一種非接觸呼吸暫停檢測技術的研究

祁富貴，李川濤，張華，李盛，王健琪，路國華

第四軍醫大學 a.研究生管理大隊2014級碩士隊；b.生物醫學工程學院電子學教研室，陜西 西安 710032

一種非接觸呼吸暫停檢測技術的研究

祁富貴a，李川濤b，張華b，李盛b，王健琪b，路國華b

第四軍醫大學 a.研究生管理大隊2014級碩士隊；b.生物醫學工程學院電子學教研室，陜西 西安 710032

為了實現在低生理和心理負荷條件下睡眠呼吸暫停的非接觸檢測，本文首先利用生物雷達實現了對人體呼吸信號的非接觸采集，然后通過函數模擬構造伴有呼吸暫停的呼吸仿真信號，提出基于時域的能量譜法和基于小波域的小波信息熵譜法，最后根據兩種算法的準確率提出綜合判斷方法，最終實現了對睡眠呼吸暫停的非接觸檢測。實驗結果表明，利用能量法與小波信息熵法按權重綜合判斷睡眠暫停，能夠較準確地判斷阻塞性睡眠的呼吸暫停次數，為非接觸睡眠呼吸暫停輔助診斷奠定技術基礎。

生物雷達；呼吸暫停；非接觸檢測；能量譜；小波信息熵

0 前言

睡 眠 呼 吸 暫 停 綜 合 癥（Sleep Apnea Syndrome，SAS）又稱睡眠呼吸暫停低通氣綜合征，是現代社會中一種發病率高且具有潛在危險的呼吸 疾病[1-2]。由于呼吸暫停時通氣量會降低甚至停止，人體血氧飽和度（SpO2）也會下降，因此呼吸暫停的長期頻繁發生會對人體造成嚴重傷害，甚至危及生命。因此對睡眠過程中的呼吸暫停進行判斷和危險預警就顯得極其重要。研究表明，阻塞性睡眠呼吸暫停低通氣綜合征（Obstructive Sleep Apnea Hypopnea Syndrome，OSAHS）患者中，約有 93%的女性和 82%的男性沒有得到診斷，2% ～26%的成年人受到該病的影響[3]，當前急需提高該病的診斷率，研究和規范相關診療方法。

美國睡眠協會研究發現，呼吸信號的檢測對診斷 SAS有重要的價值。目前常用于檢測睡眠呼吸暫停的方法分為接觸式和非接觸式兩大類。接觸式檢測方法主要利用壓力傳感器、溫度傳感器和阻抗法等，通過傳感器和人體接觸以獲得人體睡眠信號，典型代表有多導睡眠圖法（PSG）和腕式活動記錄儀等。非接觸式檢測方法主要利用床墊下壓力傳感器或微波傳感器，非接觸地檢測人體睡眠呼吸信號，典型代表有紅外線檢測法和生物雷達檢測法。

由于非接觸式檢測方法能夠克服接觸式檢測方法限制人體自由、適用環境局限等缺點，能夠給檢測目標提供相對自由的檢測環境[4]，實現低生理和心理負荷下的呼吸信號檢測，且適于家用，已漸漸成為研究熱點。生物雷達技術融合了生物醫學工程及雷達技術，可通過非接觸檢測人體呼吸引起的胸腹部表面微動來實現呼吸信號的檢測，應用范圍廣且更適用于戰場等特殊環境下傷員和病人的呼吸信號檢測[5]。本課題組在前期研究中已經進行了雷達非接觸檢測的呼吸信號和心跳信號分離算法的研究[6]，實現了呼吸信號和心跳信號的較好分離。

本研究主要采用生物雷達傳感器對呼吸信號進行非接觸檢測，利用算法進行睡眠呼吸暫停綜合判斷以及危險預警，為 SAS的輔助診斷提供科學依據。

1 材料與方法

1.1 生物雷達實驗平臺

本研究中，生物雷達采用本課題組自主研發的 24 GHz連續波雷達（最大輻射功率為 1 μW），其輸出經過本課題組自主研發的硬件模擬濾波和放大等預處理模塊后與PowerLab 系統（澳大利亞 ADINSTRUMENTS 公司生產）直接連接，通過其自帶的 LabChart軟件對數據進行采集和處理，將處理后的信號導入自編的基于小波信息熵法和能量法的綜合判斷軟件中，進行睡眠呼吸暫停的綜合判斷和危險預警。

