專利名稱：用于自動化正氣壓滴定的算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用半程(half duration)呼吸方法從原始的呼吸流速數(shù)據(jù)中得到吸氣相、呼氣相和流速的方法，其用于確定呼吸流速，并檢測氣流受限、打鼾、呼吸暫停和呼吸不足，同時從氣流數(shù)據(jù)中消除干擾和呼吸偏差，以使得用于治療呼吸疾病的機(jī)器上的控制器能適當(dāng)?shù)刈顑?yōu)化所應(yīng)用的氣體壓力。
相關(guān)技術(shù)在一些設(shè)備中，壓力測定已經(jīng)被用于檢測異常呼吸。在其他設(shè)備中，檢測呼吸模式的方法使用壓力和流速的組合。還有一些其他的設(shè)備單獨使用氣流測定，其中在標(biāo)準(zhǔn)化的吸氣氣流的中點的給定值(indexed value)上的氣流變異檢測呼吸暫停。
一些用于確定患者是否正在吸入或呼出的流速系統(tǒng)計算出平均流速。當(dāng)流速超過平均值時，患者正在吸入，當(dāng)流速低于平均值時，患者正在呼出。
用于檢測吸氣或呼氣的另一個方法是使用相比于輸送給患者的氣體的氣體氣流曲線的第一衍生值而言的高閾值和低閾值。
至今還沒有一種所用的方法能準(zhǔn)確地檢測出吸氣的開始、呼氣的開始或呼吸的持續(xù)時間和流速。至今所用的檢測設(shè)備也不能準(zhǔn)確地分析或檢測呼吸的打鼾、呼吸暫停、呼吸不足、或呼吸模式上的暫停和轉(zhuǎn)換。另外，現(xiàn)有的呼吸測定設(shè)備不能準(zhǔn)確地將干擾從測定值中清除。
當(dāng)前的呼吸檢測器不能測定并平衡吸氣和呼氣氣流。
需要更準(zhǔn)確的呼吸測定方法提供用于呼吸睡眠疾病研究、控制睡眠輔助呼吸機(jī)器以及監(jiān)測患者的數(shù)據(jù)。

發(fā)明內(nèi)容
本發(fā)明涉及一種用于提供準(zhǔn)確的患者的呼吸數(shù)據(jù)的方法。該數(shù)據(jù)可被用于研究、用于監(jiān)測患者或用于給CPAP或其他呼吸輔助上的控制器提供呼吸信息以調(diào)整給患者的氣體的壓力和氣流以改善治療。
將一個面罩施加于患者，用于給正在被監(jiān)測或治療呼吸疾病的患者提供有壓力的氣體。面罩內(nèi)或附加于面罩的導(dǎo)管內(nèi)的感受器確定出輸送給患者的氣體的流速。從原始數(shù)據(jù)中減去面罩和導(dǎo)管的漏氣速度確定出患者所實際接受的氣流。然后分析實際的流速數(shù)據(jù)以去除干擾、擾動和其他信號，確定出吸氣和呼氣的起點和終點并確定出輸送給患者的氣體的流速。將數(shù)據(jù)平滑化并檢查數(shù)據(jù)中的可能存在的錯誤以找到準(zhǔn)確代表患者呼吸的數(shù)據(jù)的最佳符合(best fit)。為了測定值的準(zhǔn)確性和調(diào)整，比較了吸氣和呼氣容積。然后分析數(shù)據(jù)以檢測患者的呼吸并將數(shù)據(jù)用于驅(qū)動呼吸輔助設(shè)備。數(shù)據(jù)能被用于檢測呼吸暫停、呼吸不足、打鼾和其他醫(yī)學(xué)病變以及簡單地監(jiān)測面罩是否脫落、患者是否是經(jīng)他們的鼻或嘴呼吸、患者是否已經(jīng)變換了體位或改變了睡眠期以及現(xiàn)在是否正在差異呼吸。
用于檢測患者的呼吸的方法包括測定經(jīng)面罩供應(yīng)給患者的氣體的壓力和流速。近似出(approximating)呼吸的轉(zhuǎn)折點(break point)以鑒別每次呼吸的吸氣相和呼氣相。將吸氣流速數(shù)據(jù)和呼氣流速數(shù)據(jù)分別匯編到吸氣數(shù)據(jù)的連續(xù)陣列和呼氣數(shù)據(jù)的連續(xù)陣列中。將吸氣和呼氣數(shù)據(jù)平滑化以建立一個具有起點、峰點和終點的吸氣和呼氣的陣列。形成一個吸氣流速數(shù)據(jù)和呼氣流速數(shù)據(jù)的這些平滑化數(shù)據(jù)的陣列。為了在呼吸分析中比較沒有過多干擾的信號，從陣列中清除那些在流速數(shù)據(jù)中具有過多干擾的吸氣和呼氣相。將陣列中的吸氣氣流容積與呼氣氣流容積的比較作為對在陣列中的數(shù)據(jù)處理的準(zhǔn)確性的一個檢查。為了在呼吸分析中比較相似類型的呼吸，比較了相鄰的吸氣相(或呼氣相)對的呼吸的相似性。比較吸氣的起點和終點與呼氣的起點和終點以檢查流速數(shù)據(jù)的準(zhǔn)確性。匯編一系列用于測試患者的呼吸的相似類型的呼吸。調(diào)整呼吸的起點和終點以及呼吸的最高點以組合所收集到的流速數(shù)據(jù)。進(jìn)行信號水平的驗證測試以從用于呼吸分析的數(shù)據(jù)中清除太接近的或面罩脫落狀態(tài)下的呼吸。作為對數(shù)據(jù)質(zhì)量的一種檢查，比較呼吸的吸氣和呼吸的容積以保證它們是相同的。然后用流速數(shù)據(jù)進(jìn)行呼吸成形并根據(jù)呼吸形態(tài)最終定出流速數(shù)據(jù)中的吸氣時間的開始和結(jié)束?，F(xiàn)在可以將流速數(shù)據(jù)用于診斷患者的呼吸。為了提供診斷，數(shù)據(jù)被用于生成打鼾指數(shù)以顯示患者是否正在打鼾以及打鼾到什么程度，和平坦指數(shù)(flattening index)以顯示與呼吸暫停和呼吸不足相關(guān)的患者氣道的阻塞程度。用吸氣氣流幅度鑒別呼吸暫停和呼吸不足。
許多統(tǒng)計學(xué)的測定被用于確定呼吸的相似性、吸氣和呼氣時間的開始、吸氣和呼氣的結(jié)束、呼吸持續(xù)時間、每次呼吸的氣體容積、每分鐘呼吸次數(shù)、每次呼吸的形態(tài)、以及其他所有的用于診斷患者所患有的呼吸問題的測定。一旦算法確定了患者所患有的問題，它能控制用于治療患者的機(jī)器以在最佳時間上提供治療其呼吸問題的最佳氣流的最佳壓力。對應(yīng)用于患者的壓力和氣流速度的廣泛的統(tǒng)計學(xué)分析給患者的診斷和治療提供了有用的呼吸分析。
發(fā)明目的本發(fā)明的一個目的是在治療呼吸暫停、呼吸不足和其他呼吸疾病期間控制用呼吸面罩輸送給患者的壓力。
本發(fā)明的一個目的是測定患者的呼吸以在正確的時間為治療患者提供正確的壓力。
本發(fā)明的一個目的是提供一種用于測定患者的呼吸并計算出在他的呼吸周期內(nèi)所施加于患者的壓力的算法。
本發(fā)明的一個目的是檢測打鼾。
本發(fā)明的一個目的是檢測吸氣的氣流受限。
本發(fā)明的一個目的是檢測氣流幅度減低。
本發(fā)明的一個目的是檢測呼吸暫停。
本發(fā)明的一個目的是檢測呼吸不足。
本發(fā)明的一個目的是檢測呼吸時相和呼吸形態(tài)。
本發(fā)明的一個目的是檢測在呼吸周期內(nèi)的吸氣和呼氣的起點和終點。
本發(fā)明的一個目的是消除呼吸流速測定值中的干擾和其他擾動。
本發(fā)明的一個目的是區(qū)分呼吸模式和規(guī)律呼吸中的變化。
本發(fā)明的一個目的是提供對患者的呼吸的準(zhǔn)確監(jiān)測。
本發(fā)明的一個目的是檢測異常的呼吸時相。
本發(fā)明的一個目的是比較吸氣容積和呼氣容積以控制數(shù)據(jù)輸出的準(zhǔn)確性。
當(dāng)結(jié)合附圖考慮時，從以下的具體實施方案的描述中可以清楚地看到本發(fā)明的其他目的、優(yōu)點和新的特點。


圖1是用于自動化正氣壓滴定的算法的流程圖。
圖2是來自原始的吸氣氣流數(shù)據(jù)的平滑化的最高峰的圖。
圖3是被添加到先前的平滑化吸氣的原始吸氣數(shù)據(jù)的圖。
圖3A是被添加到先前的平滑化吸氣的具有與終點接近的谷點的早期得到的原始的吸氣數(shù)據(jù)的圖。
圖3B是被添加到先前的平滑化吸氣的剛剛及時得到的原始的吸氣數(shù)據(jù)的圖。
圖3C是被添加到先前的平滑化吸氣的具有與終點不接近的谷點的原始吸氣數(shù)據(jù)的圖。
圖3D是通過延伸否則基本重疊的數(shù)據(jù)的尾部被添加到先前的平滑化吸氣的非常早期得到的原始吸氣數(shù)據(jù)的圖。
圖3E是通過延伸第一次呼吸的尾部覆蓋非重疊的數(shù)據(jù)被添加到先前的平滑化吸氣的晚期得到的原始吸氣數(shù)據(jù)的圖。
圖4A是吸氣的上升斜線上的雙峰。
圖4B是吸氣的下降斜線上的雙峰。
圖5是平滑化吸氣的陣列的圖。
圖6A是上升的干擾斜線的圖。
圖6B是下降的干擾斜線的圖。
圖7是所滿足的干擾斜線的參數(shù)限定的表。
圖8A顯示了用于近似流速的一級分段線性法的圖。
圖8B顯示了用于近似流速的二級分段線性法的圖。
圖8C顯示了用于近似流速的三級分段線性法的圖。
圖9A顯示了通過使用平行四邊形檢測上升斜線上的小峰的圖。
圖9B顯示了通過使用平行四邊形檢測下降斜線上的小峰的圖。
圖10顯示了中間的最高峰的閾值的圖。
圖11A顯示了最高峰的最高對中的參數(shù)的圖。
圖11B顯示了在其上用最高峰信號水平的百分比標(biāo)記的圖11A的平滑化參數(shù)的圖。
圖12A描繪了最高峰驗證。
圖12B描繪了最低峰驗證。
圖13描繪了根據(jù)基于最高峰的驗證添加新的最低峰。
圖14顯示了在最高峰對中的兩個最高峰之間的面積和持續(xù)時間。
圖15A描繪了在除外最高峰對過程之前的最高峰。
圖15B描繪了在除外最高峰對過程之后的最高峰對。
圖16顯示了被插入到最高峰和最低峰對之間的新的最高和最低峰。
圖17顯示了幅度閾值。
圖18是吸氣和呼氣氣流面積的圖。
圖19是無干擾成形的呼吸模式的圖。
圖20A顯示了對一個吸氣的一級線性近似。
圖20B顯示了對一個吸氣的二級線性近似。
圖20C顯示了對一個吸氣的三級線性近似。
圖21A顯示了一次正常呼吸的輪廓。
圖21B顯示了在一次呼吸期間的打鼾的輪廓。
圖21C顯示了一次吸氣氣流受限的輪廓。
圖21D顯示了一次嚴(yán)重的吸氣氣流受限的輪廓。
圖22A描述了在水平搜索期間的平坦指數(shù)的侯選參照線。
圖22B描述了所選定的平坦指數(shù)。
圖22C描述了在一次圓形呼吸中的平坦指數(shù)誤差。
圖22D描述了在一次平坦呼吸中的平坦指數(shù)誤差。
圖22E描述了在斜的平坦呼吸中的平坦指數(shù)誤差。
圖22F描述了U型呼吸中的平坦指數(shù)誤差。
圖22G描述了在干擾呼吸中的平坦指數(shù)誤差。
圖23A是上下平坦指數(shù)的圖。
圖23B是左側(cè)平坦指數(shù)的圖。
圖23C是右側(cè)平坦指數(shù)的圖。
圖24是打鼾指數(shù)的圖。
圖25是顯示平坦指數(shù)的五個劃分部分的圖表。
圖26是顯示圖25的平坦指數(shù)的五個劃分部分的表。
圖27是顯示氣流信號水平減低的圖表。
圖28是顯示圖27的氣流信號水平減低的表。
圖29是顯示打鼾指數(shù)的劃分的表。
圖30是顯示打鼾指數(shù)控制指令的表。
圖31是顯示打鼾指數(shù)控制指令的表。
圖32是顯示用于5次呼吸測試數(shù)據(jù)的平坦相關(guān)的指令的表。
圖33是顯示用于3次呼吸測試數(shù)據(jù)的平坦相關(guān)的指令的表。
圖34是顯示用于2次呼吸測試數(shù)據(jù)的平坦相關(guān)的指令的表。
圖35是顯示用于3次呼吸測試數(shù)據(jù)的平坦和打鼾相關(guān)的指令的表。
圖36是顯示用于呼吸暫停的壓力增加指令的表。
圖37是顯示相似性的測試數(shù)值的表。
圖38是顯示主要呼吸測試序列中的平坦氣流受限的表。
圖39是顯示平坦吸氣氣流的背景(contexts)的表。
圖40是顯示平坦壓力變化指令模板的表。
圖41是顯示打鼾壓力變化指令的表。
具體實施例方式
在圖1中顯示了用于自動化正氣壓滴定的算法。算法的第一步是如所示的在模塊10010中接收并記錄下按特定時間增量從面罩中所收集到的氣流速度信號數(shù)據(jù)。然后如所示的在模塊10020中對來自面罩的數(shù)據(jù)補償漏氣并記錄數(shù)據(jù)。在模塊10030中搜索原始的流速數(shù)據(jù)并建立第一個可變更的吸氣或呼氣相的近似。然后在模塊10040中將數(shù)據(jù)與先前所收集到的吸氣或呼氣相數(shù)據(jù)合并(如果沒有得到先前的數(shù)據(jù)就將其儲存)，然后在模塊10050中將數(shù)據(jù)平滑化并作為數(shù)據(jù)陣列的一部分將其儲存。如果如在模塊10055中所確定的數(shù)據(jù)陣列是不完全的，那么從模塊10030中收集更多的原始數(shù)據(jù)，近似下一個吸氣或呼氣相并在模塊10040中將其合并到陣列中，然后在模塊10050中將數(shù)據(jù)平滑化并儲存。如果現(xiàn)在如模塊10050中所確定的陣列是完全的，那么在模塊10060中檢查陣列的雙峰并在模塊10070中檢查干擾峰。如果在步驟10070中檢測到干擾峰，在模塊10080中用分段線性近似法將它們平滑化。然后在模塊10090中檢查所有的呼吸看它們的吸氣容積是否與它們的互補的呼氣容積匹配。在模塊10091中，進(jìn)行一項測試看吸氣容積是否與呼氣容積匹配。吸氣容積應(yīng)當(dāng)與呼氣容積匹配，否則就是數(shù)據(jù)中存在誤差，以及數(shù)據(jù)必須被刪除。在模塊10095中刪除不匹配的數(shù)據(jù)。如果吸氣和呼氣數(shù)據(jù)匹配，那么算法進(jìn)入模塊10100比較吸氣或呼氣對的相似性。如果它們是相似的，數(shù)據(jù)被認(rèn)為是好的且在呼吸中還沒有變化發(fā)生。第一個最高峰序列測試是在算法的模塊10110中所運行的相似性測試。它測試了最高峰序列中的最高峰對之間的相似性。在模塊10120的驗證中，從在模塊10110中所生成的最初的球形的最高峰和最低峰陣列中重新調(diào)出數(shù)據(jù)，并比較最接近的最低峰陣列，使得最高峰陣列中的吸氣起點應(yīng)當(dāng)匹配于最低峰陣列中的呼氣終點以及最高峰陣列中的呼氣起點應(yīng)當(dāng)匹配于最低峰陣列中的吸氣終點。
模塊10130近似了吸氣和呼氣的轉(zhuǎn)折點，在模塊10140中將其微調(diào)以確定出更為接近的吸氣和呼氣點并將呼吸成形。
然后模塊10150檢查了來自吸氣氣流信號的平坦指數(shù)。
平坦指數(shù)被用于測定氣流受限例如在呼吸暫停中所發(fā)生的氣流受限。
在模塊10160中，通過在氣流信號中所發(fā)現(xiàn)的干擾檢查打鼾。生成打鼾指數(shù)并將其用于控制指令以增加或減少患者的壓力和氣流容積以減輕打鼾。
然后在模塊10170中進(jìn)行呼吸分析以確定患者是否患有呼吸暫停、呼吸不足或其他呼吸疾病，或是否存在一些氣道限制，或面罩是否已經(jīng)脫落或還患者是否正在打鼾。
在模塊10180中，一組控制指令被應(yīng)用于治療在呼吸分析步驟中所鑒別出的病變。例如，可以增加或減少通過CPAP機(jī)器施加于患者的壓力。
現(xiàn)在給出了對算法的更為詳細(xì)的解釋說明。
在用連續(xù)氣道正壓通氣(CPAP)治療患者時，利用面罩給患者提供一定壓力下的氣體。用面罩內(nèi)或?qū)⒚嬲诌B接到氣體壓力源的導(dǎo)管內(nèi)的傳感器進(jìn)行對氣流和氣壓的測定以得到用于監(jiān)測患者并確定患者何時正在吸入、呼出、打鼾或患者呼吸暫?；蚝粑蛔愕臍饬骱蛪毫π盘?。在算法的模塊10010中收集原始的壓力和氣流數(shù)據(jù)信號。信號必須被處理以提供對患者的病變的有意義的和準(zhǔn)確的讀數(shù)并確定出在治療期間所應(yīng)用到患者的壓力。因為患者的呼吸不是均勻的并且沒有兩個患者是相似的，所以獲得準(zhǔn)確的數(shù)據(jù)有著許多挑戰(zhàn)。在每次呼吸中，患者在不同的時間段內(nèi)可能以不同的速度吸入。另外，患者可能在吸入和呼出之間停頓不同的時間量。然后患者可能在不同的時間段以不同的速度呼出，然后在吸入之前再次停頓。患者在夜間將改變體位，這將影響呼吸頻率?；颊咭部赡茉谝归g患有不同程度的氣道阻塞。增加這些變化打鼾、呼吸暫停和呼吸不足事件，測定患者的呼吸以確定出他何時正在吸入、呼出、打鼾或患有呼吸暫?；蚝粑蛔闶沟每梢詫PAP設(shè)備或BiPAP設(shè)備調(diào)整到最有效地和最充分地輔助患者的正確壓力上是非常困難的。另外，所采集到的原始數(shù)據(jù)含有干擾例如氣體泵和馬達(dá)、氣體輸送管路和其他擾動，這將減少所得到的信號的準(zhǔn)確性。信號中的可能的偏差是面罩可能已經(jīng)脫落、管子可能已經(jīng)不連通或打彎、或患者可能已經(jīng)開始經(jīng)其嘴呼吸。
當(dāng)患者帶著與他的治療所結(jié)合使用的面罩時，所出現(xiàn)的第一個問題是面罩本身將漏氣，使得在從面罩所接受到的氣流信號數(shù)據(jù)中必須使用氣流漏氣補償因素，以反映測定的氣流和實際應(yīng)用到患者的氣流之間的差異。面罩漏氣可以發(fā)生在與面罩與患者的界面上(面罩邊緣漏氣氣流)以及面罩與供氣管的連接處(通道漏氣氣流)。
