hào)進(jìn)行50 Hz數(shù)字陷波處理，消除工頻干擾。

2.4 穩(wěn)壓電源模組

系統(tǒng)采用7812與7912穩(wěn)壓模塊獲得±12 V電壓為電路提供基本電源供應(yīng)，使用AMS1117與REF3133獲得穩(wěn)定的3.3 V電源與基準(zhǔn)源。其中，ADS1220與MCU使用AMS1117提供的3.3 V電源；ADS1220與采樣電路的基準(zhǔn)電壓都由REF3133提供。

2.5 加速度傳感器

系統(tǒng)使用了MPU6050模塊作為加速度傳感器輔助主電路的判斷。MPU6050通過串口與MCU實(shí)現(xiàn)通信，在功能部分主要為，采集使用者翻身時(shí)的床體晃動(dòng)數(shù)據(jù)，記錄翻身數(shù)據(jù)，并在壓感信號(hào)部分同步消除翻身產(chǎn)生的包含大量噪聲的基礎(chǔ)信號(hào)，并加入呼吸補(bǔ)償。

2.6 MCU部分

根據(jù)結(jié)合物聯(lián)網(wǎng)應(yīng)用環(huán)境和信號(hào)處理需求，系統(tǒng)采用了STM32-F407微控制器作為處理核心。STM32F407具有數(shù)據(jù)運(yùn)算效率高、處理優(yōu)勢明顯等特點(diǎn)，且運(yùn)行穩(wěn)定、端口資源豐富，可與系統(tǒng)內(nèi)各板塊裝置相連接，滿足系統(tǒng)數(shù)據(jù)交互需求，其內(nèi)部還有集成的單周期DSP指令，能夠?yàn)樗惴ㄔ谙挛粰C(jī)上的執(zhí)行提供保障。

3 軟件與呼吸監(jiān)測系統(tǒng)信號(hào)捕獲算法

本系統(tǒng)下位機(jī)程序主要包括：數(shù)據(jù)采集，呼吸信號(hào)判別處理以及云平臺(tái)數(shù)據(jù)上傳。流程圖如圖7所示。

圖7 下位機(jī)程序流程圖Fig.7 Flow chart of MCU program

在睡眠呼吸暫停的監(jiān)測過程中，所有睡眠中人體產(chǎn)生的體動(dòng)信號(hào)都是長程、離散的。由于硬件終端算力有限，進(jìn)行數(shù)據(jù)全部存入再進(jìn)行統(tǒng)一算法處理可行性低，故在該系統(tǒng)設(shè)計(jì)中，選擇使用了先單幀截取，后判別的方案。

首先定義一個(gè)呼吸峰為一幀。由于體動(dòng)中融合的信號(hào)不僅只有呼吸，其他高頻信號(hào)同樣存在，所以直接使用極小值法尋找到波谷概率極小，故必須對(duì)信號(hào)中的低頻呼吸部分進(jìn)行提取?？紤]到MCU效率，設(shè)計(jì)中采用了中值濾波方案[10]，中值濾波被廣泛使用在心沖擊信號(hào)提取基線的過程中，只需根據(jù)離散數(shù)據(jù)的采樣速率進(jìn)行固定數(shù)量的樣本中值提取，即可避開心電中的J峰[11]等特殊高頻位置，提取到低頻基線作為呼吸樣本。

在提取出呼吸基線后，即可通過尋找雙極小值點(diǎn)截取單幀呼吸，但在呼吸暫停過程中可能會(huì)存在微弱體動(dòng)干擾判斷，故在截取完單幀后，算法添加了幀內(nèi)原數(shù)據(jù)積分閾值判別和極大值幅度閾值判別，以確保截取到完整的呼吸幀與呼吸暫停幀。

在截取完成后，對(duì)幀內(nèi)的原數(shù)據(jù)的功率積分進(jìn)行歸一化，最后進(jìn)行互相關(guān)程度的判定，互相關(guān)公式如式（2）所示[12]：

其中，Rf,g為相關(guān)值，f為標(biāo)準(zhǔn)呼吸幀數(shù)據(jù)序列，g為當(dāng)前截取的呼吸幀數(shù)據(jù)序列，n為相關(guān)度求取的延遲時(shí)間，n的值小于兩序列長度之和。