1.2 呼吸暫停仿真信號的構造

SAS主要分為阻塞性睡眠呼吸暫停綜合征、中樞性睡眠呼吸暫停綜合征以及混合性睡眠呼吸暫停綜合征 3 類[7]。利用睡眠呼吸暫停的生理特點，結合張鵬飛[8]等對呼吸暫停信號的仿真模擬可知，呼吸暫停主要表現為以下4種情況： ① 呼吸運動幅值、頻率均為零； ② 呼吸運動幅值降低，并且頻率加快 ；③ 呼吸運動頻率不變，但是幅值降低 50%以上 ；④ 呼吸運動幅值、頻率均不確定。

選取采樣頻率為 100 Hz，呼吸暫停發生時間＞10 s，采用以下函數構造上述幾種情況下的呼吸暫停信號，呼吸暫停發生時間設為 20 s：

由于呼吸暫停時呼吸信號復雜多變，通常并非為上述4種情況中的單一一種，因此本研究中仿真的呼吸暫停可由 x1、x2、x3、x4兩兩組合表示，即有 6 種組合。將 6 種呼吸暫停仿真信號隔段嵌入正常呼吸仿真信號 x=4cos(0.5πt)中，即可得到伴有呼吸暫停的模擬仿真呼吸暫停信號：

對以上構造的模擬仿真呼吸暫停信號加高斯白噪聲，然后對其用小波信息熵法進行處理。

1.3 雷達采集呼吸暫停信號

實測實驗中，人體平躺，與雷達正對，距離 1.2 m。每位受試者經過訓練后盡可能模擬真實的正常呼吸和睡眠呼吸暫停。共采集 10位受試者的呼吸信號，每組呼吸暫停信號中包含 10 次呼吸暫停。本研究所選采樣頻率為 100 Hz，預處理低通濾波時截止頻率為 0.9 Hz，采用滑動去直流去基線的方法去除信號的基線漂移。

2 呼吸暫停綜合判斷與危險預警算法分析處理

2.1 算法總體設計

呼吸暫停綜合判斷算法流程圖，見圖1。首先分別利用能量法和小波信息熵法對伴有呼吸暫停的呼吸仿真信號進行呼吸暫停判斷，證明算法對呼吸暫停判斷的有效性；然后分別利用能量法和小波信息熵法對雷達采集的實測呼吸暫停信號進行判斷，得到各自的判斷準確率；最后根據兩種算法的判斷準確率按權重綜合判斷，并利用單次連續呼吸暫停時間，結合危險時間閾值進行危險判斷和報警觸發。

圖1 呼吸暫停綜合判斷與危險預警算法流程圖

2.2 能量法

由于能量在時域內具有很好的疊加性，故本研究首先在時域內采用能量法進行呼吸暫停判斷。能量計算公式為：

其中x為信號。在時域內，信號的能量與呼吸強度（即呼吸信號的幅值）成正比，它表示的是呼吸信號的強弱。取時窗長度為L，計算各時窗內的能量值，就可以得到信號在時域上的能量譜。在發生呼吸暫停時，信號的強度比正常呼吸信號的強度小，其能量值也小于正常信號。故以能量譜為特征值可以將呼吸暫停有效地判斷出來。

2.3 小波信息熵法

小波信息熵是信息熵和小波能譜相結合的產物，它可以更精確地表征非平穩信號的非線性局部變化，且具有更好 的低頻 分辨率[9]。由于呼吸信 號屬于低頻非平 穩信號，呼吸暫停時信號的非平穩性和復雜度大于正常呼吸信號，故其小波信息熵值也大[10]。

小波信息熵法的步驟如下：

（1）對呼吸信號進行多分辨率分析的小波變換。

（2）按公式 (6)計算某一尺度下小波變換后呼吸信號的能量：

其中 Dj(k)為 j尺度下小波重構系數，N 為采樣點長度，E=[E1,E2,E3…Ej]為呼吸信號 x(n)在 j個尺度上的小波能譜。

（3）按公式 (7)計算呼吸信號的小波信息熵 ：

其中 Pj表示信號在不同尺度下的能量分布情況。在發生呼吸暫停時，呼吸頻率加快，紊亂度增加，其小波信息熵值也大于正常呼吸信號。

2.4 參考閾值的設定

利用能量法和小波信息熵法判斷是否發生呼吸暫停時，需要相應的參量閾值作為判斷標準。本研究采用自動閾值法得到信號特征值閾值曲線，具體設置如下：

在能量法中，本研究根據呼吸暫停定義設定能量閾值。根據第一屆全國睡眠學術會議中關于呼吸暫停診斷標準的規定可知，呼吸暫停時口鼻氣流量較基礎水平降低 50% 以上，即口鼻處呼吸氣流完全停止或通氣量低于正常水平的50% 以上。因此，當呼吸信號的能量值下降到正常水平的50% 以上時，即可認為發生了呼吸暫停。本研究所設定的能量閾值即為正常水平的 1/2，即 q=0.5。在小波信息熵法中，由于并沒有對呼吸暫停信號小波信息熵值的定義，我們通過大量采集包含有呼吸暫停的睡眠呼吸信號，通過對比實測人體呼吸信號中呼吸暫停和正常呼吸的小波信息熵值，結合經驗并以提高判斷準確性為原則，將小波信息熵閾值正常水平的 1.2 倍定義為參考閾值，即 q=1.2。

