18922752611
儿童床垫的增加新功能
儿童床垫微动活络床垫式睡觉监测体系可在准天然状况下(根柢无需粘贴电极)对呼吸波、心冲击图(Ballistocardiogram,BCG)、体动、方位、姿态等进行长时间连续监测。本文对床垫中的振动和血氧饱和度两种信号进行了分析和信息发掘。人体准天然状况睡觉监测中为了准确提取呼吸作业和更好地进行睡觉分期,关于咳嗽患者需求正确地检测咳嗽,差异咳嗽和鼾声。咳嗽监测对呼吸科医师正确确诊病况也有重要作用。而传统咳嗽监测多选用语音记载及语音辨认算法,数据量大,处理算法凌乱。咳嗽时气体急速冲出声门,会引起身体剧烈振动。若以此振动信号为依据提取咳嗽作业可避免外界动态构成的搅扰,减小假阳性率。本课题在床垫上参与中心频率为20Hz的骨导传感器来记载身体振动,参与频率规划为202KHz的动态传感器记载动态,并将两路信号都以100Hz为采样频率转换为10bt的数字信号,一同选用Mp3进行音频同步记载作为对照。由于床垫收集信号品种多,还要用于医院内多病床一同的长时间监测,为避免数据量太大导致传输速度过慢,各数据采样率有必要降到最低,这也使以往的语音处理算法不再适用。通过对信号的斜率、过零率、下降时间等特征进行研讨并结合床垫本身特征,本文提出了夜间睡觉时咳嗽和鼾声信号的开始差异算法,补偿了其时咳嗽作业自动提取研讨方面的空白。这不仅可以应用于患者的夜间咳嗽监测,还可用于校正呼吸作业的提取。REM期是睡觉结构的重要组成部分。本文对依据“床垫”收集到的血氧饱和度信号进行REM睡觉期定位做了深化研讨,使无脑电参数的睡觉分期更为准确。通过对许多实测数据的查询我们发现,REM睡觉期血氧饱和度会有不同程度的下降,中度和重度SAHS患者尤为明显。本文提出了通过血氧下降段定位REM睡觉期的算法。首要我们以方差和均值作为基础参数来寻找血氧下降段,并参与针对各种特别数据的校正方法。最终将本算法与睡觉分期知识库相结合来定位REM睡觉期。通过30例实测SAHS患者数据及北京向阳医院临床睡觉专家验证,证明此算法对中度和重度SAHS患者准确率抵达临床要求本文通过对床垫中的振动和血氧信号进行信息发掘,使得床垫可以更加准确地进行睡觉分期和SAHS确诊。咳嗽自动辨认算法由于其采样率低、数.