非接触式睡眠监测系统的研究与设计

随着人口逐步老龄化,养老机构的工作人员夜间看护压力日益加大,迫切需要一种睡眠监控系统辅助工作人员夜间巡房看护;设计了一种新型的基于压力传感器、ARM微控制器和ZIGBEE无线网络技术的非接触式睡眠监测系统;该系统实时监测睡眠中各种动作产生的压力信号,并通过ZIGBEE无线网络传输到监测控制中心,便于养老院等看护机构及时发现异常并实施救护;实验结果表明,该系统结构简单,性能稳定,可准确监测睡眠状态。

基于体动射频信号的睡眠分期

为了减轻传统接触式睡眠生理监测系统对人体造成的负担,设计了一种基于微波技术的非接触式睡眠生理信号采集与分析系统,提出一种基于体动射频信号的睡眠分期识别算法.通过小波变换对射频运动传感器(RFMS)采集的体动信号进行预处理,再计算出体动信号的能量值,最后通过判别式处理和阈值法实现了睡眠分期:醒觉期、浅睡期、中睡期、深睡期.实验采集分析了8个实验者为期46天的睡眠生理信号,同时同步采集视频信息、TANITA水床睡眠信息、接触式呼吸脉搏信号.与视频结果比较发现醒觉期正确率达到90%;与TANITA水床睡眠结果相比,本系统的结果与其吻合程度达到70%;与不同睡眠状态下呼吸率、心率的变化相比,本系统的结果吻合度达到80%.

基于图案化柔性织物电极的非接触式多体位睡眠心电监测系统

现有非接触式睡眠心电监测技术对于人体多体位的心电信号有效获取存在一定局限性。本研究设计了一种隔着衣服与床单能够获取人体多体位睡眠心电信号的监测系统。采用柔性导电织物作为电极材料,将心电采集电极制成拱门型状,利用电容耦合感应变化电场,把心电信号从人体耦合至织物电极。采用10 GΩ的高阻值电阻作为偏置电阻,结合高输入阻抗的仪表放大器对信号进行差分处理。使用数字滤波技术去除心电信号中的噪声,运用状态机逻辑算法自动提取心电信号的波形特征。通过人体试验对比分析了本系统与条状型非接触式电极以及接触式心电采集系统获取的心电信号质量。结果表明,该系统在非皮肤接触条件下可以获取良好的睡眠心电信号,R波检出率在95%以上。

一种非接触呼吸暂停检测技术的研究

为了实现在低生理和心理负荷条件下睡眠呼吸暂停的非接触检测,本文首先利用生物雷达实现了对人体呼吸信号的非接触采集,然后通过函数模拟构造伴有呼吸暂停的呼吸仿真信号,提出基于时域的能量谱法和基于小波域的小波信息熵谱法,最后根据两种算法的准确率提出综合判断方法,最终实现了对睡眠呼吸暂停的非接触检测。实验结果表明,利用能量法与小波信息熵法按权重综合判断睡眠暂停,能够较准确地判断阻塞性睡眠的呼吸暂停次数,为非接触睡眠呼吸暂停辅助诊断奠定技术基础。

射频微功率雷达在智能睡眠管理中的应用

随着科学技术的迅速发展,人们生活质量的提高,人们对自身健康越来越关注;同时,随着生活节奏的加快与工作压力的增加,睡眠成了困扰许多人的问题。根据调查研究显示,睡眠不足将会增加患各种疾病的风险。多导睡眠图仪是传统的监测睡眠的仪器,但是由于对病人检测的生理信号比较多,因此对病人的身体和心理造成了一定的负担,它在一定程度上会影响病人的睡眠质量。本文介绍了一种基于2.45 GHz微波技术的非接触式睡眠监测系统i Sleep,该系统通过自行设计的射频运动传感器采集人体的生理信号,然后通过相关算法从采集的射频信号分离出体动、呼吸和心跳信号,提取相关特征参数实现睡眠分期,从而实现了智能睡眠的管理以及低生理和心理负荷下的睡眠监测。