對于所用的每種面罩類型以及應(yīng)用于面罩的壓力，通道漏氣氣流是不同的?？梢杂猛仿鈿饬鞑樵儽砉烙嫵鲆蕾囉趬毫Φ臍饬鱽G失。從所測定的氣流中減去通道漏氣氣流有助于近似患者的實際氣流。相似地，通過用低通過濾器濾過正準(zhǔn)備進(jìn)入患者的氣流留下面罩邊緣漏氣所造成的氣流信號的差額可估計出面罩變異漏氣氣流。在算法的模塊10020中用漏氣氣流確定出進(jìn)入患者的氣流的差額并記錄為氣流數(shù)據(jù)。
盡管如上述的已經(jīng)明確地描述了漏氣速度，但是可以使用結(jié)合于不同的面罩和通道連接的用于測定流速的其他方法。
用在模塊10020中所得到的實際應(yīng)用于患者的氣體的氣流和壓力信號，開始對個體呼吸的特征的分析。
算法使用呼吸的半程流速。為了測定患者的呼吸，算法確定出吸氣相期間的最高流速以及呼氣相期間的最低流速并分別將它們進(jìn)行比較，然后在該過程的晚期將它們合并。所用的算法消除了流速信號干擾以及吸氣和呼氣之間的時間間隙以提供更為準(zhǔn)確的患者在呼吸時所具有的吸氣和呼氣相及流速的測定。
為了更準(zhǔn)確地鑒別吸氣和呼氣氣流，算法接受了摻雜有干擾和信號偏差的原始數(shù)據(jù)并用多種技術(shù)將數(shù)據(jù)平滑化以消除干擾和偏差以提供出更容易讀取的更準(zhǔn)確的患者的呼吸頻率的表達(dá)。算法將近似和統(tǒng)計技術(shù)應(yīng)用于所搜集到的信號數(shù)據(jù)上以鑒別出吸氣和呼氣周期的開始和結(jié)束以及每次呼吸中的最高和最低流速。所生成的數(shù)據(jù)被用于控制用于治療患者的呼吸設(shè)備例如CPAP機(jī)器。
圖2顯示了一系列在特定時間段例如10赫茲或250赫茲內(nèi)所取得的氣流信號數(shù)據(jù)點并將其用代表所收集到的原始的信號數(shù)據(jù)的虛線100繪制。吸氣的起點被選定在被稱為轉(zhuǎn)折點的點上，其中數(shù)據(jù)表示正的流速以及在此之后流速開始顯著增加。在算法的模塊10030中進(jìn)行對轉(zhuǎn)折點的選擇。轉(zhuǎn)折點被選定為標(biāo)記為吸氣開始的點101。吸氣數(shù)據(jù)中充滿著干擾、擾動和誤差。隨著點120、125、130和135的時間，原始的數(shù)據(jù)點以不一致的增加數(shù)值逐漸變得更高，直到在點150上達(dá)到了吸氣期間的最高流速，然后在點155、160、165、170、175、180和185上不一致地減低直到吸氣終點190。原始數(shù)據(jù)中的干擾和偏差提供了如虛線100所示的摻雜信號。最高流速點150是在約吸氣相中間的最高峰，以及吸氣終點190是在算法所選定的具有約與點101的吸氣起點的相同流速的點。點190的吸氣終點也是同一次呼吸的呼氣的起點。
圖2也顯示了模塊10050所代表的線性平滑技術(shù)。平滑方法被用于近似患者的呼吸流速并消除信號干擾及偏差。虛線100的點101、150和190相應(yīng)地等于實線200上的點201、250和290。圖2中所示的一級線性技術(shù)簡單地用上升斜線25連接點201的吸氣起點和最高峰250。相似地，下降斜線75被定義為連接最高峰250和吸氣終點290。實線210顯示了所形成的更為理想的、更容易處理的患者的吸氣的平滑化圖。使用線200的平滑化圖已經(jīng)去除了干擾和流速的變異以更清楚地顯示起點201的吸氣起點、在流速峰250上的近吸氣周期中間的吸氣期間的最高氣流以及在終點290的吸氣周期的終點，該終點應(yīng)當(dāng)?shù)扔诨颊吆粑暮魵庵芷诘钠瘘c。呼吸的持續(xù)時間為點201和290之間的時間。
用算法示蹤呼氣和吸氣，但是為了解釋的方便，我們只示蹤吸氣。從對吸氣的圖解中應(yīng)當(dāng)容易明白被相似圖解的呼氣。
算法實時得到了一系列用于分析呼吸的吸氣?？捎枚喾N可能的方法將吸氣數(shù)據(jù)串添加在一起。為了最有效地利用時間、數(shù)據(jù)處理和儲存資源，在此所呈現(xiàn)的技術(shù)在處理器剛剛完成對先前吸氣的平滑化后的時候?qū)⑾乱淮挝鼩庀嗟脑紨?shù)據(jù)合并到先前的平滑化的吸氣數(shù)據(jù)中，如在算法模塊10040中所描述的那樣。對于所用的技術(shù)，與先前的吸氣的終點比較，下一次吸氣的起點多少有些隨機(jī)。圖3圖解說明了虛線300所代表的新的原始的吸氣氣流數(shù)據(jù)，它具有所估計的吸氣起點301、所估計的最高峰流速350、以及所估計的吸氣終點390。將虛線300所代表的這個原始數(shù)據(jù)組與實線200所代表的先前平滑化的吸氣數(shù)據(jù)合并。線200和300的數(shù)據(jù)將被合并，然后將虛線300的第二次吸氣數(shù)據(jù)平滑為實線400。將實線添加在一起生成如圖5所示的平滑連接的平滑化的吸氣流速的系列。
取得虛線300所代表的新數(shù)據(jù)的時間可以是在先前呼吸的平滑化結(jié)束之前、在前一次呼吸的平滑化結(jié)束的同時、或在先前呼吸的平滑化之后。另外，呼吸起點和終點的流速是不同的，并且它們必須被調(diào)整為圖5中的平滑組合。
如圖3A、3B、3C、3D和3E所示的，有五種主要方案用于將新的吸氣數(shù)據(jù)組與先前的吸氣數(shù)據(jù)組合并。在圖3A所描述的第一種方案中，這是最為常見的情況，平滑化終止于流速點290。算法選擇具有點301a所示的流速的下一次呼吸的吸氣的近似起點。所選擇的該點的時間是在點290的平滑化過程結(jié)束之前。因此，用于重疊圖形的實時最佳符合是將新流速的最近的谷315a匹配于代表先前呼吸的吸氣結(jié)束的平滑化點290。這里，新的吸氣中的谷點315a的流速匹配于或非常接近于點290的先前吸氣的流速值，所以290的第一次吸氣的終點和點301a的下一次吸氣數(shù)據(jù)的起點之間的空隙可被忽略，以及第二次吸氣可被標(biāo)繪為開始于第二次呼吸原始數(shù)據(jù)的點315a。新的原始數(shù)據(jù)組具有350a的峰流速和390a的吸氣相終點。然后將第二次呼吸平滑化生成如實線400a所示的吸氣圖。平滑化的第二次吸氣具有點401a的起點、450a的最高點和點490a的吸氣終點。
在一種如圖3B所示的特殊情況的方案中，第一次呼吸的點290的吸氣終點的流速是等于或接近于第二次吸氣的起點流速301b，以及計算的時機(jī)是使得點290的平滑化吸氣終點正好作為點301b所得到的新的數(shù)據(jù)。然后將如虛線300b所示的第二次吸氣的原始流速數(shù)據(jù)局部平滑化生成如實線400b所示的圖，它具有401b的吸氣起點、450b的最高峰以及點490b的吸氣終點。
在如圖3C所示的方案中，平滑化吸氣數(shù)據(jù)終止于點290。在點301c所標(biāo)繪的時間上得到虛線300c所示的下一次呼吸的數(shù)據(jù)，它開始于遠(yuǎn)在點290的平滑化計算結(jié)束的終點之前的一個時間。對于時間上的差異，可以有多種原因包括患者呼吸模式的轉(zhuǎn)換。將虛線300c所示的下一次呼吸的原始數(shù)據(jù)儲存并比較用于最佳符合于終止于點290的先前呼吸的平滑化數(shù)據(jù)。對于兩個圖形之間的時間和數(shù)值的最佳符合，先前呼吸200的吸氣氣流的平滑化數(shù)據(jù)匹配于在谷點315c的新呼吸的吸氣氣流的原始數(shù)據(jù)中的數(shù)值。因此新的呼吸300c被開始于點315c并被平滑化得到圖400c。因此忽略平滑化線200的最后部分，將先前呼吸的終點的有效的平滑化位置移動到290’以匹配于315c的下一次吸氣的起點。然后將新的呼吸平滑化為開始于401c、達(dá)峰于450c以及終止于490c。
在如圖3D所示的方案中，先前的平滑化呼吸開始于點201，具有點250的最高峰以及終止于點290。在點201的平滑化吸氣數(shù)據(jù)的起點后的即刻就得到了開始于點301d的下一次吸氣的原始數(shù)據(jù)。兩個呼吸的開始部分是近似相同的，但是吸氣的尾部是不同的。新數(shù)據(jù)延伸到更低的吸氣流速。最佳符合開始于流速290和呼吸300的原始數(shù)據(jù)的下降斜線的數(shù)值是相等的點，并終止于呼吸300的終點的流速390d。如雜實線所示的，在點290之后添加呼吸200和300的下降斜線，將平滑化圖延伸到點390d的吸氣終點。
在如圖3E所示的方案中，平滑化吸氣已經(jīng)被標(biāo)注結(jié)束于點290，而算法必須等待可得到的開始于點301e的下一次吸氣的新的原始數(shù)據(jù)。必須要補上兩個數(shù)值之間的空隙。最佳符合是在點290和290’之間添加如雜實線所示的補丁P以覆蓋點290的先前吸氣的終點和點301e的新的吸氣的起點之間的空隙，該補丁連接了上一次吸氣的終點的最低流速和新吸氣的最低流速。新的呼吸的原始數(shù)據(jù)開始于點301e，延伸到350e的最高峰以及終止于390e，然后該數(shù)據(jù)從點401e的吸氣起點到點450的最高峰和到點490e的吸氣終點被平滑化添加到吸氣陣列中。
呼吸的大延遲被疑為可能發(fā)生了呼吸模式的改變。
如圖5所示，在短的時間間隔內(nèi)，平滑化吸氣的陣列可以生成兩個如圖4A和4B所示的連續(xù)的最高峰。短間隔內(nèi)的峰是可疑的，它們必須被檢查。誤差的一個可能的原因是干擾所誘導(dǎo)的高峰騙取算法誤診為一個吸氣相。誤差的另一個可能的原因是處理最高峰陣列的實時特性。圖4A顯示了具有兩個非常接近的最高峰150和150A的上升的平滑化斜線。圖4B顯示了具有兩個非常接近的最高峰150和150B的下降的平滑化斜線。如在圖4A和4B所示，兩個最高峰之間存在吸氣間隔t。真正的最高流速被選定為最接近于吸氣時間間隔t的中點的最高流速。虛線顯示了在時間間隔t內(nèi)具有兩個太接近的最高峰的平滑化吸氣。連續(xù)線顯示消除了雙峰的再平滑化吸氣。在算法的模塊10060中檢查雙峰。
在已經(jīng)建立了如圖5所示的2到4個最高峰的陣列之后，算法的模塊10070回顧最高峰850、650、450和250以剝奪它們中的一些最高峰代表吸氣最高峰的資格，因為過多的干擾使得原始數(shù)據(jù)變得不可靠。如果干擾斜線被剝奪了資格，原始數(shù)據(jù)被分段線性分析法檢驗以重新繪制出如下所示的使用1、2或3條線的斜線。
檢驗了用于生成平滑化上升斜線222、422、622和822的原始數(shù)據(jù)看它們是否是干擾斜線。如圖6A所見，比較了從1001的吸氣起點到第一峰1010的起始變化2010以及從點1035的谷到最高峰1050的終止變化2050，較小的變化被定義為外變化。檢驗了對應(yīng)于峰1020和1030的變化2020和2030，以及在這些變化中，最低點1015和最高點1030之間的變化被定義為內(nèi)變化2025。如果斜線具有大于內(nèi)變化2025的外變化2010或2050，那么測試組就可能是干擾斜線。如果上升斜線不是干擾斜線，那么就測試如圖6B所示的下降斜線看它是否是干擾斜線。在圖6B中，測定了相應(yīng)地代表下降斜線上的最高峰和終止峰的峰1050和1080的起始變化2060和終止變化2090以找出兩者中的更小者，它被指定為外變化。然后檢驗了剩余峰1060和1070的變化，以及在這些變化中，最低點1075和最高點1060之間的變化被定義為內(nèi)變化。如果斜線具有大于點1060和1075之間的內(nèi)變化2075的外變化2060或2090時，那么內(nèi)變化測試組可能是干擾斜線。
為了實施干擾斜線測試的便利，只選擇一個干擾斜線。為了測試組內(nèi)的干擾斜線，使用了其他參數(shù)。對于圖6A所示的上升斜線，有左持續(xù)時間3010、內(nèi)持續(xù)時間3020和右持續(xù)時間3030。左持續(xù)時間3010是點1001的吸氣起點和1010的第一峰之間的時間。內(nèi)持續(xù)時間是峰1010和谷1035之間的時間。右持續(xù)時間是谷點1035和最高峰點1050之間的時間。結(jié)合點1001和1010之間的起始變化2010、點1015和1030之間的內(nèi)變化2025、以及點1035和1050之間的終止變化2050使用這些參數(shù)。
另一個所用的參數(shù)是斜線內(nèi)的第一峰和最后峰之間的峰的數(shù)目。例如在圖6A中，在第一峰1010和最后峰1050之間有兩個峰1020和1030。在圖6B中，在第一峰1050和最后峰1080之間有兩個峰1060和1070。
轉(zhuǎn)折點是吸氣流速的起點或終點。在圖2中，點201是左轉(zhuǎn)折點以及290是右轉(zhuǎn)折點。在圖6A中，轉(zhuǎn)折點是1001和在圖6B中，轉(zhuǎn)折點是1085。
現(xiàn)在檢查內(nèi)最高峰看它們是否應(yīng)當(dāng)被剝奪資格或從陣列中清除出去。使用兩組測定值，為自左側(cè)的持續(xù)時間和自右側(cè)的持續(xù)時間。
下面的定義被作為在此所用的圖表中的速記法自左側(cè)的持續(xù)時間＝Dur_fromleft自右側(cè)的持續(xù)時間＝Dur_fromright左持續(xù)時間＝Dur_left右持續(xù)時間＝Dur_right內(nèi)持續(xù)時間＝Dur_int起始變化＝Var_start終止變化＝Var_end內(nèi)變化＝Var_int峰數(shù)＝Num_peak下面是在此所用的參數(shù)的定義Dur_fromleft＝Dur_left+Dur_intDur_fromright＝Dur_right+Dur_intRatio_left＝Var_left/Var_int-(Num_peak+1)/5Ratio_left＝Var_left/Var_int-(Num_peak+1)/5Ratio_right＝Var_right/Var_int-(Num_peak+1)/5如果測試組中的呼吸持續(xù)時間的左和右變化以及經(jīng)呼吸數(shù)目所平均的流速中的呼吸的左和右部分對內(nèi)變化的變化比值不在特定的參數(shù)內(nèi)，那么用1、2或3線分段線性法近似數(shù)據(jù)將干擾去除。
可用圖7中的表去除不在可接受的參數(shù)內(nèi)的呼吸。
如下實施對呼吸的測試?yán)萌鐖D6A所示的來自左測定的持續(xù)時間(Dur_fromleft)3010和來自右測定的持續(xù)時間(Dur_fromright)3030，其中，左持續(xù)時間是點1001和1010之間的時間以及內(nèi)持續(xù)時間3020是點101和1035之間的時間，這樣自左側(cè)的持續(xù)時間是點1001到1035之間的時間。Dur_fromleft＝Dur_left+Dur_int。
在圖6B中顯示了自右側(cè)的持續(xù)時間3075，右持續(xù)時間是點1080和1085之間的時間，以及內(nèi)持續(xù)3070是點1055和1080之間的時間，這樣來自右側(cè)的持續(xù)時間是點1055到點1085之間的時間。Dur_fromright＝Dur_right+Dur_int。
在圖6A顯示了左變化2010。var_left＝var_start。
在圖6B顯示了右變化2090。var_right＝var_end。
Ratio_left＝Var_left/Var_int-(Num_peak+1)/5Ratio_right＝Var_right/Var_int-(Num_peak+1)/5如果持續(xù)時間是短的以及內(nèi)信號變化與內(nèi)比值、左比值或右比值比較是相當(dāng)小的，那么內(nèi)最高峰是非?？赡芤蝗コ摹Ｈ绻掷m(xù)時間是長的，那么變化比值的閾值是高的。
如果滿足了圖7的表中的各種條件，那么如圖6A組中所示的組內(nèi)的內(nèi)最高峰1010、1020和1030就要被剝奪資格。圖7是在比較中所用的比值的閾值的表。
對于自左側(cè)的持續(xù)時間和自右側(cè)的持續(xù)時間的數(shù)值的組合，根據(jù)下面的公式，在圖7中的表內(nèi)的每個框內(nèi)的閾值必須是真的具有無干擾斜線。
Ratio_Left＞＝Left_Threshold1和Ratio_Right＞＝Right_Threshold1或
Ratio_Left＞＝Left_Threshold2和Ratio_Right＞＝Right_Threshold2或Ratio_Left＞＝Left_Threshold3和Ratio_Right＞＝Right_Threshold3或Ratio_Left＞＝Left_Threshold4和Ratio_Right＞＝Right_Threshold4或Ratio_Left＞＝Left_Threshold5和Ratio_Right＞＝Right_Threshold5對于左和右閾值，圖7的表的每個框中的五對數(shù)值如下Left_Threshold1；Right_Threshold1Left_Threshold2；Right_Threshold2Left_Threshold3；Right_Threshold3Left_Threshold4；Right_Threshold4Left_Threshold5；Right_Threshold5例如，2.25和1.33是自左側(cè)的持續(xù)時間和自右側(cè)的持續(xù)時間都小于0.75s的第一組數(shù)值的Left_Threshold1和Right_Threshold1。第二個閾值2和1.5是自左側(cè)的持續(xù)時間和自右側(cè)的持續(xù)時間都小于0.75s的第一組數(shù)值的Left_Threshold2和Right_Threshold2。