由于呼吸信號(hào)的幅度、頻率、時(shí)間性存在極大的隨機(jī)性，無法通過邏輯運(yùn)算確定延遲時(shí)間n，故通過求取序列相關(guān)的最大值作為兩個(gè)信號(hào)的相似度，相關(guān)程度計(jì)算公式如式（3）所示：

在相關(guān)度判別結(jié)束后，若被檢測呼吸幀確定為正常呼吸幀，則進(jìn)行積分閾值與極大值幅度閾值的更新，使判定數(shù)據(jù)能夠隨使用者個(gè)體的各項(xiàng)生理信息不同而進(jìn)行自適應(yīng)。更新公式如式（4）、（5）所示：

其中，ThI為積分閾值，ThM為極大值閾值，φ1、φ2為更新參數(shù)。根據(jù)反復(fù)的實(shí)驗(yàn)測試與調(diào)整，預(yù)測定φ1的經(jīng)驗(yàn)值為0.85，φ2的經(jīng)驗(yàn)值為0.8。

在本系統(tǒng)中，設(shè)計(jì)添加了放置于床上的加速度傳感器，由于翻身產(chǎn)生的體動(dòng)信號(hào)的時(shí)頻成分較為復(fù)雜，會(huì)阻礙算法的判斷，故使用加速度傳感器捕獲翻身信號(hào)，并進(jìn)行信號(hào)補(bǔ)償。算法基本流程圖如圖8所示。

圖8 算法流程圖Fig.8 Illustration of algorithm

在具體實(shí)施過程中，呼吸幀截取，判別算法部分均由STM32F407完成實(shí)時(shí)信號(hào)分析。STM32通過中值濾波與雙閾值判定后，將截取的呼吸幀數(shù)據(jù)及數(shù)據(jù)量存入預(yù)留的隊(duì)列中，再由DSP指令執(zhí)行相關(guān)性算法的運(yùn)算過程，最后進(jìn)行閾值更新。翻身呼吸補(bǔ)償在手機(jī)端進(jìn)行，手機(jī)在判定翻身時(shí)間段，根據(jù)相鄰時(shí)間段的呼吸狀態(tài)對(duì)呼吸數(shù)量進(jìn)行一定補(bǔ)償。

4 實(shí)驗(yàn)驗(yàn)證與分析

實(shí)驗(yàn)在床墊上，將床墊收理平整，把經(jīng)過面積放大處理的傳感器帶放置于人體躺于床上時(shí)的胸腔投射位置，實(shí)驗(yàn)者們分別平躺于床上，仿照正常睡眠時(shí)呼吸的狀況，并從中模擬吸氣后暫停呼吸狀態(tài)與吐氣后呼吸暫停的狀態(tài)。圖9為實(shí)驗(yàn)測試場景，圖10為手機(jī)APP界面，表1為睡眠監(jiān)測模式與離床模式下的功耗值。

圖9 實(shí)際測試場景圖Fig.9 Real application scenario

圖10 手機(jī)APP界面Fig.10 Mobile application UI

表1 系統(tǒng)兩種模式下的功耗測試結(jié)果Table 1 Power consumption of systems under two modes

圖11為驗(yàn)者正常呼吸所產(chǎn)生的信號(hào)波形繪制，圖12為實(shí)驗(yàn)者1所產(chǎn)生的呼吸信號(hào)，圖13為通過呼吸暫停檢測算法的模擬運(yùn)算截取的呼吸幀和其與標(biāo)準(zhǔn)幀之間的相似度ξ折線圖。

圖11 正常呼吸波形圖Fig.11 Waveform of normal respiratory

圖12 測試呼吸數(shù)據(jù)（測試對(duì)象1）Fig.12 Schematic of respiratory data（testee 1）

圖13 呼吸截取幀與幀的相似度（測試對(duì)象1）Fig.13 Similarity values between segmented respiratory data（testee 1）