学龄前儿童睡眠监测的产品设计

目的设计一款产品对学龄前儿童的睡眠进行监测并对家长进行反馈。方法通过分析学龄前儿童睡眠的特点及其睡眠监测产品设计的现状,阐述学龄前儿童睡眠监测产品科学设计的必要性,采用互联网+儿童睡眠监测仪器的方式拉近家长与小孩的生活距离,提出对学龄前儿童睡眠监测产品设计原则及方向的分析,设计监测学龄前儿童睡眠的产品。结论为日后的儿童睡眠辅助产品找到新的设计方向,为后续的相关设计提供参考,改善家长与学龄前儿童的睡眠质量与生活品质。

柔性非接触心电阵列电极设计与压力影响分析

非接触式心电传感技术在长期睡眠心电监测领域展现了优异的应用前景,其中阵列式非接触心电传感技术取得了较好的发展,然而,该技术所用电极多为刚性的印制电路板(PCB),舒适性较差。同时,人体压力分布对该技术所获心电信号质量的影响规律尚未可知。针对这些不足,本研究设计了一种基于柔性印刷电路(FPC)的阵列式非接触睡眠心电监测系统。通过系统验证,证明了该系统所获取心电信号一致性较高且平均信噪比>38 dB。随后通过人体试验分析了人体压力对心电信号质量的影响。结果表明,当心电检测输入端所受压力<9 mmHg时,获得低信噪比心电信号的概率P高于54.17%;反之,则P低于5.94%,证明人体压力是影响电容耦合心电信号质量的关键因素之一。

非接触式睡眠呼吸暂停监测和报警装置设计

目的:设计非接触式睡眠呼吸暂停监测和报警装置,通过手机屏幕实时显示呼吸波形并发出警报,以提高睡眠呼吸暂停检测的准确度。方法:利用生物雷达传感器采集人体的呼吸信号,通过信号调理模块完成滤波、放大等信号预处理,使用STM32F407单片机进行模数转换(AD)采样,通过后续信号处理进行综合判断,采用声光报警电路完成危险预警。结果:非接触式睡眠呼吸暂停监测和报警装置可实现呼吸信号的监测,并可通过手机实时监测呼吸波形、呼吸率和心率,监测效果良好,检测呼吸暂停的准确率为96%。结论:非接触式睡眠呼吸暂停监测和报警装置可实现睡眠呼吸暂停的监测和报警,提高睡眠呼吸暂停检测的准确度。

一种非接触式皮损患者睡眠呼吸暂停监测技术研究

目的:研究一种非接触式呼吸暂停监测技术,以解决大面积皮肤损伤和皮肤过敏症患者无法使用常规方法监测呼吸信号的难题。方法:非接触式呼吸暂停监测方法是通过采用微型生物雷达传感器采集患者的胸壁微动信号,对信号调理后进行特征提取和分析,实现其呼吸信号的非接触监测和正常呼吸、阻塞性呼吸及呼吸暂停的呼吸状态自动识别,通过病床呼叫系统进行呼吸暂停预警;采用非接触式呼吸暂停监测方法对30名志愿者进行呼吸监测测试,并通过混淆矩阵进行效能分析。结果:非接触式呼吸暂停监测方法对30名志愿者呼吸暂停检测的准确率为87.5%、灵敏度为86.7%、特异度为95%,呼吸状态识别总体精度为73.3%。结论:非接触式呼吸暂停监测方法可较为准确地实现呼吸监测功能,且很好地排除了干扰事件,为大面积皮损和皮肤过敏症患者的呼吸监测提供新的思路。

基于非接触式/穿戴式睡眠监测设备的标准化研究

随着非接触式/穿戴式睡眠监测设备的技术和产业发展,在非医疗环境下监测并反馈治疗睡眠障碍问题成为可能,本文结合我国目前相关产业及标准化现状,介绍了非接触式/穿戴式睡眠监测系统的参考模型,并形成基于非接触式/穿戴式睡眠监测设备的标准体系,提出标准需求列表,明确标准化重点工作方向。通过该标准研究以规范产业发展,打破设备的信息孤岛,促进非医疗环境下监测并反馈治疗睡眠障碍问题的解决。