如果任何最高峰測試組滿足圖7的表中的任一條件，該組內(nèi)的內(nèi)最高峰被認(rèn)為是要被剝奪資格的并需要被去除的，因為所用的原始數(shù)據(jù)是太吵雜而不能得到好的結(jié)果。
參照于圖9A和9B所示的平行四邊形，更容易理解圖7的表中所呈現(xiàn)的測試的性能，其中測試了圖5的平滑化陣列的原始數(shù)據(jù)以發(fā)現(xiàn)過多的信號干擾水平。如圖9A所示的，有著外變化Var_ext 2040和終止變化Var_end 2050的上升干擾斜線在這兩個變化之間具有可畫出的平行四邊形。如果原始信號數(shù)據(jù)在平行四邊形之內(nèi)，原始數(shù)據(jù)被認(rèn)為是含有干擾，但不是太吵雜。同樣地對于下降干擾斜線，如圖9B所示，如果峰在外變化Var_ext 2060和終止變化Var_end 2090所確定的平行四邊形內(nèi)，那么峰被認(rèn)為是干擾。圖9B的下降干擾斜線是在平行四邊形內(nèi)，所以它不是干擾斜線。
因此，例如如果通過測試上述條件中的原始數(shù)據(jù)認(rèn)為圖5的上升斜線422是干擾斜線，那么通過刪除從點401到601的吸氣流速將最高峰450從最高峰陣列中消除出去，并用分段線性近似將其取代，它通過使用具有相應(yīng)地近似吸氣流速的一條、二條或三條線的一級、二級或三級線性方程的線性近似將這些最高峰模式平滑化。用每個一級、二級或三級近似方法的誤差率看哪個方法產(chǎn)生了最小誤差并應(yīng)當(dāng)據(jù)此選擇方法。下面將解釋一級、二級和三級近似以及誤差分級。
圖8A、8B和8C顯示了用于近似流速的一級、二級和三級分段線性法。
圖8A顯示了具有點201的吸氣起點和最高峰250的干擾斜線。點201的吸氣起點和最高峰250之間的單虛線222是一級分段線性法的近似。誤差221是從局部峰120到線222的線性距離。注意從局部峰130或從谷135到線222的舉例都沒有從局部峰120的距離遠(yuǎn)，所以局部峰120被選用于誤差。
圖8B顯示了二級、雙線分段線性近似。圖8B具有非常不同于圖8A的差別以有助于顯示所包含的原理。在圖8B中，在比較了所有可能的線對的最小誤差的組合后，選擇了雙線231和232。誤差223是或者線231或者線232與原始數(shù)據(jù)之間的最大差異。將誤差223與誤差221比較看一級或二級線性近似中的哪個具有最小誤差。
圖8C顯示了三級、三線分段線性近似。圖8C具有非常不同于圖8A和圖8B的差別以有助于顯示所包含的原理。在圖8C中，在比較了所有可能的線的組合的最小誤差的組合后，選擇了雙線231、232和233。誤差227是線231、232、233與原始數(shù)據(jù)之間的最大差異。將誤差227與誤差221和223比較看一級、二級、或三級線性近似中的哪個具有最小誤差。
然后選擇最小誤差分段線性近似斜線填充最高峰陣列中的干擾斜線。
既然本領(lǐng)域人員很好理解將一級、二級和三級分段線性近似組合到圖形中的方法，所以在此沒有給出方法的細(xì)節(jié)。
從上述的吸氣氣流數(shù)據(jù)中可以容易地明白將相同的方法應(yīng)用于呼氣氣流數(shù)據(jù)以消除干擾斜線。
在呼吸時，吸氣氣體的容積必須等于呼出氣體的容積。因此在算法的模塊10090中測試了這一點以顯示平滑化分段線性校正的最高峰吸氣數(shù)據(jù)匹配于平滑化分段線性校正的最低峰呼氣數(shù)據(jù)。上述測試了具有相當(dāng)小幅度和短持續(xù)時間的干擾信號。但是，還沒有篩選大的干擾和假象。大的干擾和假象可以由呼吸模式的變化所引起并表現(xiàn)為呼吸檢測中的難題。這些變化的常見實例是患者改變體位、經(jīng)口呼吸、嚴(yán)重的氣流受限性呼吸以及呼吸時相后的異常呼吸。用以下的技術(shù)檢測不太可能的最高和最低峰，至此它們已經(jīng)通過了所有的平滑化測試。
現(xiàn)在檢查多次連續(xù)的呼吸以進(jìn)一步地剝奪一些最高峰和最低峰的資格。用最高峰對和最高峰對鏈檢查多次連續(xù)的呼吸以進(jìn)一步地從吸氣峰的侯選列中剝奪一些最高峰的資格。一直到3.5分鐘，形成了連續(xù)的最高峰對以及最高峰的最高峰對的組并由算法的模塊10100測試以得到最高峰鏈。最高峰對和最高峰鏈的測試是用于測試更長時間段內(nèi)的呼吸。最高峰對測試覆蓋了整個呼吸周期以及最高峰鏈測試覆蓋了與多次呼吸的吸氣和呼吸相關(guān)的最高峰。測試了多次呼吸，通常是2到5次呼吸，提供了呼吸樣本，其中如果呼吸是正常的，那么關(guān)于患者的數(shù)據(jù)可被用于控制機(jī)器。
從例如在圖5所示的最高峰的陣列中，檢查任何兩個連續(xù)的最高峰之間的呼吸時相以形成最高峰對例如250和450、或450和650、或650和850。
在對最高峰對的檢測中，我們得到三組參數(shù)表示最高峰對。第一組參數(shù)與持續(xù)時間相關(guān)。第二組參數(shù)與信號的“形態(tài)”相關(guān)，它包括外持續(xù)時間內(nèi)的信號水平的變化、以及內(nèi)持續(xù)時間內(nèi)的不同信號水平的位置指數(shù)。第三組參數(shù)是在內(nèi)持續(xù)時間的信號期間的干擾指數(shù)。
首先，測試最高峰看吸氣持續(xù)時間是否是至少0.75秒，這是我們的測試所要求的最小的吸氣持續(xù)時間。
其次，測試最高峰之間的持續(xù)時間看它們是否是小于10秒。
第三，最高峰之間的信號水平不能超過由下面公式所定義的閾值“T”T＝兩個峰的較低峰的最高峰-(兩個峰的較低峰的最高峰-彼此之間的最低峰)/5。
圖10顯示了一個最高峰1250、一個最高峰1450、一個最低峰1401以及閾值T。在圖10中，峰1270是在峰1250和1450之間并超過了閾值T，所以將最高峰250和1450的最高峰對排除作為最高峰鏈中的一個最高峰對。
對于每個可接受的最高峰對，進(jìn)行其他的測試以確定最高峰對的形態(tài)。如圖11A所示，顯示了具有最高峰1650和第二個最高峰1850的最高峰對。最高峰對的持續(xù)時間是吸氣流速最高點1650和1850之間的持續(xù)時間D，它必須是在0.75秒和10秒之間。1650的信號水平的變化是起點的變化Var_s以及1850的信號水平的變化是終點的變化Var_e。從在1801的兩者之間的最小信號數(shù)值中測定出變化。在圖11B中，對于下降信號數(shù)值，將信號數(shù)值平滑化為虛線L，而對于上升信號數(shù)值，將信號數(shù)值平滑化為虛線R。當(dāng)信號數(shù)值下降時，虛線L隨著信號數(shù)值，然后水平繪制虛線L直到數(shù)值再次減低。同樣，當(dāng)信號數(shù)值上升時，虛線R隨著信號數(shù)值，然后水平繪制虛線R直到數(shù)值再次增高。根據(jù)圖11B中的虛線L和R的左側(cè)和右側(cè)的信號數(shù)值，顯示了在相應(yīng)地代表最高峰信號水平1650的5％、25％、50％、75％和95％的點L_5、L_25、L_50、L_75和L_95上所測定的吸氣的左側(cè)或下降部分以及吸氣的右側(cè)或上升部分的信號數(shù)值的時間。也記錄了在相應(yīng)地代表最高峰信號水平1850的5％、25％、50％、75％和95％的R_5、R_25、R_50、R_75和R_95上的信號數(shù)值。
確定了在5％、25％、50％、75％和95％位置上的時間的吸氣氣流信號和近似線L及R之間的差別。然后計算出平均和最大干擾水平。
例如變化1620是峰1660和在下降信號氣流L上的50％1650數(shù)值之間的差別，以及變化1812是在峰1850和上升氣流R的50％數(shù)值之間的變化。
現(xiàn)在用最大峰對的統(tǒng)計學(xué)測定法確定可接受的最高峰鏈。第一個最高峰鏈測試是在算法的模塊10110中運行的相似性測試。它測試了最高峰鏈中的最高峰對之間的相似性。
在對最高峰對的相似性測試中有七(7)種構(gòu)件。參照圖11A，構(gòu)件是持續(xù)時間D、外持續(xù)時間內(nèi)的信號變化、內(nèi)持續(xù)時間內(nèi)的平均信號水平、外持續(xù)時間內(nèi)的信號“形態(tài)”、外持續(xù)時間內(nèi)的信號“形態(tài)”、平均干擾水平以及最大干擾水平。
這些構(gòu)件被定義為最高峰對的持續(xù)時間是最高峰對中的起始最高峰和終末最高峰之間的時間。
用Var表示最高峰對的外持續(xù)時間內(nèi)的信號水平的變化，它被定義為起始變化Var_s和終止變化Var_e的變化的平均值，即Var＝(Var_s+Var_e)/2用Aver表示內(nèi)持續(xù)時間內(nèi)的平均信號水平，它被定義為Aver＝(Value_s+Value_e+2*Value_m)/4+C其中，Value_s和Value_e是最高峰對的起始和終末的最高峰的數(shù)值，Value_m是最高峰對的最高峰之間的最小值，以及C是與數(shù)據(jù)采集的設(shè)置相關(guān)的常數(shù)。C可以是患者流速數(shù)值的動態(tài)范圍的1/4以減少小的氣流數(shù)值對平均氣流數(shù)值的影響。
用Asy表示對最高峰對中的信號“形態(tài)”的不對稱測定，它被定義為最高峰對的起點和終點之間的信號變化的相對差異，即Asy＝(Var_e-Var_s)/(max(Var_e，Var_s)+1)其中Var_s和Var_e是對高峰對的起點和終點之間的信號變化，以及max(Var_e，Var_s)是Var_s和Var_e之間的最大值例如點1810。
對最高峰對的信號“形態(tài)”的測定。用如圖11B所示的線L和線R的左側(cè)和右側(cè)5％、25％、50％、75％和95％位置確定形態(tài)。信號形態(tài)比較了在5％、25％、50％、75％和95％位置的數(shù)值以表示呼吸的形態(tài)。
用Noise_aver表示平均干擾水平，它被定義為Noise_aver＝(Noise_averS/Var_s+Noise_averE/Var_e)/2
其中Noise_averS和Noise_averE是最高峰對的起始和終末的平均干擾水平，Var_s和Var_e是最高峰對的起點和終點之間的信號變化。
用Noise_max表示最大干擾水平，它被定義為Noise_max＝(Noise_maxS/Var_s+Noise_maxE/Var_e)/2其中Noise_maxS和Noise_maxE是最高峰對的起始和終末的最大干擾水平，Var_s和Var_e是最高峰對的起點和終點之間的信號變化。
對于七種構(gòu)件的每個構(gòu)件，計算了多種統(tǒng)計學(xué)測定值，它們包括如下所定義的平均值、標(biāo)準(zhǔn)差、平均和最大誤差對于給定的數(shù)據(jù)組di，i＝1，2，...，N，該數(shù)據(jù)組的平均值Mean_d被定義為Mean_d＝(∑di)/N，i＝1，2，...，N該數(shù)據(jù)組的標(biāo)準(zhǔn)差Std_d有著以下的公式Std_d＝((∑di)2/N)0.5，i＝1，2，...，N平均和最大誤差被定義為數(shù)據(jù)組的單個數(shù)據(jù)和它的平均值之間的平均和最大誤差。
我們首先從單個最高峰對中計算出其中構(gòu)件，并從序列的所有最高峰對中得到每個構(gòu)件的四個統(tǒng)計學(xué)分析結(jié)果。最后，我們定義了“相似性”測試的兩個指數(shù)，稱為平均指數(shù)和誤差指數(shù)。平均指數(shù)是平均指數(shù)＝持續(xù)時間指數(shù)+非對稱性指數(shù)+干擾指數(shù)持續(xù)時間指數(shù)是對如何接近于平均持續(xù)時間的測定值，一個最高峰對的序列形成了一個“標(biāo)準(zhǔn)的”持續(xù)時間。最高峰對的持續(xù)時間被分為五類，稱為短、短中、中和長中、以及長持續(xù)時間。如果平均持續(xù)時間是更接近于中持續(xù)時間的范疇，小數(shù)目被賦予平均指數(shù)，否則更大的數(shù)目被賦予平均指數(shù)。非對稱性指數(shù)是與(Asy-1)成比例，即如果最高峰對的“形態(tài)”具有更高的對稱性(Asy～＝1)，小數(shù)值被賦予非對稱性指數(shù)。干擾指數(shù)是對最高峰對的信號水平與信號的“標(biāo)準(zhǔn)形態(tài)”的接近度的測定，它由平均和最大干擾水平所表示。
通過將平均指數(shù)開始為1計算平均指數(shù)，并按如下調(diào)整下面是持續(xù)時間的分類如果平均持續(xù)時間是非常的短≤2s，那么平均指數(shù)增加2。
如果平均持續(xù)時間是相當(dāng)?shù)亩淘?s和3s之間，那么平均指數(shù)增加1。
如果平均持續(xù)時間是相當(dāng)?shù)拈L≥7.5s并＜8.5s，那么平均指數(shù)增加1。
如果平均持續(xù)時間是非常的長≥8.5s，那么平均指數(shù)增加2。
如果非對稱性是小的(平均非對稱性-1≤0.3s)，那么平均指數(shù)增加1。
如果非對稱性是中等的(平均非對稱性-1≤0.5s)，那么平均指數(shù)增加2。
否則，平均指數(shù)增加3。
如果平均干擾是小的(平均的平均干擾≤0.16以及平均最大干擾≤0.4)或(平均的平均干擾≤0.2以及平均最大干擾≤0.33)，那么平均指數(shù)增加1。
如果平均干擾是中等的(平均的平均干擾≤0.33以及平均最大干擾≤0.75)或(平均的平均干擾≤0.4以及平均最大干擾≤0.66)，那么平均指數(shù)增加2。
否則，平均指數(shù)增加3。
將所生成的平均指數(shù)減去3，并將其限定于從1到4的范圍內(nèi)。因此，平均指數(shù)可以具有1、2、3或4的數(shù)值，以及更小的數(shù)值意味著最高峰對最可能是來自于后繼的呼吸。
根據(jù)“分類”的原理設(shè)計平均指數(shù)，我們首先在腦子中有一個“標(biāo)準(zhǔn)的”信號形態(tài)(中等持續(xù)時間、對稱、和“無干擾”)，然后平均指數(shù)是對來自單個最高峰對的每個信號模式如何接近于“標(biāo)準(zhǔn)的”模式的測定。誤差指數(shù)是根據(jù)對來自所有最高峰對的樣本數(shù)據(jù)在序列中的分布的測定，如果樣本數(shù)據(jù)是彼此太接近的(更相似的)，誤差或標(biāo)準(zhǔn)差是小的，以及誤差指數(shù)將一樣是小的。
根據(jù)參數(shù)持續(xù)時間、變化、平均信號水平、不對稱性、左斜線形態(tài)和右斜線形態(tài)的平均誤差和最大誤差的數(shù)值可計算出誤差亞指數(shù)。誤差指數(shù)是除了不對稱性以外的所有構(gòu)件的平均和最大誤差的亞指數(shù)的總和。序列內(nèi)的所有最高峰對的一種構(gòu)件彼此越接近，那么亞指數(shù)的數(shù)值更小，因此誤差指數(shù)的數(shù)值就更小。
誤差亞指數(shù)的數(shù)值依賴于不連續(xù)的分類。每種類型被如下定義平均誤差不超過一個閾值以及最大誤差不超過另一個閾值以及前一個類型所不具有的條件。
分類如下(平均誤差和最大誤差閾值)如果是(0.12和0.33)或(0.18和0.24)，則為類型1如果是(0.18和0.48)或(0.27和0.36)，則為類型2如果是(0.25和0.75)或(0.37和0.50)，則為類型3如果是(0.32和0.96)或(0.48和0.64)，則為類型4如果是(0.40和0.12)或(0.60和0.80)，則為類型5如果是(0.50和1.50)或(0.75和1.00)，則為類型6其他為類型7。
通過利用平均指數(shù)和誤差指數(shù)，我們進(jìn)行了“相似性”測試。如果最高峰對的序列已經(jīng)通過了測試，那么就找到了最高峰鏈。換句話說，最高峰鏈?zhǔn)蔷哂邢嗨颇Ｊ降淖罡叻鍖Φ膮R集。最高峰鏈中的最高峰對的數(shù)目優(yōu)選地是從3到6個最高峰對。應(yīng)當(dāng)注意到最高峰鏈只是一個指數(shù)載體，以及載體的每個構(gòu)件都是最高峰對的指數(shù)。
如圖37中的每個最高峰對的序列大小的組合的相似性表所示，這里有相應(yīng)的具有閾值誤差指數(shù)的平均指數(shù)，所接受的序列不能超過該指數(shù)。
相似呼吸的鏈顯示患者正在以穩(wěn)定的模式呼吸，并且可以分析呼吸以控制CPAP機(jī)器或其他呼吸輔助設(shè)備。
當(dāng)完成對最高峰鏈的處理之后，該處理已經(jīng)從最高峰鏈中消除了一些最高峰對，在模塊10120中驗證最高峰鏈。在驗證處理期間，將最高峰對添加到在模塊10110的最高峰鏈處理中已被刪除了最高峰對的最高峰鏈中可能是必要的。
在模塊10120的驗證中，我們首先調(diào)出在模塊10110中所生成的起始的球面最高峰和最低峰陣列的數(shù)據(jù)，并比較了最接近的最低峰陣列，使得最高峰陣列中的吸氣起點應(yīng)當(dāng)匹配于最低峰陣列的呼氣終點，以及最高峰陣列的呼吸起點應(yīng)當(dāng)匹配于最低峰陣列的吸氣終點。