圖14與圖15為實(shí)驗(yàn)者2所產(chǎn)生的呼吸信號(hào)，及其算法效果圖。

圖14 測試呼吸數(shù)據(jù)（測試對(duì)象2）Fig.14 Schematic of respiratory data（testee 2）

在圖15內(nèi)，實(shí)驗(yàn)者2被截取的第一個(gè)呼吸幀由于系統(tǒng)初始化時(shí)間影響，數(shù)據(jù)僅被錄入了一半，從而導(dǎo)致相似性判斷僅為80%。而在其他數(shù)據(jù)中可以看出，對(duì)于不同的人，電路跟隨體動(dòng)產(chǎn)生的信號(hào)振幅穩(wěn)定，高通濾波良好地消除了體重異同對(duì)信號(hào)幅域的影響，按幀截取方案使用自適應(yīng)閾值的判斷結(jié)果效果較好，可以準(zhǔn)確地分離出各呼吸完整波形。相關(guān)程度算法在計(jì)算正常呼吸信號(hào)時(shí)相似度都在90%以上，在檢測到呼吸暫停幀時(shí)相似度明顯低于正常幀，且呼吸暫停時(shí)間越長相似度越低。

圖15 呼吸截取幀與幀的相似度（測試對(duì)象2）Fig.15 Similarity values between segmented respiratory data（testee 2）

為驗(yàn)證呼吸判別的準(zhǔn)確性，實(shí)驗(yàn)使用HKH-11C呼吸傳感器進(jìn)行了同步呼吸監(jiān)控，并由兩名實(shí)驗(yàn)者分別按照之前所述采集方式，進(jìn)行兩次為期五分鐘的數(shù)據(jù)采集，其中，每個(gè)人在第二次測試中加入隨機(jī)的翻身信號(hào)。記錄數(shù)據(jù)并進(jìn)行準(zhǔn)確率分析，準(zhǔn)確率公式如式（6）所示：

式中，Ti表示本監(jiān)測系統(tǒng)平均每分鐘的測量次數(shù)，Ri表示實(shí)際測量平均每分鐘次數(shù)。

數(shù)據(jù)對(duì)比如表2所示，數(shù)據(jù)顯示，系統(tǒng)對(duì)呼吸模型判別基本準(zhǔn)確，且對(duì)于不同的實(shí)驗(yàn)者，標(biāo)準(zhǔn)呼吸幀所匹配計(jì)算所得的相關(guān)性值都比較接近。但在體動(dòng)加入的情況下，由于算法對(duì)體動(dòng)時(shí)間內(nèi)的呼吸數(shù)量進(jìn)行了經(jīng)驗(yàn)補(bǔ)償，故有誤判呼吸暫停為正常呼吸波的情況，故若要在此基礎(chǔ)上提升準(zhǔn)確度，應(yīng)在呼吸類型的補(bǔ)償部分進(jìn)行相關(guān)研究。

表2 測量睡眠參數(shù)與實(shí)際對(duì)比Table 2 Measurement of sleep parameters and actual comparison

5 結(jié)語

本文提出了一種基于嵌入式的非入侵式睡眠監(jiān)測系統(tǒng)，采用了FSR408柔性阻式壓力傳感帶，可以以非入侵時(shí)的方式配合采樣濾波電路進(jìn)行信號(hào)采集；算法方面通過中值濾波、差分尋谷、雙閾值判定與相關(guān)性計(jì)算的融合，實(shí)現(xiàn)了睡眠呼吸暫停狀況的判別；監(jiān)測數(shù)據(jù)通過藍(lán)牙模塊，可加將數(shù)據(jù)傳輸至手機(jī)APP，手機(jī)可上傳至云服務(wù)器，進(jìn)行二次算法處理與開發(fā)，實(shí)現(xiàn)物聯(lián)網(wǎng)健康監(jiān)測。系統(tǒng)經(jīng)過實(shí)驗(yàn)測試，獲得的數(shù)據(jù)基本滿足準(zhǔn)確率要求，滿足家庭、養(yǎng)老院等場景的睡眠監(jiān)測需求，并且對(duì)采集的原始數(shù)據(jù)仍可使用算法進(jìn)行挖掘，同時(shí)預(yù)留物聯(lián)網(wǎng)接口，可進(jìn)行云平臺(tái)等技術(shù)開發(fā)。

另外，在實(shí)驗(yàn)過程中發(fā)現(xiàn)，不同實(shí)驗(yàn)者的具體睡姿不同，有一定概率使傳感器無法貼合主要受力部位，導(dǎo)致數(shù)據(jù)質(zhì)量下降。針對(duì)該問題，后續(xù)將進(jìn)行傳感器的陣列式排布方式的研究以改進(jìn)。