3 實驗結果

3.1 仿真信號結果

構造的呼吸暫停仿真信號 xn加入高斯白噪聲，信噪比設置為 -5 dB，按照圖 1 所示的流程圖對仿真信號進行處理，結果見圖 2。其中， 圖 2(a)為呼吸暫停仿真信號的波形，橫坐標為采樣點數，縱坐標為信號幅度 ；圖 2(b)為采用能量法對呼吸暫停仿真信號的處理結果，橫坐標為加窗個數，縱坐標為信號的能量，橫線代表能量法參考閾值 ；圖 2(c)為采用小波信息熵法對呼吸暫停仿真信號的處理結果，橫坐標為加窗個數，縱坐標為信息熵值，橫線代表小波信息熵法參考閾值 ；圖 2(d)為兩種方法判斷呼吸暫停的輸出結果，“1”代表呼吸暫停，“0”代表正常呼吸。

圖2 呼吸暫停仿真信號處理結果

3.2 實測信號結果

對生物雷達采集到的實測呼吸暫停信號按照圖1所示的流程圖，分別利用能量法和小波信息熵法進行處理，窗長選定為 2048 點，疊加 50%。在能量法中，雷達所采集到的呼吸信號、能量譜、小波信息熵以及最終判斷結果，見圖 3。其中，圖 3(a)為生物雷達實測呼吸信號的波形，橫坐標為采樣點數，縱坐標為信號的幅度 ；圖 3(b)為采用能量法對實測呼吸信號的處理結果，橫坐標為加窗個數，縱坐標為信號的能量 ；圖 3(c)為采用小波信息熵法對實測呼吸信號的處理結果，橫坐標為加窗個數，縱坐標為信息熵值；圖 3(d)和 3(e)為兩種方法判斷呼吸暫停的輸出結果，“1”代表呼吸暫停，“0”代表正常呼吸。

圖3 實測呼吸信號兩種方法的輸出結果

3.3 綜合判斷和危險預警

3.3.1 綜合判斷

對于一段呼吸信號，分別利用能量法和小波信息熵法進行呼吸暫停判斷，所得呼吸暫停次數分別記為 Hn和 H2。本研究對10位受試者進行模擬睡眠呼吸暫停呼吸信號的采集，并采用兩種算法進行分析處理，最終得到兩種方法呼吸暫停判斷的準確度分別為 ：Pn=0.85，Ps=0.79。則按權重綜合判斷后呼吸暫停次數為：

利用生物雷達對呼吸信號進行采集并利用本算法進行分析處理，利用呼吸暫停次數H結合睡眠呼吸暫停的臨床癥狀標準就可進行輔助診斷。

3.3.2 危險預警

對于一段呼吸信號，利用計數器對每次連續判斷為呼吸暫停的時窗數進行累計，通過換算得出呼吸暫停時間，若超過危險時間閾值則觸發報警器。

調查表明，若患者夜間睡眠過程中一次呼吸暫停時間＞120 s，則容易在凌晨發生猝死，故本研究的危險時間閾值設為 120 s。實驗采用的時窗長度記為 L，采樣率 fs=100 Hz，連續判斷為呼吸暫停的時窗數記為n，由于算法中時窗疊加50%，則實際連續呼吸暫停時間為 ：

若兩種方法中任意一種得出的單次連續呼吸暫停時間t ≥ 120 s，則觸發報警器喚醒病人；t＜ 120 s，則繼續檢測。

4 總結

近年來，隨著睡眠醫學的不斷發展，SAS 逐漸成為研究熱點。目前，針對睡眠呼吸暫停的診斷主要采用睡眠過程中的多導睡眠監測（PSG）和食管壓力測定兩種方法，但這兩種方法均需要通過多個傳感器直接接觸人體，限制了受試者的人體自由，增加了其心理壓力，進而影響測量結果。本研究首先根據睡眠呼吸暫停的特點，利用函數模擬構造伴有呼吸暫停的睡眠呼吸仿真信號；其次，利用生物雷達實現對人體呼吸信號的采集并分別利用能量法和小波信息熵法對采集的呼吸信號進行呼吸暫停判斷，并根據兩種算法按權重進行綜合判斷；最后，利用計數器對每次連續判斷為呼吸暫停的時窗數進行累計，通過換算得出連續呼吸暫停時間，以危險時間閾值為標準，進行危險判斷和觸發報警。