因此，對于給定的最高峰3050，我們計算出最高峰3050的位點到從如圖12A所示的最低峰陣列中的最接近的左位點4150之間的持續(xù)時間，用left_min表示。如果持續(xù)時間比預(yù)先設(shè)定的閾值更長，這就意味著我們可能已經(jīng)刪除了一次球面最高峰，作為在模塊10110的最高峰鏈處理步驟中的平滑化處理的結(jié)果。因此，將一個新的最高峰3150加入到起始的球面的最高峰陣列中，并且這個“丟失的”最高峰應(yīng)當(dāng)不“遠(yuǎn)離”于最低峰的最接近的左位點4101。為了添加一個新的最高峰，我們盡力地去用最初的最高峰數(shù)據(jù)即來源自模塊10030的最高峰覆蓋所“丟失的”峰位點。然后峰位點被定義為最高峰指數(shù)，它是最接近的左位點即left_min 4101，以及這個所添加的最高峰的左3101和右3201位點(指數(shù))可以是如在后面所定義的那樣隨意的。這個處理被稱為最高峰“左側(cè)”驗證。相同的方法可被應(yīng)用于最高峰“右側(cè)”驗證，其中我們計算出最高峰3250的位點到倆子最低峰陣列的最接近的右位點4201之間的距離right_min。如果這個持續(xù)時間比預(yù)設(shè)的閾值更長，那么可以包括一個額外的最高峰。我們也有如圖12B所示的最低峰的“左側(cè)”和“右側(cè)”驗證。因此，我們有四個“基于邊”的驗證。在基于邊的數(shù)據(jù)之后，算法用“基于峰”的數(shù)據(jù)檢查了新峰。如圖13所示的基于峰的檢查檢測了是否在起始的球面的最高峰陣列中的一對任何最高峰例如3450和3650之間是否存在著最低峰。如果沒有最低峰的數(shù)據(jù)，我們需要添加新的最低峰4550。這個新的最低峰指數(shù)(位點)被定義為其信號水平是在這個最高峰對內(nèi)的最低點的位置，并且新的最高峰對的左和右位點(指數(shù))3401和3690也是隨意的。如果需要，根據(jù)“基于最低峰”的驗證，我們用同樣的方法添加新的最高峰。
在算法的驗證中的下一個測試是一種用兩種測定進(jìn)一步檢查最高峰和最低峰陣列的排除方法。第一個測定是信號水平驗證。如果任一最高峰對或最低峰對內(nèi)部的信號水平仍然沒有變化，這個最高峰對或最低峰對必須被刪除，以及也必須從陣列中排除相應(yīng)的最低峰對或最高峰對。這個驗證針對于去除具有恒定信號水平的最高峰或最低峰。這將消除面罩脫落或其他流速信號沒有變化的故障的情況。第二個測定是兩個連續(xù)的最高峰對或最低峰對之間的持續(xù)時間4600以及顯示了呼吸的持續(xù)時間和容積的面積4700。如果兩個對具有的持續(xù)時間太短，那么這些對是彼此太“接近的”。因為呼吸是太短的，所以應(yīng)當(dāng)從陣列中排除在峰位點上具有較小的信號水平幅度的最高峰對或最低峰對。為了定義一個兩個連續(xù)的最高峰對或最低峰對之間的“近似性”指數(shù)，我們首先計算出如圖14所示的這兩個最高峰對的持續(xù)時間(Dur)4600和面積(Area)4700。對于給定的第i個和第(i+1)個最高峰對，檢驗了Dur(i，i+1)以及Area(i，i+1)。然后如下我們得到了相對持續(xù)時間Dur(i，i+1)r、平均面積Area(i，i+1)ave、以及最大面積Area(i，i+1)maxDur(i，i+1)r＝2*Dur(i，i+1)/(Dur(i-1，i)+Dur(i+1，i+2))Area(i，i+1)ave＝Area(i，i+1)/(Area(i-1，i)+Area(i+1，i+2))Area(i，i+1)max＝Area(i，i+1)/min(Area(i-1，i)，Area(i+1，i+2))其中min(Area(i-1，i)，Area(i+1，i+2))是Area(i-1，i)和Area(i+1，i+2)中的最小值。
如果滿足以下的任一條件，兩個最高峰對被定義為太“接近”1.Dur(i，i+1)r＜＝0.5和Area(i，i+1)max＜＝0.5和Area(i，i+1)aver＜＝0.12.Dur(i，i+1)r＜＝0.5和Area(i，i+1)max＜＝0.33和Area(i，i+1)aver＜＝0.1253.Dur(i，i+1)r＜＝0.75和Area(i，i+1)max＜＝0.4和Area(i，i+1)aver＜＝0.084.Dur(i，i+1)r＜＝0.75和Area(i，i+1)max＜＝0.25和Area(i，i+1)aver＜＝0.15.Dur(i，i+1)r＜＝1和Area(i，i+1)max＜＝0.33和Area(i，i+1)aver＜＝0.0666.Dur(i，i+1)r＜＝1和Area(i，i+1)max＜＝0.2和Area(i，i+1)aver＜＝0.08如果發(fā)現(xiàn)兩個最高峰對是太“接近的”，從陣列中排除在峰位點上具有較小的信號水平幅度的最高峰對。如圖15A所示，應(yīng)當(dāng)刪除第(i+1)最高峰對，圖15B顯示了在排除第(i+1)最高峰對后的最高峰對陣列。同時，也應(yīng)當(dāng)排除與被刪除的最高峰對相關(guān)的最低峰對。相同的方法可被應(yīng)用于最低峰檢查處理中。
如圖15A和15B所示，當(dāng)區(qū)域5100被消除后，下降斜線5075仍在原位，上升斜線5225’填補了去除區(qū)域5100后所留下的空隙。在消除區(qū)域5100之前和之后，持續(xù)時間6000仍是相同的，而持續(xù)時間6200增加了持續(xù)時間6100稱為了持續(xù)時間6200’。上升斜線5225’的形態(tài)和長度已經(jīng)不同于斜線5225，而所有的其他斜線都仍無變化。
先前的驗證去除了一些彼此太接近的最高峰對和最低峰對。算法的下一步是檢查鄰近的最高峰或最低峰對看是否它們是離得太遠(yuǎn)。如果它們是離得太遠(yuǎn)，可能已經(jīng)意外地刪除了一些真實的最高峰或最低峰。在此所用的主要標(biāo)準(zhǔn)是對最高峰和最低峰之間的持續(xù)時間的測定。如果該持續(xù)時間比預(yù)設(shè)的閾值要更長，我們查看了最初的局部的最高峰或最低峰數(shù)據(jù)看是否有任何一個峰已經(jīng)被作為附加的球面的最高峰或最低峰而被剝奪資格。在這個驗證中，使用了兩種類型的“長距離”測定“4秒”驗證和“10秒驗證”。在“4秒”驗證中，算法的步驟是1.計算出每個最高峰對內(nèi)的任一峰位點與最接近的最低峰對的峰位點之間的持續(xù)時間。
2.如果持續(xù)時間長于Td＝4秒，那么從最初的局部的最高峰和最低峰組中搜索出新的最高峰和新的最低峰?？赡艿暮钸x者必須滿足三個條件，稱為位點、信號幅度和平滑化。圖16顯示了插入到峰位點6550和6750之間的新的最高峰和最低峰對。三個條件被定義為a.位點條件相應(yīng)地從最高峰6550或最高峰6750到新的最高峰6650的最小持續(xù)時間5500或5600必須不能短于1秒。同樣的，相應(yīng)地從最高峰6550或最高峰6750到新的最低峰7650的最小持續(xù)時間5300或5400必須不能短于1秒。另外，新的最高峰6650應(yīng)當(dāng)位于最高峰6550和最高峰6750之間的半路處，而新的最低峰7650應(yīng)當(dāng)位于最低峰7550和最低峰7750之間的半路處。
b.幅度條件如圖17所示，新的最高峰6650和最低峰7650的幅度必須大于閾值A(chǔ)p，Ap依賴于相鄰的最高峰和最低峰的幅度。其中Ap＝Amin+0.75*AvarAmin＝ALmin和ARmin中的最小值
Avar＝(ALmax+ARmax)的平均值減去(ALmin+ARmin)的平均值參照字符L代表左手或時間數(shù)據(jù)中的先于新插入的最高峰或最低峰的部分，以及R代表時間數(shù)據(jù)中晚于新插入的最高峰或最低峰的部分。
從峰位點6550之前的多個對(建議最多到4個對)中計算出ALmax和ALmin參數(shù)，以及從峰位點6750之后的多個對(一樣最多到4個對)中計算出ARmax和ARmin參數(shù)，c.平滑化條件在圖16中所添加的最高峰6650和最低峰7650被認(rèn)為是相當(dāng)平滑的，這可通過比較線L和R的干擾水平與這兩個峰內(nèi)的信號變化(如圖16中所示為內(nèi)變化V)來測試。為了計算出線L和R的干擾水平，如圖16所示，我們首先為線L和線R定義出“單一線”。然后我們計算出線L或線R和在一些點例如最高點的5、25、50、75和95百分比點上的實際氣流信號數(shù)據(jù)水平之間的差異。最后，我們定義出平均和最大的干擾水平。如果平均干擾小于內(nèi)變化V的12.5％以及最大干擾小于V值的50％，那么新的最高峰和最低峰就通過了平滑化條件測試。
如果滿足了所有的三個條件(a、b和c)，將新的最高峰和最低峰對插入到峰位點6550和6750之間。
然后算法測試了長持續(xù)時間或10秒的驗證。持續(xù)時間閾值被定義為10秒，即如果每個最高峰對中的任一峰位點和最接近的最低峰對的峰位點之間的持續(xù)時間大于10秒，那么必須添加新的最高峰和最低峰對。對于新添加的最高峰和最低峰也有三種測定，稱為持續(xù)時間比值、信號水平比值和干擾比值。
a.持續(xù)時間比值對于任何需測試的最高峰對和最低峰對，我們首先計算出在需測試的最高峰和最低峰對之后的所有連續(xù)的最高峰和最低峰對的平均持續(xù)時間。然后，我們定義出對持續(xù)時間比值Dur_ratio的測定為如果Dur_aver＞Dur，那么Dur_ratio＝Dur/Dur_aver
否則Dur_ratio＝Dur_aver/Durb.信號水平比值從需測試的最高峰和最低峰對的點開始，我們得到了形成所有最高峰和最低峰對的最低和最高點，用S_min和S_max表示。信號水平比值S_ratio被定義為S_ratio＝S_diff/(S_max-S_min)其中S_diff是需測試的最高峰和最低峰之間的不同的信號水平。
c.干擾比值需測試的最高峰和最低峰對內(nèi)部的干擾水平，以及用在5％、25％、50％、75％和95％的流速值處的相似的“五點”測定值找出平均干擾水平N_aver。然后干擾比值N_ratio被定義為N_ratio＝N_aver/S_diff與先前的方法不同，我們定義了一個測定值Comb_ratio，它是測試最高峰和最低峰對的三個比值的組合。Comb_ratio被定義為Comb_ratio＝S_ratio*Dur_ratio*(1-N_ratio)將具有最大值Comb_ratio的最高峰和最低峰對添加為球面的最高峰或最低峰陣列中的新的對。對Comb_ratio的測定常被作為一種“相似性測試”，它意味著一個最高峰和最低峰對與其他的對越接近，那么該對被添加到球面的最高峰和最低峰陣列中的可能性就更大。
球面平滑化處理的最后步驟是更新球面的最高峰和最低峰陣列。因此，我們可以從更新后的球面的最高峰和最低峰陣列中得到以下的信息。
每個最高峰后都跟有最低峰。
每個最高峰都與可能的吸氣相相關(guān)，以及隨后的最低峰可能表示呼氣相。
然后在模塊10130中，算法用上述調(diào)整的球面氣流數(shù)據(jù)確定出吸氣間期。
所估計的呼吸的吸氣和呼氣的起點和終點是發(fā)生呼吸的流入和流出的轉(zhuǎn)折點。在這些轉(zhuǎn)折點上，氣流數(shù)據(jù)開始顯著地增加。當(dāng)如圖18所示的將吸氣和呼氣數(shù)據(jù)結(jié)合到一個圖上時，顯示了吸氣氣流峰8250、8450和8650以及呼氣氣流峰8350、8550和8750。轉(zhuǎn)折點是氣流從零到顯著增加或減少的變化的點，如吸氣的點8201、8401和8601以及呼氣的點8301、8501和8701。圖顯示了吸氣區(qū)域8400和呼氣區(qū)域8500。吸氣相的起點是呼吸相的終點。
為了估計吸氣間期，鑒別出最高峰和最低峰。優(yōu)選地從250赫茲的最初測定數(shù)據(jù)中而不是從來自上述的調(diào)整數(shù)據(jù)的10赫茲調(diào)整的球面數(shù)據(jù)中選出與最高峰相關(guān)的指數(shù)點。這將變換發(fā)生最大和最小氣流的點。通過使用更少的數(shù)據(jù)點，用10赫茲的數(shù)據(jù)縮短計算時間。一旦建立了峰，選出轉(zhuǎn)折點并計算出吸氣和呼氣的面積。吸氣面積應(yīng)當(dāng)約等于呼氣面積。吸氣和呼氣的轉(zhuǎn)折點應(yīng)當(dāng)是約相等的數(shù)值。圖18顯示了轉(zhuǎn)折點8201、8301、8401、8501、8601和8701。最高峰是8250、8450和8650。最低峰是8350、8550和8750。吸氣區(qū)域8400和呼氣區(qū)域8500是如圖18所示的三角形區(qū)域。吸氣區(qū)域8400的三角形的角是8401、8450和8501，以及呼氣區(qū)域8500的三角形的角是8501、8550和8601。8501應(yīng)當(dāng)是吸氣轉(zhuǎn)折點和呼氣轉(zhuǎn)折點的相同值或近似相同值。
現(xiàn)在在模塊10140中通過如圖10所示的更詳細(xì)地檢驗數(shù)據(jù)微調(diào)上述的模塊10130的吸氣和呼氣轉(zhuǎn)折點的近似以確定出最接近的吸氣和呼氣點，它更接近地近似了真實呼吸的形態(tài)。
當(dāng)在面罩中測定氣流時，在吸氣相和呼氣相期間的氣流的量可能是不同的，特別是當(dāng)患者用他們的嘴呼吸時，已知這是“氣流不平衡”。另外，所收集到的數(shù)據(jù)還有“面積不敏感性”問題。它的發(fā)生是因為當(dāng)患者開始吸氣時，氣流信號水平快速增加，但對氣流面積的測定是一個整合的過程，它比氣流信號本身的變化要慢得多。換句話說，氣流面積的變化對于準(zhǔn)確地測定出氣流信號快速變化的吸氣的起點是不夠敏感的。盡管“氣流不平衡”和“面積不敏感性”影響了對吸氣間期測定的準(zhǔn)確性，但是計算氣流面積的簡單和廉價的計算方法提供了一種以合理的準(zhǔn)確性估計出吸氣間隔的好方法。用所估計出的結(jié)果，還進(jìn)行了根據(jù)檢測氣流信號模式的變化對吸氣起點的微調(diào)。從信號測定點的角度看，吸氣相的起點被定義為氣流信號開始“顯著”增加的點。這個對吸氣起點的定義是相當(dāng)有用的(robust)。采用三級線性近似法檢測吸氣的起點。通過使用三級分段線性近似法，三條斜線比單一斜線將更接近地近似出吸氣和呼氣以進(jìn)一步地確定出呼吸的形態(tài)。
圖19顯示了在吸氣的上升斜線上的第一條斜線8819、第二條斜線8820和第三條斜線8830以及兩條更斜的近似吸氣的下降斜線的線8840和8850。
下面計算了一級、二級和三級方程1.在圖20A中顯示了一級線性近似。
對于給定的氣流信號F(k)，k＝i，i+1，...，i+m，如在一級線性近似法中所示的，定義出了一個線性方程F’(k)為F’(k)＝a+b*(k-i)其中常數(shù)a＝F(i)，以及斜率b＝(F(i+m)-F(i))/m。
F(k)與F’(k)之間的差異可被計算為Diff(k)＝|F(k)-F′(k)|＝|F(k)-a-b*(k-i)|在本研究中的近似的誤差被定義為Err_one＝max(Diff(k))其中，max(Diff(k))是Diff(k)的最大值。
然后在圖20A中用虛線顯示出一級近似。
2.在圖20B中顯示了二級線性近似。
對于給定的氣流信號F(k)，k＝i，i+1，...，i+m，二級線性近似法定義出了一個分段線性方程F’(k)為對于第一條斜線，F(xiàn)’(k)＝a1+b1*(k-i)，k＝i，i+1，...，m1
對于第二條斜線，F(xiàn)’(k)＝a2+b2*(k-m1-1)，k＝m1+1，ml+2，...，i+m其中兩個常數(shù)a1和a2被定義為a1＝F(i)，a2＝F(m1+1)用下面的公式計算出兩個斜率b1和b2b1＝(F(m1)-F(i))/(m1-i)b2＝(F(i+m)-F(m1+1))/(i+m-m1-1)用下面的公式得到F(k)與F’(k)之間的差異對于第一條斜線，Diff(k)＝|F(k)-F′(k)|＝|F(k)-a1-b1*(k-i)|，k＝i，i+1，...，m1對于第二條斜線，Diff(k)＝|F(k)-F′(k)|＝|F(k)-a2-b2*(k-m1-1)|，k＝m1+1，m1+2，...，i+m然后近似誤差被定義為Err_two＝max(Diff(k))近似誤差Err_two是一個m1的函數(shù)，m1是所謂的轉(zhuǎn)折點(如圖20B所示)。用搜索處理找出該轉(zhuǎn)折點。從m1＝i+1開始，得到近似誤差Err_two(i+1)。當(dāng)m1增加到i+2，i+3 ，...，i+m-1時，我們已經(jīng)有一組近似誤差Err_two(i+2)，Err_two(i+3)，...，Err_two(i+m-1)。如果Err_two(j)是誤差組中的最小值，那么轉(zhuǎn)折點m1＝j(luò)。如我們在圖20A所見的那樣，氣流信號在轉(zhuǎn)折點m1上表現(xiàn)出顯著的變化(增加)。