溶栓治疗对脑梗死患者睡眠结构的影响

目的 探究溶栓治疗对脑梗死患者睡眠结构的影响。方法 收集2020年9月至2021年12月在开滦总医院神经内科进行溶栓治疗的急性脑梗死患者作为溶栓组,同时选取此阶段与之年龄、性别等基线资料相匹配的未进行溶栓治疗的急性脑梗死患者作为未溶栓组,选取临床健康查体指标皆正常的志愿者作为正常对照组。记录患者的一般资料、非直接接触式无感睡眠监测系统数据,比较3组研究对象睡眠状态生理指标临床监测结果,采用logistic回归分析筛选睡眠指标。结果 溶栓组与未溶栓组临床基线指标比较,差异均无统计学意义(P>0.05)。溶栓组与未溶栓组总睡眠时间、入睡后清醒时间、R期时间、R期占比、浅睡眠时间及深睡眠时间均高于对照组(P<0.05),睡眠效率低于对照组(P<0.05)。溶栓组总睡眠时间、睡眠效率、R期时间及浅睡眠时间均高于未溶栓组(P<0.05)。多元logistic回归分析结果显示急性脑梗死患者是否进行静脉溶栓治疗与入睡后清醒时间和睡眠效率明显相关,其β值分别为0.020、0.080,Wald值为4.440、31.455,OR值为1.002、1.083,P均?0.05。结论 急性脑梗死可以引发明显的睡眠结构紊乱,而早期给予患者静脉溶栓治疗可以使这种睡眠结构紊乱得到显著改善。

基于压电薄膜传感器的睡眠监测仪

本设计提出了一款基于压电传感器的非接触睡眠监测仪。其实现方法为通过高灵敏度的压电薄膜传感器检测人体心脏冲击扫描(BCG)信号,再通过电荷放大器、低通滤波器、电压放大器将信号转换为ADC可识别的模拟信号。通过算法还原使用者的心率、呼吸率、体动、离床等生理信息,评估使用者的睡眠质量。配合产品自带App或合作机构信息平台,将检测结果呈现给使用者。由于其非接触检测的特点,该仪器不会对使用者的日常生活造成任何影响。

睡眠联合脑电监测对重症患者意识状态改变的预报价值

目的探讨睡眠联合脑电监测对重症患者意识状态改变的预报价值。方法连续收集2020年11月至2021年12月在开滦总医院神经重症加强治疗病房诊治的不同意识状态重症患者81例,将不同程度意识障碍患者分为清醒组19例、嗜睡组48例和昏迷组14例。记录患者的一般资料、非直接接触式无感睡眠监测系统数据、定量脑电监测数据,采用logistic、多元逐步回归分析筛选出影响意识状态转变的相关指标。结果3组患者收缩期血压、REM期睡眠时间和REM期占比差异有统计学意义(P<0.05)。以清醒与嗜睡为因变量的logistic分析主要筛选出F4-δ、F4-慢波指数、F8-δ、F8-θ、F8-(δ+θ)左/右、F8-α指数、F8-慢波指数、T3-α3、T4-α左/右、T5-(δ+θ)左/右等指标,P均<0.05。以嗜睡与昏迷为因变量主要筛选出F4-δ、F4-α2、F4-α/(δ+θ)、F4-α指数、F4-慢波指数、F4-δ指数、F4-θ指数、C4-δ指数、F8-δ、F8-θ、F8-α2、F8-α指数、F8-慢波指数、F8-δ指数、F8-θ指数、T4-δ、T4-θ、T4-α2、T4-α3、T4-α左/右、T4-(δ+θ)左/右、T4-α指数、T4-慢波指数、T4-δ指数等指标,P均<0.05。分别以上述筛选出的指标为因变量的多元逐步回归分析显示心率变异指数、睡眠期平均心率、总睡眠时间、心血管健康指数、呼吸期最快呼吸、睡眠期平均呼吸等睡眠监测指标是这些高危因素的主要交互影响因素。结论在脑电指标中F4-慢波指数、F8-慢波指数、T4-α左/右是清醒重症患者发生嗜睡的高危因素,F4-α/(δ+θ)、F4-慢波指数、T4-δ、T4-θ、T4-(δ+θ)左/右、T4-慢波指数是嗜睡患者发生昏迷的高危因素。REM期睡眠与意识状态改变有明显的关系。通过非直接接触式睡眠监测技术与脑电生理学监测相结合,可以更好地预测患者的意识状态改变。