本研究將能量法和小波信息熵法有效結合，得到了一種能夠實現對睡眠呼吸暫停進行有效判斷以及危險預警的算法，為睡眠呼吸暫停的診斷和臨床監護奠定了理論基礎。本研究結果表明 ：① 兩種算法均可對睡眠呼吸暫停進行有效判斷 ；② 能量法的判斷精確度略高于小波信息熵法，這可能是因為能量法本身具有較好的抗干擾性，且小波信息熵對信號的平穩性更敏感，在覺醒狀態下很難真實地模擬平穩的正常睡眠呼吸。

由于本研究沒有考慮呼吸暫停時的幅度、頻率，雷達與人體的距離和受試者睡姿對兩種方法判斷準確度的影響，算法對上述不同情況的適應性還有待研究。另外本研究中，樣本量略微不足。在下階段工作中，在解決以上問題的同時，還要利用阻塞性睡眠呼吸暫停患者的實測睡眠呼吸信號對算法進行檢驗并對算法進行完善，期望把睡眠呼吸暫停嚴重程度分級加入算法之中。

[1] 葉建明．脈搏血氧飽和度監測儀的原理及計量性能檢測[J]．計量與測試技術,2005,(32):9-10．

[2] 葉志前,鄭濤,裘利堅．睡眠監護技術的發展[J]．國外醫學生物醫學工程分冊,2003,(6):244-248．

[3] Lettieri CJ,Eliasson AH,Andrada T,et al．Obstructive sleep apnea syndrome:are we missing an at-risk population[J]．J Clin Sleep Med,2005,1(4):381-385．

[4] 王健琪,薛慧君,呂昊,等．非接觸生理信號檢測技術[J]．中國醫療設備,2013,28(11):5-8．

[5] 李釗,王健琪,荊西京,等．用于生命探測的人體呼吸運動模擬系統研制[J]．醫療衛生裝備,2010,31(3):40-41．

[6] 張華,孫娜娜,張鵬飛,等．雷達式非接觸檢測中呼吸和心跳信號分離算法的研究[J]．中國醫療設備,2013,28(11):9-11．

[7] 中華耳鼻咽喉頭頸外科雜志編輯委員會,中華醫學會耳鼻咽喉頭頸外科學分會咽喉學組．阻塞性睡眠呼吸暫停低通氣綜合征診斷和外科治療指南[J]．中華耳鼻咽喉科頭頸外科雜志,2009,44(2):95-96．

[8] 張鵬飛,拜軍,荊西京,等．一種基于能量譜非接觸呼吸暫停檢測技術的研究[J]．醫療衛生裝備,2012,(11):13-15．

[9] 張景川,曾周末,賴平,等．基于小波能譜和小波信息熵的管道異常振動事件識別方法[J]．振動與沖擊,2010,29(5):1-4．

[10] Al-Nashash HA,Thakor NV．Monitoring of global cerebral ischemia using wavelet entropy rate of change[J]．IEEE Transactions on Biomedical Engineering,2005,52(12):2119-2122．

Study on the Key Technique for Non-contact Sleep Apnea Detection

QI Fu-guia, LI Chuan-taob, ZHANG Huab, LI Shengb, WANG Jian-qib, LU Guo-huab
a. 2014 Master Class Under the Management of Postgraduate Department; b.Department of Electronics, School of Biomedical Engineering, The Fourth Military Medical University, Xi’an Shaanxi 710032, China

To realize the non-contact monitoring of the sleep apnea under low physical and mental load condition, a comprehensive method is used in this paper. First of all, the non-contact collection of human respiratory signals is conducted by bio-radar. Secondly, based on the construction of the simulated sleep apnea signals through functional simulation, the time-domain-based energy spectrum and the waveletdomain-based wavelet information entropy spectrum are proposed. Finally, according to the accuracy of these two methods, a comprehensive algorithm is put forward to realize the non-contact monitoring of the sleep apnea. The experimental results shows that the comprehensive judgement of the sleep apnea by using the energy spectrum and wavelet information entropy spectrum according to the weight of the accuracy can actually judge the apnea times of obstructive sleep. The comprehensive judgement method will lay the technical foundation of the non-contact aided-diagnosis of sleep apnea.

bio-radar; sleep apnea; non-contact monitoring; energy spectrum; wavelet information entropy

TN957.51

A

10.3969/j.issn.1674-1633.2014.12.007

1674-1633(2014)12-0024-04

2014-09-12

國家自然科學基金課題（61271102）。

路國華，副教授。

通訊作者郵箱：lugh1976@fmmu．edu．cn