3.三級線性近似在三級線性近似中，依據(jù)如圖G-1c中所示的最小近似誤差，我們需要定義出兩個轉(zhuǎn)折點m1和m2。對于給定的氣流信號F(k)，k＝i，i+1，...，i+m，三級線性近似被表達(dá)為對于第一條斜線，F(xiàn)’(k)＝a1+b1*(k-i)，k＝i，i+1，...，m1對于第二條斜線，F(xiàn)’(k)＝a2+b2*(k-m1-1)，k＝m1+1，m1+2，...，m2
對于第三條斜線，F(xiàn)’(k)＝a3+b3*(k-m2-1)，k＝m2+1，m2+2，...，i+mF(k)與F’(k)之間的差異為Diff(k)＝|F(k)-F′(k)|＝|F(k)-a1-b1*(k-i)|，k＝i，i+1，...，m1Diff(k)＝|F(k)-F′(k)|＝|F(k)-a2-b2*(k-m1-1)|，k＝m1+1，m1+2，...，m2Diff(k)＝|F(k)-F′(k)|＝|F(k)-a3-b3*(k-m2-1)|，k＝m2+1，m2+2，...，i+m其中常數(shù)a1、a2和a3被定義為a1＝F(i)，a2＝F(m1)，a3＝F(m2)如下計算出三個斜率b1＝(F(m1)-F(i))/(m1-i)b2＝(F(m2)-F(m1+1))/(m-2m1-1)b3＝(F(i+m)-F(m2+1))/(i+m-m2-1)然后近似誤差為Err_two＝max(|F(k)-F′(k)|)用與二級線性近似相似的搜索方法確定出m1和m2的數(shù)值。即當(dāng)我們改變m1和m2的數(shù)值時，我們得到了一組近似誤差Err_three。然后，當(dāng)Err_three達(dá)到最小值時，選擇轉(zhuǎn)折點m1和m2。
現(xiàn)在能更準(zhǔn)確地確定出轉(zhuǎn)折點，它將被用于更準(zhǔn)確地凸現(xiàn)出吸氣的起點。
圖5的單個吸氣斜線圖沒有顯示出真實的呼吸形態(tài)。吸氣的流速變化不是恒定的。圖19顯示了更為真實的吸氣氣流的呼吸形態(tài)。對于檢測吸氣起點的目的，我們可以集中于最低值和最高值之間的氣流信號之間的時間間期。在這個時間間期內(nèi)，根據(jù)氣流速度，常見的氣流改變有著三個“期“，對于圖19的情況，它具有例如慢變化、快變化和再次慢變化。在這個模式中，有兩個表示氣流速度變化的轉(zhuǎn)折點8801和8802，氣流信號表現(xiàn)為顯著上升的第一個轉(zhuǎn)折點被定義為吸氣的起點。應(yīng)當(dāng)注意到有著多種呼吸模式，但是在絕大多數(shù)情況下，對于檢測起點的目的，三條分段線對于近似吸氣的加速期是足夠準(zhǔn)確的。三條分段線的三級線性近似法被用于最優(yōu)化地近似出位于吸氣的加速期的氣流信號。三級線性近似處理的結(jié)果包括兩個轉(zhuǎn)折點8801和8802以及三個斜線8810、8820和8830的相應(yīng)的斜率值S1、S2和S3。轉(zhuǎn)折點8801和8802是吸氣起點的主要侯選者。檢測起點的標(biāo)準(zhǔn)是簡單地比較在轉(zhuǎn)折點8801和8802上的氣流信號水平的相對變化。當(dāng)測試時，如果轉(zhuǎn)折點8802是起點，我們首先計算4個參數(shù)，其中兩個是信號變化以及兩個是持續(xù)時間變化。這些參數(shù)被如下定義Var_ref＝F_B2-F_minVar_B2＝F_max-F_B2Dur_ref＝B2-P_minDur_B2＝P_max-B2如果滿足以下條件中的一個，那么8802被定義為吸氣的起點。
1.Var_B2＞＝1.5*Var_ref和Dur_B2＜0.5*Durr_ef2.Var_B2＞＝2*Var_ref和Dur_B2＜0.6*Dur_ref3.Var_B2＞＝2.5*Var_ref和Dur_B2＜0.75*Dur_ref4.Var_B2＞＝3*Var_ref和Dur_B2＜Dur_ref5.Var_B2＞＝3.5*Var_ref和Dur_B2＜1.2*Dur_ref6.Var_B2＞＝4*Var_ref和Dur_B2＜1.5*Dur_ref7.Var_B2＞＝4.5*Var_ref和Dur_B2＜2*Dur_ref8.Var_B2＞＝5*Var_ref和Dur_B2＜3*Dur_ref9.Var_B2＞＝7*Var_ref和Dur_B2＜4*Dur_ref10.Var_B2＞＝9*Var_ref和Dur_B2＜5*Dur_ref
11.Var_B2＞＝12*Var_ref和Dur_B2＜6*Dur_ref為了測試轉(zhuǎn)折點8801，我們也以相似的方法計算出了4個參數(shù)，即Var_ref＝F_max-F_B1Var_B1＝F_B1-F_minDur_ref＝P_max-B1Dur_B1＝B1-P_min如果滿足了十一(11)條條件的其中一個條件，那么轉(zhuǎn)折點8801被測試為吸氣的起點，與轉(zhuǎn)折點8802比較，測試轉(zhuǎn)折點8801的條件的唯一變化是用Var_B1(Dur_B1)取代Var_B2(Dur_B2)。
用相同的十一(11)條條件也可將轉(zhuǎn)折點8801定義為吸氣的起點，但是我們需如下重新計算四(4)個參數(shù)Var_ref＝F_B2-F_B1Var_B1＝F_B1-F_minDur_ref＝B2-B1Dur_B1＝B1-P_min在檢測出吸氣的起點后，然后我們在下降的氣流信號段上搜索出吸氣的終點。檢測出吸氣的終點，其中的信號水平與吸氣的起點的信號水平相同。
實行微調(diào)處理以微調(diào)每次呼吸的所有的估計的起點和終點。然后我們就有了一個吸氣間隔陣列，它包括每次呼吸的起點和終點位置的所有指示物。
在下降斜線上具有與吸氣起點相同的數(shù)值的點被當(dāng)作是吸氣的終點。
現(xiàn)在計算出每次呼吸的吸氣和呼氣的起點和終點并將其用于控制SPAP機(jī)器。每次呼吸的流速也是已知的并可被用于控制SPAP機(jī)器。
用所收集到的數(shù)據(jù)，SPAP機(jī)器需要檢測出三種類型的呼吸事件，稱為呼吸暫停和呼吸不足、打鼾、以及吸氣氣流受限。第一種類型的事件(吸氣暫停和呼吸不足)與吸氣氣流的減低有關(guān)，它是從所收集到的吸氣流速數(shù)據(jù)中直接收集到的。打鼾和吸氣流速限制是更可能發(fā)生于“異常的”呼吸時相中。如圖27A所示，對于“正常的”呼吸，吸氣氣流峰的信號的“形態(tài)”表現(xiàn)為“圓形”并且是相對平滑的。當(dāng)存在打鼾時，如圖27B所示，在吸氣期間可見高頻氣流信號。吸氣氣流受限被定義為患者在吸氣相的最先一半的時間間期內(nèi)不能生成連續(xù)的氣流增加時的事件。因此，如圖21C所示，吸氣氣流峰的氣流信號被稱為“平坦”。在模塊10150中進(jìn)行的平坦分析中，我們根據(jù)最小平方誤(LSE)法用最佳符合法確定出吸氣圖的峰的氣流信號的參照“平坦”線，并如圖21C所示的將在此期間內(nèi)的氣流信號和參照的“平坦”線之間的差異計算作為平坦誤差。具有最小值的平坦誤差被定義為平坦指數(shù)。然后用平坦指數(shù)測定氣流受限。平坦指數(shù)越小，吸氣氣流受限就越嚴(yán)重。對于圖21D的情況，氣流受限比圖21C中的更為嚴(yán)重。因此，區(qū)域1和2中的信號數(shù)據(jù)是只被用于計算平坦誤差的數(shù)據(jù)，這樣可得到更小的平坦誤差和平坦指數(shù)。已經(jīng)發(fā)展出表示打鼾程度的打鼾指數(shù)。打鼾指數(shù)被定義為對吸氣氣流的峰上的高頻信號的量的測定值。
平坦指數(shù)測定了吸氣氣流受限。在平坦指數(shù)分析中有著兩個步驟。首先確定出參照“平坦”信號水平。參照“平坦”信號水平近似了吸氣氣流。通過用最小平方誤(LSE)法將其找出。其次計算出平坦指數(shù)。通過計算氣流信號相對于該參照的“平坦”水平的誤差找出平坦指數(shù)。
1.參照“平坦”信號水平對于給定吸氣氣流的參照“平坦”信號水平被定義為具有長度為吸氣間隔的60％的直線。該直線斜線可以是平坦的、上升的或下降的。另外，每個吸氣相的“平坦”信號水平必須是根據(jù)最小平方誤法被最佳符合到給定的間隔(總吸氣相的60％)內(nèi)的氣流信號的直線。用“二維”(2-D)搜索法找出參照平坦信號水平，它包括水平(時間)和垂直(氣流)搜索。以下是2-D搜索法在水平搜索處理中，如圖22A和22B所示，對于在吸氣間隔(Ins_startIns_end之間)內(nèi)給定的氣流信號F，直線的長度被定義為0.6*(Ins_end-Ins_start)。從點Ins_start+0.05*(Ins_end-Ins_start)開始，我們用LSE找到一條組合氣流信號的直線。該處理每10ms持續(xù)一次，直到“平坦”線的終點等于或小于Ins_end-0.05*(Ins_end-Ins_start)。水平搜索生成了一組如圖22A所示的具有以下方程的直線YYi＝Ai+BiXi其中，i＝1，2，...，m，m＝0.4*(Ins_end-Ins_start)/10，是組中的直線的編號。Xi是時間(氣流信號的)指數(shù)，Ai和Bi是直線的參數(shù)，它們被定義為Ai＝(∑F(Xj)-Bi∑Xj)/LBi＝(L*∑(F(Xj)*Xj)-(∑F(Xj))*(∑Xj))/D其中，L＝0.6*(Ins_end-Ins_start)D＝(L*(∑(Xi)2)-(∑Xi)2)，利用時間指數(shù)的變化，我們得到了一組參照“平坦”線Yi，如圖22A所示，i＝1，...k...，m。線k是作為計算平坦誤差和指數(shù)的參照“平坦”線的最佳侯選者，因為它是最平坦的并被重新繪制于圖22B中。但是，根據(jù)對平坦誤差和指數(shù)的定義，這里存在著三個問題。第一，圖22B上的點1之前的信號和點2之后的信號不應(yīng)當(dāng)被用于計算平坦誤差和指數(shù)。第二，需要從計算值中去除區(qū)域2和線Yk的信號之間的差異。第三，在去除了象k的這些部分之后，對于剩余信號，信號不再具有所計算的LSE。
通過檢測圖22B上的間隔k的起點和終點的交叉點，點1和點2可以解決第一個問題，并只用這兩個交叉點之間的信號計算誤差和指數(shù)。通過根據(jù)垂直搜索調(diào)整參照“平坦”誤差可以解決第二個和第三個問題。對于水平搜索所形成的給定的參照“平坦”線I，我們計算出如圖23A所示的間隔i內(nèi)的氣流信號F和“平坦”線之間的差異。最大和最小偏差用DP和DN表示。保持線I的斜率相同，我們按DP/4、DP/2、3*DP/4和DP增加了線I的起點和終點形成線I1到I4，它們都平行于線I5。用相似的方式我們按DP/4、DP/2、3*DP/4和DP降低線I的起點和終點形成線I6到I9。因此，我們得到了從線I1到I9的一組九(9)條平行線，并根據(jù)這九(9)條平行線我們進(jìn)一步計算出平坦誤差和指數(shù)。
在計算平坦誤差上有四個階段。對于給定的時間指數(shù)I，我們得到一組九(9)條被稱為I1到I9的平行線。對于來自一組線-I，j＝1，2，...9的一條給定的線(i，j)，我們找到了來自間隔i起始的交叉點點1以及來自間隔i結(jié)束的第二個交叉點點2，圖23B顯示了點1和2。從交叉點1開始，我們計算出氣流信號和線(i，j)之間的平均差，直到信號達(dá)到交叉點2，但要除外氣流信號小于線(i，j)的區(qū)域2內(nèi)的信號。平均差用E′(i，j_start_end)表示，它表示吸氣氣流如何地接近于參照“平坦”線即線(i，j)。在平坦分析中，我們不僅需要直到吸氣氣流如何地接近于直線，還要直到該直線是如何的“平坦”。測定吸氣相期間的平均氣流信號是有用的。為了測定該“平坦”，我們計算出加權(quán)平坦誤差E(i，j_start_end)，它被定義為
E(i，j_start_end)＝F_mean1*E′(i，j_start_end)+F_mean2*D_f其中，F(xiàn)_mean1和F_mean2與吸氣相內(nèi)的平均信號有關(guān)，它們被定義為F_mean1＝C1/F_meanF_mean2＝C2/F_meanF_mean是吸氣相內(nèi)的平均氣流信號。它的范圍為從150到30不等，限定C1＝1000和C2＝60D_f是在間隔i的起點和終點的氣流信號之間的差異。
因此，加權(quán)平坦誤差E(i，j_start_end)與參照線(i，j)的斜線的絕對值成比例。這個處理是計算誤差的第一步。然后我們固定線(i，j)的起點，如圖23B所示按DP/4增加線(i，j)的終點，再次進(jìn)行階段1得到誤差E(i，j_end_+)。通過將線(i，j)的終點減少DP/4，我們得到誤差E(j_end_-)。如圖23C所示，我們也固定線(i，j)的終點，并改變線(i，j)的起點得到誤差E(i，j_start_+)和E(j_start_+)。在這五個誤差中，我們將最小的誤差定義為E(i，j)，以及這個處理是計算平坦誤差的第二個階段。在第三個階段中，我們重復(fù)階段1和2計算出一組線-I，j＝1，2，...9的一組九(9)個誤差E(i，j)。然后E(i，j)的最小值被定義為代表時間指數(shù)i的平坦誤差的E(i)。如發(fā)現(xiàn)階段一樣，時間指數(shù)從i變化到m，即計算并調(diào)整m組參照“平坦”線得到一組m誤差，E(i)，i＝1，2，...m。然后將它們中的最小誤差值定義為該吸氣相的平坦誤差，用E表示。然后用這個加權(quán)平坦誤差作為該研究中的平坦誤差，用F_index表示。
在圖22C-22F以及在添加有干擾的圖22G顯示了不同呼吸形態(tài)的LSE誤差。在圖22C中，顯示了具有三個區(qū)域誤差的圓形呼吸。圖22D顯示了具有一個誤差區(qū)域的平坦呼吸。圖22E顯示了具有斜的呼吸誤差區(qū)域的斜平坦呼吸。圖22F顯示了具有兩個誤差區(qū)域的U型呼吸。不計數(shù)線以下的中間的誤差區(qū)域，反映了U型呼吸比平坦呼吸代表上氣道阻力的更大的增加。圖22G顯示了具有LSE平坦線的干擾呼吸。如果氣流信號是無干擾的，那么平坦線是相當(dāng)準(zhǔn)確的，但是患者的氣流信號不僅是由上氣道阻力所決定的，還是由打鼾和動態(tài)漏氣以及氣流湍流所造成的干擾決定的。既然這些因素扭曲了潛在的吸氣氣流和LSE近似，用隨機(jī)測試法提高LSE平坦指數(shù)的穩(wěn)固性。測試包括使用多個利用被輕微修飾的原始直線的測試，然后選出作為最佳符合的最小誤差。
用所計算出的平坦指數(shù)，可以確定出患者的氣道的阻塞程度用于輔助診斷吸氣暫停和呼吸不足事件。用氣流幅度數(shù)據(jù)鑒別呼吸暫停和呼吸不足事件。
現(xiàn)在在算法的模塊10160中確定出打鼾指數(shù)。從氣流信號的處理的觀點觸發(fā)，打鼾信號被定義為吸氣氣流信號的峰上的“高頻干擾”，以及打鼾指數(shù)是對鼾“程度”的測定。因此，對打鼾指數(shù)的檢測可被認(rèn)為是對“干擾”信號在幅度和頻率上的量的測定值，峰氣流信號越吵雜，打鼾指數(shù)就越大，打鼾事件就越嚴(yán)重。在這個研究中，我們用以下步驟計算打鼾指數(shù)。
步驟1對于給定的從時間指數(shù)Ins_start到Ins_end的吸氣相，我們定義出吸氣間隔的一半時間為打鼾測試持續(xù)時間(Ds)，它位于吸氣持續(xù)時間的中間，如圖24所示。用二級曲線組合技術(shù)近似打鼾測試持續(xù)時間(Ds)內(nèi)的氣流信號，二級曲線Ys是如在圖F-1所示的黑線。二級曲線Ys具有公式Y(jié)s＝Coef0+Coef1*(i-Ins_start)+Coef2*(i-Ins_start)2其中，i是時間指數(shù)，i＝Ins_start+1，...，Ins_end，以及Coef0、Coef1、和Coef2被定義為Coef2＝((ΔX2Y)*ΔX2-(ΔX1Y)*ΔX3)/DCoef1＝(ΔX1Y-Coef2*ΔX3)/ΔX2Coef0＝(Y1-Coef2*X2-Coef1*X1)/X0Δ＝ΔX4*ΔX2-ΔX32ΔX2＝X2*X0-X12ΔX3＝X3*X0-X2*X1ΔX4＝X4*X0-X22ΔX2Y＝(X2Y1)*X0-Y1*X2ΔX1Y＝(X1Y1)*X0-Y1*X1X0＝Ins_end-Ins_startX1＝E(i-Ins_start)X2＝E(i-Ins_start)2X3＝E(i-Ins_start)3X4＝∑(i-Ins_start)4Y1＝∑F(i)X1Y＝E(i-Ins_start)*F(i)X2Y1＝∑(i-Ins_start)2*F(i)步驟2用“零交叉”法估計出如圖F-1所示的在打鼾測試持續(xù)時間Ds內(nèi)的打鼾信號的“頻率”和幅度，我們以每Ts＝2ms的時間間隔搜索從Ds起始到結(jié)束的氣流信號。對于任何“交叉點”j，其中氣流信號和近似曲線Ys彼此相互交叉(見圖F-1)，計算出在此交叉點上的打鼾幅度S_j，并將其定義為S_i＝F_var*Ts*N_Tc
其中，F(xiàn)_var是在該交叉點上的氣流信號的變化，以及F_var＝(F(j+1)-F(j-1))，Ts是打鼾取樣間隔，它為2ms，以及N_Tc是在此交叉點周圍的取樣間隔的數(shù)目。對于圖24的情況，因為交叉點j上的氣流水平完全等同于Ys的數(shù)值，所以包括了兩個打鼾取樣間隔，它使得N_Tc＝2，但是，在絕大多數(shù)情況中，N_Tc＝1。