基于非接触式振动体征监测设备探测中重度阻塞性睡眠呼吸暂停的研究

目的 评价一种置于床垫下的非接触式振动体征监测设备在成人阻塞性睡眠呼吸暂停患者中的应用价值。方法回顾性分析2020年10月至2021年4月因睡眠打鼾就诊于中日友好医院睡眠呼吸专病门诊的90例成人患者资料,在进行多导睡眠监测(PSG)的同时使用非接触式振动体征监测设备进行监测,利用Spearman相关系数及BlandAltman法评估非接触式振动体征监测设备生成的呼吸事件指数(REI)与PSG生成的呼吸暂停低通气指数(AHI)之间的一致性,非接触式振动体征监测设备诊断OSA的灵敏度和特异度,利用受试者工作特征(ROC)曲线评价非接触式振动体征监测设备用于成人阻塞性睡眠呼吸暂停的诊断效率。结果 非接触式睡眠监测设备所获得的总呼吸事件及总睡眠时间具有较高的准确率,与PSG设备所获得的相应数据比较差异无统计学意义;REI与PSG-AHI比较具有较高的相关性和一致性,相关系数r=0.83,P<0.01,平均差异为-4.34(95%CI-38.42~29.74)次/h;以非接触式睡眠监测设备REI≥22.7次/h作为诊断中重度OSA的诊断界值,其灵敏度及特异度分别为90.2%及79.3%。结论 该非接触式睡眠监测设备所得REI与PSG-AHI一致性较好,可用于中重度OSA患者的筛查。

非接触式睡眠呼吸监测仪在成人阻塞性睡眠呼吸暂停中的应用价值

目的评价非接触式睡眠呼吸监测仪在成人阻塞性睡眠呼吸暂停(OSA)患者中的应用价值。方法本研究选取2018年7月至2019年5月因打鼾就诊于北京大学人民医院睡眠中心的成人患者,在进行多导睡眠监测(PSG)的同时使用非接触式睡眠呼吸监测仪进行监测,利用均数检验、Pearson相关系数及Bland-Altman法评估非接触式睡眠呼吸监测仪生成的呼吸事件指数(REI)与PSG生成的呼吸暂停低通气指数(AHI)之间的一致性,计算非接触式睡眠呼吸监测仪诊断OSA的敏感度和特异度,并以受试者工作特征(ROC)曲线确定其诊断OSA的最佳界值。结果共纳入198例患者,其中男120例,女78例,年龄45.5(33.0,57.3)岁。PSG生成的AHI与非接触式睡眠呼吸监测仪的REI差异无统计学意义[15.9(4.7,40.2)次/h比16.2(6.1,40.0)次/h,P=0.381],二者显著相关(r=0.914,P<0.05),其一致性检验的平均差-0.06次/h(95%CI:-18.44~18.31);如以REI≥5次/h作为诊断标准,则非接触式睡眠呼吸监测仪诊断OSA的敏感度为91.2%,特异度为58.0%;以REI≥13.3次/h诊断中重度OSA的敏感度、特异度分别为90.1%,71.1%。结论该非接触式睡眠呼吸监测仪所得REI与PSG-AHI一致性较好,可用于OSA及中重度OSA患者的筛查。