步驟3計算打鼾指數(shù)。如果在打鼾測試持續(xù)時間內(nèi)的“交叉點”的數(shù)目為N，那么總的打鼾幅度是所有的S_j的總和，即S_a＝∑S_j，j＝1，2，...，N打鼾指數(shù)，S_index被定義為S_index＝S_a/Ds其中，Ds是打鼾測試持續(xù)時間。
現(xiàn)在我們已經(jīng)描繪出患者的呼吸并已經(jīng)定位了吸氣的起點和吸氣的終點、呼氣的起點和呼氣的終點，并已經(jīng)得到了呼吸持續(xù)時間，確定了流速，查找了呼吸暫停、呼吸不足和打鼾，所匯集的數(shù)據(jù)可被用于控制用于治療呼吸疾病的機(jī)器。與呼吸相關(guān)的數(shù)據(jù)也可被用于記錄患者的用于醫(yī)學(xué)研究的呼吸以及用于一般的患者的監(jiān)測。數(shù)據(jù)也可以許多方式用于治療患者或驅(qū)動輔助患者呼吸的機(jī)器。在模塊10170中分析呼吸并將呼吸按流速、打鼾指數(shù)、氣流信號范圍的減低和其他參數(shù)的呼吸數(shù)值進(jìn)行劃分部分。
與睡眠相連的正氣壓系統(tǒng)(SPAP)控制器在算法的模塊10180中有一個控制指令的集合，這是用于控制呼吸機(jī)器的系統(tǒng)的核心。
控制器遵循大量的用于控制呼吸機(jī)器的IF-THEN語句指令。這樣的指令結(jié)構(gòu)的實例是
IF A是a和B是b，或C是c和D是d，THEN X是x和Y是y。
語句的IF部分被稱為指令的前提或條件，以及THEN部分是指令的結(jié)論。條件可以包括兩個或多個平行的用一個‘或’操作符(operator)結(jié)合在一起的子條件，并且每個子條件可以有兩個或多個用一個‘和’操作符連接在一起的構(gòu)件。指令的結(jié)論可以有一個構(gòu)件或它可以有兩個或多個具有一個‘和’操作符的構(gòu)件。在我們的命名中，大寫字母A、B、C、D、X和Y是條件和結(jié)論的變化，以及小寫字母a、b、c、d、x和y是每個變化的一個數(shù)值。
例如，如果我們定義了作為控制指令中的條件變化平坦指數(shù)(FI)、氣流信號的減低(RFS)、吸氣氣流信號水平(FL)、和打鼾指數(shù)(SI)，以及作為結(jié)論變化的壓力變化(ΔP)和壓力范圍(PR)。那么我們可以定義一個控制指令例如指令I(lǐng)F FI是非常平坦(VF)和RFS是中等的(I)，或FL是中等高的(MH)和SI是輕微的(M)、THENΔP是中等變化(MC)和RP是大范圍(LR)。
在每個控制樣本時間中，我們測試了指令1中的所有條件。如果滿足了條件中的所有構(gòu)件以及任一子條件，那么指令1是有效的，以及一個命令例如給患者增加壓力被發(fā)送給泵。例如泵可以被指導(dǎo)增加壓力0.5cmH2O并保持壓力在4和20cmH2O之間。
為了定義一個參數(shù)是屬于哪個范圍內(nèi)，將一些變化的值分成例如高、中和低的三類、或例如非常高、高、中、低、和非常低的五類的范圍是有用的。這些范圍有助于控制器給機(jī)器提供指令，它是受所設(shè)定的數(shù)值的范圍所控制的，這些范圍觸發(fā)了機(jī)器內(nèi)的不同的設(shè)置。
現(xiàn)在說說圖25，它是顯示FI(平坦指數(shù))劃分的圖表，取自圖26的表。FI值的譜被分成定義為VF(非常平坦)、F(平坦)、MF(中等平坦)、SF(輕微平坦)和NF(不平坦)的范圍或類型。如圖表和表顯示，VF的平均平坦指數(shù)是0和8之間，以及最大平坦指數(shù)是在0和23之間。F的平均平坦指數(shù)是8和12之間，以及最大平坦指數(shù)是在23和27之間。MF的平均平坦指數(shù)是12和16之間，以及最大平坦指數(shù)是在27和31之間。SF的平均平坦指數(shù)是16和20之間，以及最大平坦指數(shù)是在31和35之間。NF的的平均平坦指數(shù)是20或更大，以及最大平坦指數(shù)是35或更大。圖25的圖表中的括號內(nèi)的數(shù)值代表2次后繼呼吸的閾值以及括號前的數(shù)值代表3次和5次后繼呼吸的閾值。相似的，在圖26的表中，第一所列的數(shù)值是對于3和5次呼吸的以及第二個數(shù)值是對于兩個后繼呼吸的。
平坦指數(shù)的數(shù)值越小，表示氣道阻塞的上氣道阻力就越大。然后應(yīng)答于更高程度的上氣道阻塞，控制器增加了施加于患者的壓力以治療患者。通過依據(jù)平坦指數(shù)的平均和最大數(shù)值所定義出的五種患者的狀態(tài)，根據(jù)氣道阻塞的嚴(yán)重程度，不同的壓力增加和不同的最大壓力可以被應(yīng)用于治療患者。
圖26和27分別顯示了RFS(氣流信號的減低)的三個劃分部分的數(shù)值的表和圖表。數(shù)值的劃分部分為重度減低(SR)、中度減低(IR)和(3)輕微減低(MR)。圖27的圖表中的x軸為FI(平坦指數(shù))值以及y軸為FL(氣流信號水平)值。
用平坦指數(shù)的變化(ΔFI)和最大氣流信號水平的變化(ΔFL)計算出圖26和27所用的氣流信號的減低(RFS)。ΔFI被定義為當(dāng)前測試設(shè)定和先前測試設(shè)定之間的FI_ave的相對減低，以及ΔFL是當(dāng)前測試設(shè)定和先前測試設(shè)定的氣流信號水平的最大值的相對減低。這可以用下面的數(shù)學(xué)公式表示ΔFI(i)＝FI_ave(i-1)/FI_ave(i)％ΔFL(i)＝FL_max(i-1)/FL_max(i)％在圖25-28中的圖表和表中的FI和FL圖表和表中的上述的劃分被廣泛地用于控制器調(diào)整呼吸輔助機(jī)器的工作所遵循的指令中。在表32-36中顯示了使用這種劃分的一組SPAP控制指令。盡管這些指令被遵照者著控制一種類型的呼吸復(fù)制機(jī)器，但是可以用其他的指令完成其他機(jī)器上的相同的或其他的目標(biāo)。
當(dāng)檢測到峰吸氣氣流和平坦指數(shù)的減低時，控制器是警覺(alert)于相對更為嚴(yán)重的氣道阻塞?？刂破鞣磻?yīng)為治療患者的相對大的壓力增加和大的最大壓力。
圖29和30顯示了在打鼾相關(guān)指令以及打鼾狀態(tài)作為IF-THEN語句的一部分的指令中所用的劃分部分的表。
在圖29中，SI被定義為來自給定的測試設(shè)定的打鼾指數(shù)的最小值。SI被分為兩種被稱為無打鼾(NS)和閾值為3l/min的打鼾(S)的類型。
在圖30中，SI是測試組的平均指數(shù)值以及SI被分為兩種閾值為2l/min的類型。SI的范圍被分為兩種稱為無打鼾(NS)和中等打鼾(MS)的類型。
在圖31中，顯示了打鼾相關(guān)控制指令的表，表29的劃分部分被應(yīng)用于控制指令以控制在各種打鼾狀態(tài)中施加于患者的平均壓力。
對打鼾的檢測是對上氣道阻塞的另一種指示，因此治療患者的控制器就需要壓力的增加。如果檢測到與氣流受限(即低平坦指數(shù))相結(jié)合的打鼾，控制器提供了比單獨檢測到的打鼾更大的壓力的增加。控制器考慮到當(dāng)前所應(yīng)用的壓力是多少，并且如果壓力已經(jīng)是高的，則以更小的增幅增加壓力。
在控制指令中可以使用其他的測定值例如基于氣流信號和漏氣信號參數(shù)的平均氣流漏氣(LK)、當(dāng)前的壓力水平(CP)和時間間隔。根據(jù)指令的不同，這些變化的劃分是不同的。
在絕大多數(shù)情況中，控制指令的結(jié)論是施加于患者的氣體的壓力變化(ΔP)和壓力范圍(RP)。
根據(jù)所用的核心變化，SPAP控制指令被分為三種組，稱為平坦相關(guān)指令、打鼾相關(guān)指令和事件相關(guān)指令。
平坦相關(guān)指令主要是用于治療吸氣氣流受限。平坦指數(shù)(FI)和氣流信號的減低(RFS)的測定值是控制指令所用的主要測定值。既然測試數(shù)據(jù)為2、3和5次呼吸所計算的FI和RFS的組，根據(jù)測試組中的不同數(shù)目的呼吸使用三個控制指令的亞組。
圖32、33和34顯示了相應(yīng)地與5次呼吸、3次呼吸和2次呼吸測試的呼吸的平坦化所相關(guān)的控制指令的表。
如圖32所示，作為一個實例的控制治療，IF平坦指數(shù)FI是非常平坦VF和氣流信號的減低(RFS)是重度減低(SR)，THEN(根據(jù)表)壓力變化ΔP＝0.5cmH2O，和壓力范圍RP＝[418]cmH2O。
在3次呼吸測試中，表中的每種FI/RFS組合的壓力變化ΔP是5次呼吸測試的1/2。相似地，2次呼吸測試的每種FI/RFS組合的壓力變化ΔP是3次呼吸測試的1/2。
在SPAP的絕大多數(shù)指令中都使用“雙重指令”。例如，在圖32、33和34的5、3和2次呼吸表中，每種FI/RFS組合中的壓力范圍的數(shù)值都是相同的。每種測試的壓力變化ΔP是不同的，但壓力范圍是相同的以避免指令上的沖突。雙重指令要求來自多個最近期的呼吸的測定值以避免假數(shù)據(jù)、實時分析難點或其他異常所造成的誤差。
一些常見的構(gòu)件被用于所有的圖32、33和34的表中的平坦相關(guān)指令的亞組。這些常見的構(gòu)件包括(1)平均打鼾指數(shù)(SI_ave)，(2)平均氣流漏氣(LK_ave)，和(3)測試組的吸氣氣流信號水平的最小值(FL_min)。在5次呼吸測試數(shù)據(jù)組中，常見的構(gòu)件包括SI_ave＜＝2l/min，LK_ave＜＝18l/min，和FL_min＞＝9l/min平坦相關(guān)指令依賴于檢測氣流信號平坦的準(zhǔn)確度，它被認(rèn)為是對適度小的氣流漏氣的假定。如果氣流漏氣更大，那么檢測氣流信號平坦的準(zhǔn)確地是受限的，以及因此控制指令應(yīng)當(dāng)稱為“軟的”。如果平均氣體漏氣大于18l/min但小于47l/min，那么一組新的控制指令將取代圖32、33和34的表中的那些指令。在新組的控制指令中，ΔP的數(shù)值是表中的數(shù)值的一半的值。
在打鼾相關(guān)指令中，打鼾指數(shù)和壓力的測定值發(fā)揮著最重要的作用。兩個主變化是來自先前呼吸或兩次連續(xù)呼吸的打鼾指數(shù)的最小值，用SI_min表示，以及來自先前兩次consequences呼吸的平均壓力值P_ave。常見的構(gòu)件包括FL_min＞＝12l/min和FL(i)＞0.5*FL(i-1)其中FL(i)是先前的第i次呼吸的氣流水平。
圖31的表顯示了P_ave壓力范圍和大于或等于3l/min的打鼾指數(shù)的打鼾相關(guān)控制指令。
在圖35中顯示了混和的平坦和打鼾相關(guān)指令。
在平坦和打鼾相關(guān)指令中常見的構(gòu)件是LK＜＝18l/min和FL_min＞＝12l/min如果存在一種同時發(fā)生打鼾或平坦的情況，顯然有著阻塞事件。SPAP所需的快速反應(yīng)是增加泵壓，并且這是這組指令的目的。因此控制器指導(dǎo)呼吸輔助設(shè)備以大的增幅增加壓力以及具有增加壓力的大的壓力閾值。快速反應(yīng)是需要的以預(yù)先避免阻塞性睡眠呼吸暫停的最嚴(yán)重的和明確的表現(xiàn)。在該組中主變化是平坦測定值(FI)和打鼾測定值(SI)、以及在測試組中所用的呼吸的次數(shù)是三(3)次，因為這對于控制系統(tǒng)在適度短的時間段內(nèi)檢測出事件是必要的。圖31的表顯示了平坦指數(shù)FI的5個劃分部分和打鼾指數(shù)SI的中等打鼾(MS)劃分部分的控制治療。
圖36的表中所顯示的呼吸暫停相關(guān)指令顯示了阻塞性呼吸暫停的壓力增加指令。
在兩個步驟中檢測阻塞性呼吸暫停。第一步是用后繼的強制震蕩的開始檢測呼吸暫停本身。條件是將氣流信號水平減低到低水平更長的一段事件。算法尋找最近8秒鐘內(nèi)的峰與峰的變化FL_var(i)以及先前8秒鐘的FL_var(i-1)，比較兩個變化，然后測試下面的條件FL_var(i)＜＝0.1*FL_var(i-1)FL_var(i)＜＝0.15*FL_var(i-1)和FL_var(i)＜＝75ml/sFL_var(i)＜＝3l/min在強制震蕩開始后，計算條件，如果它是足夠小的，呼吸暫停被認(rèn)為是阻塞性的并根據(jù)圖36的表生成壓力應(yīng)答。
在對呼吸不足的檢測中，進(jìn)行測試看是否存在任何一個其中吸氣氣流信號已經(jīng)比鄰近時間段的氣流信號減低超過了預(yù)先設(shè)定的閾值的時間段。氣流減少的時間段越長，呼吸不足事件就越嚴(yán)重，以及需要施加于患者的壓力的量就越大。測試時間段有著多次呼吸，算法中的呼吸的次數(shù)從3到10次不等。前面和后面的時間段都包括2次呼吸，它是測試時間段內(nèi)的氣流信號的參照呼吸。呼吸不足的條件是測試時間段內(nèi)的最大吸氣氣流應(yīng)當(dāng)比參照區(qū)域內(nèi)的最小吸氣氣流小至少25％。為了收集下降和上升的吸氣氣流的呼吸不足，單次呼吸可以在測試時間段和任一參照時間段之間，不需被包括到氣流減低指令中。
如果檢測到呼吸不足，壓力增加被定義為ΔP＝0.05*P_period(cmH2O)以及壓力范圍RP＝[4P_up](cmH2O)P_up＝max(10+20*P_period，15)(cmH2O)其中，P_period是測試段內(nèi)的呼吸的次數(shù)。
例如，如果測試時間段內(nèi)的呼吸的次數(shù)是10，那么我們就有ΔP＝0.05*P_period＝0.05*10＝0.5(cmH2O)和P_up＝10+P_Period＝10+10＝20(cmH2O)，即壓力范圍為RP＝[420](cmH2O)如果P_period＝9，并檢測到呼吸不足事件，那么我們必須增加壓力為ΔP＝0.05*P_period＝0.5*9＝0.45(cmH2O)，以及當(dāng)P_up＝10+P_Period＝10+9＝19(cmH2O)時RP的范圍＝[4 19]上面描述的控制指令都與呼吸事件例如打鼾或吸氣氣流受限被檢測到時的壓力增加有關(guān)。在增加了給患者的壓力后，可以改善呼吸和呼吸具有“正常的”模式。一旦已經(jīng)建立了正常呼吸，逐步地降低輸送給患者的壓力。對于這個目的有著兩個指令。對于檢測“正常的”呼吸模式所用的變化包括來自5次呼吸的測試組的平坦指數(shù)的平均值FI_ave、當(dāng)前呼吸的打鼾指數(shù)SI、以及當(dāng)前吸氣氣流幅度水平FL。輸出(指令結(jié)論中的變化)為靶壓力P_target、和時間常數(shù)T_cons。
這就意味著如果呼吸稱為正常，壓力被降低到P_target水平和時間常數(shù)T_cons?？梢匀缦旅枋鰞煞N壓力降低的指令指令1IF_FI_ave＞＝30％和SI＜＝2l/min和FL＞＝12l/min，THENP_target＝4cmH2O和T_cons＝1200s指令2IF_FI_ave＞＝25％和FL_ave＜30％和SI＜＝2l/min和FL＞＝12l/min，THEN_P_target＝4cmH2O和T_cons＝2400s
后一組指令解決例如大的氣流漏氣或氣流信號水平在相當(dāng)長的時間段內(nèi)仍保持不變的狀況。在這些情況下，馬上將泵壓力降低到最小水平4cm H2O是安全的。因此，當(dāng)檢測到被定義為過去20次呼吸內(nèi)的平均氣流漏氣是大于1000ml/s的大的氣流漏氣，或在過去180s內(nèi)的峰對峰的氣流信號的變異小于250ml/s時，應(yīng)用安全相關(guān)指令。安全相關(guān)指令具有最高的優(yōu)先權(quán)，這意味著1.當(dāng)該指令被觸發(fā)后，它控制其他所有的指令120s。
2.安全相關(guān)指令可以忽略來自任何其他指令的任何暫停時間。
如果沒有滿足上述控制指令的任一指令的條件，應(yīng)用缺省控制指令，它為“DO NOTHING”，即壓力仍然未變。
既然遇到了這么多的條件以及患者的治療機(jī)器必須被編程為應(yīng)答于所有可能的條件，治療患者就變得非常的復(fù)雜。為了控制用于治療患者的機(jī)器，可以用不同的方法編程控制器以使用經(jīng)不同的方法所收集并分析到的數(shù)據(jù)。除了上述的指令外，給出了用于SPAP機(jī)器的自動化滴定算法的11組其他的壓力控制指令。
1.平坦指令目的當(dāng)用對氣流信號的平坦化檢測到給患者的氣體的氣流受限時，應(yīng)用平坦指令以增加施加于患者的壓力。
何時調(diào)用除非已經(jīng)開始強制震蕩技術(shù)或時間暫停仍被強制時，在對一序列的呼吸氣流信號峰的檢測的任何更新后，就調(diào)用平坦指令。
主要氣流參數(shù)主要氣流參數(shù)是如圖38所示的2、3和5次呼吸的平坦指數(shù)。根據(jù)在2、3或5次呼吸中所測定的患者的呼吸的平均和最大平坦指數(shù)，這里有4種類型的氣流受限為重度、大、中、輕。當(dāng)氣流成為更長時間段的更高限制性，更高的壓力被施加于患者更長的時間。
相對于最近數(shù)據(jù)的所測試的時間轉(zhuǎn)換在當(dāng)前的2、3或5次呼吸序列或通過1或2次先前呼吸的時間轉(zhuǎn)換可以進(jìn)行對控制患者的壓力的平坦指數(shù)的測試。
排除標(biāo)準(zhǔn)如果有以下情況，則不采用平坦指令a.在2、3或5次呼吸的主要呼吸測試序列或它們之前的任一5次呼吸中有任何無效呼吸。
b.主要呼吸測試序列中的最小吸氣氣流是小于150ml/s(9l/min)。
c.對于3或5次呼吸，主要測試序列中的平坦指數(shù)超過37或?qū)τ?次呼吸次數(shù)序列，它超過35。
d.對于3或5次呼吸，主要測試序列中的平均平坦指數(shù)超過22或?qū)τ?次呼吸測試序列，它超過20。
e.對于2或3次呼吸序列，主要呼吸測試序列中的平均漏氣超過500ml/s或?qū)τ?次呼吸序列，它超過1000ml/s。
f.對于2和5次呼吸序列，主要呼吸測試中的打鼾的峰間氣流超過35ml/s和對于3次呼吸序列，它超過70ml/s。
背景考慮(context considerations)a.打鼾如果在主要呼吸測試序列期間檢測到打鼾，增加了上氣道阻塞的可能以及壓力應(yīng)答/最大值可以被增加。打鼾檢測的閾值是3次呼吸的主要呼吸測試序列中的35ml/s平均打鼾的峰間氣流。
b.漏氣如果檢測到大漏氣，準(zhǔn)確地測定平坦指數(shù)是較小可能的。因此，數(shù)值不能準(zhǔn)確地反映出上氣道阻塞并且應(yīng)當(dāng)減少施加于患者的壓力。大漏氣的閾值是在5次呼吸序列的主要測試序列期間的平均漏氣為500ml/s。
c.與前5次呼吸測試序列比較的平均峰吸氣氣流的減低如果患者的平均氣流減低了，應(yīng)當(dāng)增加施加于患者的壓力和所應(yīng)用的最大壓力。如果平均漏氣率是低于大漏氣閾值，這里有三種平均吸氣氣流減低的類型
大減低，其中平均峰吸氣氣流為不超過5次呼吸的平均峰吸氣氣流的60％。
小減低其中平均峰吸氣氣流為5次呼吸的平均峰吸氣氣流的60％和80％之間。
無減低其中平均峰吸氣氣流超過80％。
對于大減低，有著兩種減低的類型。低于閾值的70％的減低和無減低。
d.與前5次呼吸測試序列比較的平均平坦指數(shù)的減低如果檢測到平均平坦指數(shù)的減低，既然平坦表示患者氣道的限制，那么就應(yīng)當(dāng)增加施加于患者的壓力。用于增加應(yīng)用于患者的壓力的閾值為平坦指數(shù)的60％減低。如果沒有檢測到大漏氣，就僅僅增加壓力。圖39的表顯示了一組通過檢查Peak Inspiratory Flow Context對Flattening Index Context的狀況來設(shè)定施加于患者的壓力的指令。
在圖40的表中呈現(xiàn)了用于控制呼吸輔助機(jī)器例如SPAP的一組指令。對于呼吸序列中的呼吸的次數(shù)，羅列了其他的所列的參數(shù)、壓力變化和壓力限制。
2.呼吸不足指令目的應(yīng)答于如表示呼吸不足的平坦所示的患者的吸氣氣流的減少，增加了應(yīng)用于患者的壓力。
何時調(diào)用除非下面條件的任一條件是真實的，在被檢測的呼吸氣流信號峰的序列中的任何更新之后FOT模式已經(jīng)被激活適用于所用指令的暫停還沒有結(jié)束在過去的15秒鐘內(nèi)檢測到了先前的呼吸不足主要氣流參數(shù)(s)一序列的連續(xù)呼吸的峰吸氣氣流的減低。在序列中具有減低的吸氣氣流的呼吸(呼吸不足的呼吸)的數(shù)目可以是從3到15次。整個被分析的呼吸序列必須包括呼吸不足的呼吸之前的2次參照呼吸和呼吸不足的呼吸之后的2次復(fù)原呼吸。呼吸不足的呼吸的最大峰吸氣氣流不應(yīng)當(dāng)超過參照和復(fù)原呼吸的最小峰吸氣氣流的80％。當(dāng)呼吸不足發(fā)作之前和之后的峰吸氣氣流的變化可以是突然的或逐步的，可以有一次中間的呼吸不足前的呼吸和一次中間的呼吸不足后的呼吸。一次中間呼吸的峰吸氣氣流不應(yīng)當(dāng)超過呼吸不足的呼吸的最大峰吸氣氣流的133％以及至少是參照(呼吸不足前的中間呼吸)或復(fù)原(呼吸不足后的中間呼吸)的呼吸的最小峰吸氣氣流的75％。呼吸不足的序列越長，壓力應(yīng)答和可激活壓力應(yīng)答的最大壓力就越大。
相對于最近數(shù)據(jù)的測試時間的轉(zhuǎn)換無時間轉(zhuǎn)換，1次呼吸轉(zhuǎn)換到過去或兩次呼吸轉(zhuǎn)換到過去。
排除標(biāo)準(zhǔn)(以下任何一條)對于每個呼吸不足持續(xù)時間和中間呼吸的組合，任何一次在所有被分析的呼吸以外的呼吸。
呼吸不足的呼吸序列中的平均吸氣氣流小于75ml/s。
背景考慮氣流受限一如果呼吸不足序列中的平均平坦指數(shù)超過了典型的氣流受限值，它可能是呼吸不足的中樞或人為的病因的提示，因此應(yīng)當(dāng)降低壓力應(yīng)答。超過30的平均平坦指數(shù)構(gòu)成了無氣流受限的條件，以及26和30之間的數(shù)值構(gòu)成了輕微氣流受限的條件。
實際指令在0.25到0.75cmH2O的范圍內(nèi)，壓力應(yīng)答被計算為0.05cmH2O乘以呼吸不足的呼吸的次數(shù)。如果沒有氣流首先，將壓力應(yīng)答減半，對于輕微的氣流受限，它被乘以0.75。最大壓力被計算為15到20cmH2O的范圍內(nèi)的1cmH2O乘以呼吸不足的呼吸的次數(shù)并加上10cmH2O。
3.短呼吸不足的指令目標(biāo)應(yīng)答于檢測到的短呼吸不足(2次呼吸不足的呼吸)，增加施加于患者的壓力。將峰吸氣氣流的減低用作為對呼吸不足的測定。
何時調(diào)用除非以下任何一個條件是真實的，否則就在被檢測的呼吸氣流信號峰序列中的任何更新之后調(diào)用基于呼吸的指令FOT模式被激活適用于所有指令的暫停期還沒有結(jié)束在15秒內(nèi)檢測到最后一次呼吸不足主要氣流參數(shù)與上述的短呼吸不足一樣，呼吸不足的呼吸次數(shù)等于2。
相對于最近數(shù)據(jù)的測試時間的轉(zhuǎn)換無時間轉(zhuǎn)換，1次呼吸轉(zhuǎn)換到過去或兩次呼吸轉(zhuǎn)換到過去。
排除標(biāo)準(zhǔn)(以下任何一條)對于每個呼吸不足持續(xù)時間和中間呼吸的組合，任何一次在所有被分析的呼吸以外的呼吸。
呼吸不足的呼吸序列中的平均吸氣氣流小于75ml/s。
呼吸不足的呼吸的平均平坦指數(shù)大于30以及在2分鐘內(nèi)無既往的呼吸暫?；蚝粑蛔?。
背景考慮氣流受限--如果呼吸不足序列中的平均平坦指數(shù)超過了典型的氣流受限值，它可能是呼吸不足的中樞或人為的病因的提示，因此應(yīng)當(dāng)降低壓力應(yīng)答。超過30的平均平坦指數(shù)構(gòu)成了無氣流受限的條件，以及26和30之間的數(shù)值構(gòu)成了輕微氣流受限的條件。
呼吸事件背景(context)--如果在2分鐘內(nèi)有既往的呼吸暫?；蚝粑蛔悖敲礋o壓力變化。但是儲存該時間瞬間以給可能的未來事件提供呼吸事件背景。
實際指令壓力應(yīng)答為0.25cmH2O。如果無氣流受限，將壓力應(yīng)答減半。對于輕微的氣流受限，壓力應(yīng)答被乘以0.75。最大壓力為15cmH2O。
4.平滑呼吸不足指令目標(biāo)應(yīng)答于非常逐步減低的呼吸不足，通過應(yīng)用峰吸氣氣流的少量增加以增加施加于患者的壓力。用上述的短呼吸不足指令或呼吸不足指令不能檢測到這些呼吸不足。峰吸氣氣流的減低仍被用作為對呼吸不足的測定，但是所參照的和復(fù)原的呼吸序列不同與上述的短呼吸不足指令或呼吸不足指令。
何時調(diào)用除非下面任何一個條件是真實的，否則在被檢測的呼吸氣流信號峰序列中的任何更新之后調(diào)用基于呼吸的指令。
FOT模式被激活適用于所有指令的暫停期還沒有結(jié)束在15秒內(nèi)檢測到最后一次呼吸不足主要氣流參數(shù)(s)。將一序列在呼吸不足前的具有峰呼吸氣流逐步減低的呼吸檢測為參照(但是清楚地鑒別出峰吸氣氣流的逐步減低所造成的第一個呼吸不足的呼吸是不可能的)。參照序列應(yīng)當(dāng)具有至少3次呼吸。逐步的峰吸氣氣流減低的標(biāo)準(zhǔn)要考慮到其中一種下面的模式類型。
峰吸氣氣流的持續(xù)減低即任何隨后的呼吸的峰吸氣氣流都小于前一次呼吸的峰吸氣氣流，如果任何隨后的呼吸的峰吸氣氣流超過或等于前一次呼吸的峰吸氣氣流，那么應(yīng)當(dāng)服從兩個條件，就是前者的峰吸氣氣流應(yīng)當(dāng)小于前前一次呼吸的90％以及隨后呼吸后的呼吸的峰吸氣氣流應(yīng)當(dāng)小于前一次呼吸的峰吸氣氣流的90％。
同樣地，參照序列后的一序列峰吸氣氣流逐步增加的呼吸應(yīng)當(dāng)被檢測為復(fù)原模式。復(fù)原序列的指令鏡像于參照序列的指令。最初的參照和最后的復(fù)原呼吸的最大峰吸氣氣流不應(yīng)當(dāng)超過這些呼吸的最小峰吸氣氣流的175％。呼吸不足的呼吸的序列應(yīng)當(dāng)是第一次呼吸位于不晚于參照序列之后的呼吸、最后一次呼吸位于不早于復(fù)原序列之前的呼吸、以及具有至少3次呼吸不足的呼吸以及至少3次在去除呼吸不足的呼吸之后的參照和復(fù)原序列中的呼吸的序列。如果呼吸不足呼吸的最大峰吸氣氣流不超過最初的參照和最后的復(fù)原呼吸的最小峰吸氣氣流的75％，那么就算檢測到呼吸不足事件。
相對于最近數(shù)據(jù)的所測試的時間轉(zhuǎn)換無時間轉(zhuǎn)換和一次呼吸到過去的轉(zhuǎn)換。
除外標(biāo)準(zhǔn)(以下任何一條)任何所有參照、呼吸不足和復(fù)原呼吸之外的無效呼吸。
呼吸不足的呼吸序列中的平均吸氣氣流小于75ml/s，呼吸不足的呼吸的持續(xù)時間超過100s。
背景考慮氣流受限-如果呼吸不足的呼吸序列中的平均平坦指數(shù)超過了典型的氣流受限值，它可能提示呼吸不足的中樞或人為的病因，因此應(yīng)當(dāng)降低壓力應(yīng)答。超過30的平均平坦指數(shù)構(gòu)成了無氣流受限的條件，以及26和30之間的數(shù)值構(gòu)成了輕微氣流受限的條件。
實際指令在0.25到0.75cmH2O的范圍內(nèi)，壓力應(yīng)答被計算為0.05cmH2O乘以呼吸不足的呼吸的次數(shù)。如果沒有氣流首先，將壓力應(yīng)答減半，對于輕微的氣流受限，它被乘以0.75。最大壓力被計算為15到20cmH2O的范圍內(nèi)的1cmH2O乘以呼吸不足的呼吸的次數(shù)并加上10cmH2O。
5.復(fù)原呼吸暫停后指令目標(biāo)應(yīng)答于呼吸暫停，增加壓力。當(dāng)呼吸復(fù)原發(fā)生在FOT應(yīng)答可以被分析之前時，這個指令通常將生成應(yīng)答于短的呼吸暫停的壓力變化。峰間氣流的減低將作為呼吸暫停的測定。
何時調(diào)用除非以下任何一個條件是真實的，否則就在被檢測的呼吸氣流信號峰序列中的任何更新之后調(diào)用基于呼吸的指令適用于所有指令的暫停期還沒有結(jié)束，
在15秒內(nèi)檢測到最后一次呼吸不足，在10秒內(nèi)檢測到最后一次呼吸暫停。
主要氣流參數(shù)將復(fù)原氣流計算作為測試序列的第二末位呼吸的吸氣的起點和測試序列的最后一次呼吸的吸氣的終點之間(復(fù)原時間間隔)的峰間氣流變化。參照呼吸對是任何兩個連續(xù)的先于測試序列的最后兩次呼吸的呼吸，這樣在參照和復(fù)原呼吸對之間的峰間氣流變化上有一個下降。參照氣流被計算為參照對的第一次呼吸的吸氣的起點和參照對的最后一次呼吸的吸氣的終點之間(參照時間間隔)的峰間氣流變化。呼吸暫停氣流是參照時間間隔的終點和復(fù)原時間間隔的起點之間的時間間隔(呼吸暫停時間間隔)的峰間氣流變化。復(fù)原和參照氣流都應(yīng)當(dāng)超過200ml/s并且比例差異不應(yīng)當(dāng)超過2比1。呼吸暫停時間間隔應(yīng)當(dāng)為至少8秒鐘以及呼吸暫停氣流不應(yīng)當(dāng)超過參照或復(fù)原氣流的20％。
相對于最近數(shù)據(jù)的所測試的時間轉(zhuǎn)換無時間轉(zhuǎn)換，1次呼吸轉(zhuǎn)換到過去或兩次呼吸轉(zhuǎn)換到過去。
排除標(biāo)準(zhǔn)任何所有的參照或復(fù)原呼吸對之外的無效呼吸。
背景考慮呼吸事件背景-2分鐘內(nèi)的先前的呼吸暫?；蚝粑蛔恪Ｈ绻摋l件是真實的，那么將無壓力變化，但是這個時間瞬間將被儲存以給可能的未來事件提供呼吸事件背景。
面罩壓力-現(xiàn)有的壓力越高，應(yīng)答的幅度應(yīng)當(dāng)越小。
實際指令如果在過去5秒鐘內(nèi)的平均壓力不超過6cmH2O，那么壓力增加為1cmH2O。如果在過去5秒鐘內(nèi)的平均壓力不超過12cmH2O，那么壓力增加為0.75cmH2O，否則壓力增加為0.5cmH2O。所應(yīng)用的最大壓力是20cmH2O，時間常數(shù)為5s。如果FOT已經(jīng)被打開，那么指令就被停止。
6.打鼾指令目標(biāo)應(yīng)答于打鼾，增加施加于患者的壓力。如果平均峰間打鼾氣流含有超過10赫茲的吸氣氣流震蕩，患者被認(rèn)為是正在打鼾。
何時調(diào)用除非下面的任何條件是真實的，否則就在被檢測呼吸氣流信號峰中的任何更新之后調(diào)用基于呼吸的指令FOT模式被激活適用于所有指令的暫停還沒有結(jié)束主要氣流參數(shù)呼吸測試序列(1或2次呼吸)中的最小打鼾氣流應(yīng)當(dāng)為至少60ml/s。
相對于最近數(shù)據(jù)的所測試的時間轉(zhuǎn)換1、2和3次呼吸轉(zhuǎn)換到過去。
除外標(biāo)準(zhǔn)(以下任何一條)任何測試序列之外的無效呼吸，測試序列中的最大呼氣高頻干擾至少是最小打鼾氣流的90％，如果是2次呼吸測試，最小峰吸氣氣流是低于100ml/s(6l/min)，以及如果是1次呼吸測試，要低于200ml/s(12l/min)測試序列的最小峰吸氣氣流小于前一次呼吸的峰吸氣氣流的一半。
背景考慮要考慮到測試序列中的最大呼氣高頻干擾對最小打鼾氣流的比值。比值越大，不正確的打鼾評估的可能性就越大，因此應(yīng)當(dāng)降低壓力應(yīng)答。置信系數(shù)是1減去比值。如果置信系數(shù)超過0.5，它被設(shè)定為1。
面罩壓力-現(xiàn)有的壓力越高，應(yīng)答的幅度就越小。從測試序列的末次呼吸和前一次呼吸中計算出平均壓力。
根據(jù)圖41的表計算出實際指令。
7.壓力降低指令目的如果沒有測定到可靠的氣流信號，就快速地降低壓力(到4cmH2O或降低1cmH2O)。
何時調(diào)用除非有FOT被激活，
或適用于所有指令的暫停還沒有結(jié)束否則就在被測試的呼吸氣流信號峰的序列中的任何更新之后或在末次呼吸峰更新已經(jīng)結(jié)束的2秒暫停之后調(diào)用用于降低壓力的基于時間的指令。
主要氣流參數(shù)在過去2分鐘內(nèi)的峰間氣流變化低于250ml/s以及過去20秒鐘內(nèi)的平均漏氣超過閾值(這依賴于平均峰吸氣氣流)。
沒有采用相關(guān)于最近數(shù)據(jù)的所測試的時間轉(zhuǎn)換。
沒有采用排除標(biāo)準(zhǔn)。
背景考慮峰吸氣氣流，峰吸氣氣流越小，漏氣所引起的誤差就越大。
實際指令如果峰間氣流是小的(作為主要參數(shù))或?qū)τ谙旅娴脑谶^去20秒鐘內(nèi)的平均漏氣和平均漏氣吸氣氣流的組合，壓力被降低到4cmH2O。
＞＝1000ml/s(60l/min)，＜＝100ml/s(6l/min)＞＝1200ml/s(72l/min)，＜＝150ml/s(9l/min)＞＝1400ml/s(84l/min)，＜＝200ml/s(12l/min)在這種情況中，設(shè)定了適用于所有指令的2分鐘的暫停，否則如果平均漏氣至少為1000ml/s(60l/min)，減少壓力1cmH2O并將暫停設(shè)定為20秒。
8.開始強制震蕩技術(shù)指令目標(biāo)如果檢測到峰間氣流減低，就開始FOT。
何時調(diào)用在被檢測的呼吸氣流信號漏氣序列中的任何更新之后或在末次呼吸漏氣更新已經(jīng)完成后的2秒暫停之后調(diào)用基于時間的指令，除非下面的任何條件都是真實的FOT模式被激活，適用于所有指令的暫停還沒有結(jié)束，
先前的FOT開始事件在15秒鐘內(nèi)被激活。
主要氣流參數(shù)如果存在過去3個七秒間隔(末次，第二次和第一次)內(nèi)的峰間氣流變化，并且末次氣流變化不超過第二次呼吸的1/10，或不超過1/7和75ml/s，或不超過50ml/s，以及第二次和第一次氣流變化的最大值至少為150ml/s，該指令被激活。
不采用相對于最近數(shù)據(jù)的所測試的事件轉(zhuǎn)換。
不采用排除標(biāo)準(zhǔn)。
不采用背景考慮。
實際指令除外了開始FOT外，適用于所有指令的暫停被設(shè)定為4秒鐘。
9.強制震蕩技術(shù)呼吸暫停指令目標(biāo)在開始FOT之后，應(yīng)答于被檢測到的呼吸暫停，給患者增加壓力。低數(shù)值的氣道傳導(dǎo)率被用作為存在阻塞性呼吸暫停的一個指示。
何時調(diào)用除非下面的任何情況是真實的，否則在被檢測的呼吸氣流信號峰序列中的任何更新之后或在當(dāng)末次呼吸更新已經(jīng)結(jié)束時的2秒暫停之后調(diào)用基于時間的指令FOT沒有被激活，適用于所有指令的暫停還沒有結(jié)束，先前的呼吸暫停時間在10秒鐘內(nèi)激活。
主要氣流參數(shù)過去5秒鐘內(nèi)的峰間氣流變異低于100ml/s，以及過去5秒鐘內(nèi)的平均氣道傳導(dǎo)率低于閾值。
不采用相對于最近數(shù)據(jù)的所測試的事件轉(zhuǎn)換。
不采用排除標(biāo)準(zhǔn)。
背景考慮現(xiàn)有的面罩壓力越高，應(yīng)答的幅度就應(yīng)當(dāng)越小。
實際指令如果過去5秒鐘內(nèi)的平均壓力不超過6cmH2O，壓力增加為2cmH2O，如果過去5秒鐘內(nèi)的平均壓力不超過12cmH2O，那么壓力增加為1cmH2O，否則壓力增加為0.5cmH2O。最大壓力為20cmH2O，時間常數(shù)為5秒鐘。終止FOT。
10.壓力減低指令目標(biāo)應(yīng)答于平坦指數(shù)所測定的氣流受限的消失，逐步減低應(yīng)用于患者的壓力。
何時調(diào)用除非下面任何的條件是真實的，否則就在被檢測的呼吸氣流信號峰序列的任何更新后調(diào)用基于呼吸的指令FOT模式被激活，適用于所有指令的暫停還沒有結(jié)束。
主要氣流參數(shù)呼吸測試序列(5次呼吸)中的平均平坦指數(shù)應(yīng)當(dāng)超過25。如果它小于33，那么壓力減低時間常數(shù)為40分鐘，否則為20分鐘。
相對于最近數(shù)據(jù)的所測試的時間轉(zhuǎn)換無時間轉(zhuǎn)換，1次呼吸轉(zhuǎn)換到過去或兩次呼吸轉(zhuǎn)換到過去。
除外標(biāo)準(zhǔn)(以下任何一條)任何測試序列外的無效呼吸，在90秒鐘內(nèi)檢測到末次呼吸事件(呼吸暫?；蚝粑蛔?。
測試序列的末次呼吸的打鼾氣流超過40ml/s。
測肆行序列的末次呼吸的峰吸氣氣流低于200ml/s。
背景考慮如果末次呼吸事件是在2分鐘內(nèi)(但在過去是早于1.5分鐘)，將時間常數(shù)加倍。
實際指令將施加于患者的壓力從當(dāng)前的數(shù)值減低到4cmH2O以及所選的時間常數(shù)。
11.終止強制震蕩技術(shù)指令目標(biāo)一旦呼吸恢復(fù)為正常，就終止治療患者。
除非下面任何的條件是真實的，否則就在被檢測的呼吸氣流信號峰序列的任何更新后調(diào)用基于呼吸的指令
FOT模式?jīng)]有被激活，適用于所有指令的暫停還沒有結(jié)束。
主要氣流參數(shù)呼吸測試序列(3次呼吸)中的最小峰吸氣應(yīng)當(dāng)超過200ml/s(12l/min)。
相對于最近數(shù)據(jù)的所測試的時間轉(zhuǎn)換無時間轉(zhuǎn)換。
排除標(biāo)準(zhǔn)任何測試序列之外的無效呼吸。
沒有采用背景考慮。
沒有采用實際指令。
顯而易見的，根據(jù)上述的闡述，對本發(fā)明的多種修改和變更都是可能的。因此應(yīng)該理解，在所附權(quán)利要求書的范圍內(nèi)，可以不同于所具體描述的其他方式來實施本發(fā)明。
權(quán)利要求
1.一種呼吸監(jiān)測和治療方法，其步驟包括收集施加于患者的氣體的流速數(shù)據(jù)，通過近似出吸氣和呼氣的起始和終止時間將流速數(shù)據(jù)匯編到吸氣陣列和呼氣陣列中，并從流速數(shù)據(jù)中確定出吸氣期間的最大峰流速和呼氣期間的最小峰流速，調(diào)整流速數(shù)據(jù)陣列中的吸氣和呼氣的起始和終止時間以最佳符合于所收集的流速數(shù)據(jù)。
2.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括另一個步驟從流速數(shù)據(jù)陣列中去除干擾。
3.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括另一個步驟收集施加于患者的氣體的壓力數(shù)據(jù)。
4.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括另一個步驟從所測定的速度中減去漏氣速度計算出漏氣補償速度以確定出施加于患者的氣體的流速。
5.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括另一個步驟作為一種準(zhǔn)確性檢查，比較吸氣流速數(shù)據(jù)與呼氣流速數(shù)據(jù)。
6.權(quán)利要求5的呼吸監(jiān)測和治療方法，包括另一個步驟作為一種準(zhǔn)確性檢查，比較吸氣容積數(shù)據(jù)和呼氣容積數(shù)據(jù)。
7.權(quán)利要求5的呼吸監(jiān)測和治療方法，包括另一個步驟作為一種準(zhǔn)確性檢查，比較吸氣終止時間數(shù)據(jù)和呼氣起始時間數(shù)據(jù)以及比較吸氣起始時間數(shù)據(jù)和呼氣終止時間數(shù)據(jù)。
8.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括另一個步驟將流速數(shù)據(jù)匯編成呼吸形態(tài)，調(diào)整從流速數(shù)據(jù)中得到的呼吸形態(tài)中的每次吸氣和呼氣的起始和終止時間。
9.權(quán)利要求2的呼吸監(jiān)測和治療方法，包括另一個步驟用一種線性平滑技術(shù)去除干擾。
10.權(quán)利要求1的呼吸監(jiān)測和治療方法，其中尋找用于近似吸氣和呼氣的起始和終止時間的轉(zhuǎn)折點。
11.權(quán)利要求10的呼吸監(jiān)測和治療方法，包括如下步驟收集吸氣的原始數(shù)據(jù)，用線性平滑法將陣列中的第一次吸氣的原始數(shù)據(jù)平滑化，然后將所收集的下一次吸氣的原始數(shù)據(jù)連接至平滑化數(shù)據(jù)并用線性平滑法將下一次吸氣的原始數(shù)據(jù)平滑化以匯編流速數(shù)據(jù)的吸氣陣列并從數(shù)據(jù)中消除干擾，以及重復(fù)所收集的新的吸氣數(shù)據(jù)的連接和平滑化，直到陣列被完成，由此將流速數(shù)據(jù)匯編到吸氣陣列中。
12.權(quán)利要求11的呼吸監(jiān)測和治療方法，包括步驟通過用最佳符合法匹配前次呼吸的吸氣終止轉(zhuǎn)折點和后繼呼吸的原始數(shù)據(jù)的轉(zhuǎn)折點將吸氣原始數(shù)據(jù)連接至平滑化數(shù)據(jù)的陣列中，據(jù)此調(diào)整陣列并線性平滑化原始數(shù)據(jù)以形成吸氣陣列。
13.權(quán)利要求12的呼吸監(jiān)測和治療方法，其中最佳符合法包括當(dāng)在得到吸氣轉(zhuǎn)折點數(shù)據(jù)的終點之前得到下一次呼吸的原始數(shù)據(jù)以及下一次呼吸的原始數(shù)據(jù)以比前次呼吸的吸氣轉(zhuǎn)折點的終點更低的數(shù)值開始時，將第一次呼吸的吸氣轉(zhuǎn)折點的終點連接至下一次呼吸的原始數(shù)據(jù)中的局部最小數(shù)據(jù)點上。
14.權(quán)利要求12的呼吸監(jiān)測和治療方法，其中最佳符合法包括當(dāng)?shù)谝淮魏粑奈鼩廪D(zhuǎn)折點的終點與下一次呼吸的吸氣轉(zhuǎn)折點的起點具有相同的或近似相同的數(shù)值以及在與前次呼吸的吸氣轉(zhuǎn)折點的終點的計算值近似相同的時間得到所計算的吸氣轉(zhuǎn)折點的起點時，將第一次呼吸的吸氣轉(zhuǎn)折點的終點連接至下一次呼吸的吸氣轉(zhuǎn)折點的起點上。
15.權(quán)利要求12的呼吸監(jiān)測和治療方法，其中最佳符合法包括當(dāng)在得到吸氣轉(zhuǎn)折點數(shù)據(jù)的終點之前得到下一次呼吸的原始數(shù)據(jù)以及下一次呼吸的原始數(shù)據(jù)的吸氣轉(zhuǎn)折點的起點以比吸氣轉(zhuǎn)折點的終點更高的數(shù)值開始時，在平滑化數(shù)據(jù)與原始數(shù)據(jù)重疊的點上將作為吸氣轉(zhuǎn)折點的平滑化吸氣數(shù)據(jù)上的點連接至下一次呼吸的原始數(shù)據(jù)中的局部最小數(shù)據(jù)點。
16.權(quán)利要求12的呼吸監(jiān)測和治療方法，其中最佳符合法包括當(dāng)與平滑化數(shù)據(jù)幾乎同時地得到下一次呼吸的原始數(shù)據(jù)使得它們在時間上接近重疊以及下一次呼吸的原始數(shù)據(jù)延伸到比第一次呼吸的吸氣轉(zhuǎn)折點的終點更低的數(shù)值時，在其中原始數(shù)據(jù)等于吸氣轉(zhuǎn)折點的終點的點上將第一次呼吸的吸氣轉(zhuǎn)折點的終點連接至下一次呼吸的原始數(shù)據(jù)上。
17.權(quán)利要求12的呼吸監(jiān)測和治療方法，其中最佳符合法包括將第一次呼吸的吸氣轉(zhuǎn)折點的終點連接至下一次呼吸起始轉(zhuǎn)折點的原始數(shù)據(jù)上，在平滑化的第一次呼吸和所得到的下一次呼吸起始轉(zhuǎn)折點的原始數(shù)據(jù)之間存在著時間間隙的情況下，通過將最高峰和呼吸轉(zhuǎn)折點的終點之間的線性平滑化吸氣的斜率用作填充間隙的斜率來填充間隙，并移動下一次呼吸的起始轉(zhuǎn)折點的時間以截取填充間隙的線。
18.權(quán)利要求12的呼吸監(jiān)測和治療方法，包括步驟檢查吸氣陣列中的在吸氣的起始轉(zhuǎn)折點和終止轉(zhuǎn)折點之間的代表一個雙峰的特定時間段內(nèi)的兩個最高峰，通過選擇最接近吸氣的一半持續(xù)時間的最高峰作為真實的最高峰并將該最高峰向起始轉(zhuǎn)折點和終止轉(zhuǎn)折點線性平滑化，從而線性平滑化吸氣。
19.權(quán)利要求18的呼吸監(jiān)測和治療方法，包括步驟鑒別吸氣峰陣列內(nèi)的干擾最高峰。
20.權(quán)利要求19的呼吸監(jiān)測和治療方法，包括步驟用一系列局部峰測試之間的持續(xù)時間和峰測試之間的流速變化確定哪些呼吸符合在預(yù)先設(shè)定的定義干擾呼吸的參數(shù)閾值內(nèi)。
21.權(quán)利要求19的呼吸監(jiān)測和治療方法，包括步驟首先檢查陣列中的每次吸氣的上升斜線以查看是否存在干擾斜線，如果未發(fā)現(xiàn)干擾斜線，就檢查陣列中的每次吸氣的下降斜線以查看是否存在干擾斜線。
22.權(quán)利要求19的呼吸監(jiān)測和治療方法，包括步驟通過一級線性近似、二級線性近似和三級線性近似生成的最小誤差選擇來平滑化在陣列中所發(fā)現(xiàn)的干擾最高峰。
23.權(quán)利要求22的呼吸監(jiān)測和治療方法，包括步驟比較呼吸陣列中的吸氣容積與鄰近呼吸的呼氣容積，以近似相同容積的吸氣和呼氣來檢查所收集的數(shù)據(jù)的準(zhǔn)確性。
24.權(quán)利要求23的呼吸監(jiān)測和治療方法，包括步驟如果吸氣容積近似地等于鄰近呼吸的呼氣容積，就將數(shù)據(jù)作為準(zhǔn)確的數(shù)據(jù)而接受。
25.權(quán)利要求23的呼吸監(jiān)測和治療方法，包括步驟如果吸氣容積不近似地等于鄰近呼吸的呼氣容積，就將數(shù)據(jù)作為不準(zhǔn)確的數(shù)據(jù)而拒絕。
26.權(quán)利要求24的呼吸監(jiān)測和治療方法，包括步驟測試一個最高峰對內(nèi)的兩個峰之間的原始數(shù)據(jù)以查看是否有任何峰在特定閾值之上，如果有，則剝奪這兩個峰作為最高峰對的資格。
27.權(quán)利要求26的呼吸監(jiān)測和治療方法，包括步驟根據(jù)預(yù)先設(shè)定的數(shù)值范圍，測試最高峰之間的持續(xù)時間，如果持續(xù)時間不在預(yù)先設(shè)定的范圍內(nèi)，最高峰對被剝奪資格。
28.權(quán)利要求27的呼吸監(jiān)測和治療方法，包括步驟繪制具有第一最高峰和第二最高峰的最高峰對原始數(shù)據(jù)組中的流速變化的圖形，并線性平滑化原始數(shù)據(jù)，顯示當(dāng)數(shù)值在最高峰對的第一最高峰和最低點之間下降時的下降數(shù)值，圖形顯示在上升變化期間沒有變化，并顯示最高峰對的最低點和第二最高峰之間的上升數(shù)值，而顯示在下降變化期間沒有變化，并標(biāo)出變化下降至最高峰對的第一最高峰的95％、75％、50％、25％和5％的點，以及標(biāo)出變化上升至最高峰對的第二最高峰的5％、25％、50％、75％和95％的點。
29.權(quán)利要求28的呼吸監(jiān)測和治療方法，包括步驟匯編位于5％、25％、50％、75％和95％位置處的原始數(shù)據(jù)和線性平滑化數(shù)據(jù)之間的變化的差異。
30.權(quán)利要求29的呼吸監(jiān)測和治療方法，包括步驟利用最高峰對的相似性測試選擇出哪些最高峰對被添加到最高峰鏈中，形成最高峰對的最高峰鏈。
31.權(quán)利要求30的呼吸監(jiān)測和治療方法，包括步驟計算下面的每個最高峰對參數(shù)的平均值、標(biāo)準(zhǔn)差、平均和最大誤差持續(xù)時間、外持續(xù)時間的信號水平的變化、內(nèi)持續(xù)時間信號的平均信號水平、形態(tài)的非對稱性測定、外持續(xù)時間的信號“形態(tài)”、內(nèi)持續(xù)時間的信號“形態(tài)”、平均干擾水平和最大干擾水平。
32.權(quán)利要求31的呼吸監(jiān)測和治療方法，包括步驟根據(jù)預(yù)先設(shè)定的表中的數(shù)值范圍建立平均指數(shù)和誤差指數(shù)數(shù)值，用于將最高峰對添加到最高峰鏈中。
33.權(quán)利要求30的呼吸監(jiān)測和治療方法，包括步驟通過比較吸氣最高峰鏈起始轉(zhuǎn)折點和呼氣最高峰鏈呼氣終止轉(zhuǎn)折點以及吸氣最高峰鏈終止轉(zhuǎn)折點和呼氣最高峰鏈呼氣起始轉(zhuǎn)折點來驗證最高峰鏈。
34.權(quán)利要求33的呼吸監(jiān)測和治療方法，包括步驟通過左側(cè)和右側(cè)最高峰驗證，如果吸氣和呼氣轉(zhuǎn)折點不匹配以及最高峰之間的持續(xù)時間比預(yù)先設(shè)定的閾值更長，添加來自原始數(shù)據(jù)的最高峰。
35.權(quán)利要求34的呼吸監(jiān)測和治療方法，包括步驟利用流速信號水平驗證來查看是否信號水平仍是恒定的，恒定則說明面罩已經(jīng)脫落，且必須從最高峰鏈中消除這個最高峰對。
36.權(quán)利要求34的呼吸監(jiān)測和治療方法，包括步驟測試最高峰之間的持續(xù)時間并用最高峰下的面積測定吸氣容積，如果持續(xù)時間和容積不在預(yù)先設(shè)定的限制內(nèi)，則最高峰對是太接近的，并從陣列中消除較小幅度的最高峰。
37.權(quán)利要求34的呼吸監(jiān)測和治療方法，包括步驟對于超過預(yù)先設(shè)定的限度的持續(xù)時間，測試兩個最高峰之間的持續(xù)時間，且如果通過4秒鐘持續(xù)時間測試和10秒鐘驗證測試這兩個測試，則將最高峰添加回到陣列中。
38.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟用采用呼吸形態(tài)的分段線性近似的最佳符合法將吸氣和呼氣數(shù)據(jù)成形。
39.權(quán)利要求34的呼吸監(jiān)測和治療方法，包括步驟用采用呼吸形態(tài)的分段線性近似的最佳符合法將吸氣和呼氣數(shù)據(jù)成形。
40.權(quán)利要求38的呼吸監(jiān)測和治療方法，包括步驟用三級分段線性近似確定呼吸形態(tài)。
41.權(quán)利要求39的呼吸監(jiān)測和治療方法，包括步驟用三級分段線性近似確定呼吸形態(tài)。
42.權(quán)利要求40的呼吸監(jiān)測和治療方法，包括步驟通過對吸氣的起始和終止時的氣流信號水平的相對變化的比較來微調(diào)吸氣和呼氣的起始和終止轉(zhuǎn)折點，以找出吸氣的起始和吸氣的終止的時間。
43.權(quán)利要求41的呼吸監(jiān)測和治療方法，包括步驟比較轉(zhuǎn)折點上的氣流信號水平的相對變化，以找出吸氣的起始和吸氣的終止的時間來微調(diào)轉(zhuǎn)折點。
44.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟檢測吸氣陣列中的吸氣流速的減低以鑒別呼吸暫停事件。
45.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟檢測吸氣陣列中的吸氣流速的平坦化。
46.權(quán)利要求45的呼吸監(jiān)測和治療方法，包括步驟用最小平方誤差法找出吸氣流速數(shù)據(jù)中的最小平坦誤差以生成平坦指數(shù)。
47.權(quán)利要求46的呼吸監(jiān)測和治療方法，包括步驟用二維搜索法的最佳符合檢測平坦指數(shù)。
48.權(quán)利要求47的呼吸監(jiān)測和治療方法，包括步驟用長度為吸氣間隔的60％的直線檢測平坦指數(shù)。
49.權(quán)利要求46的呼吸監(jiān)測和治療方法，包括步驟用平坦指數(shù)確定患者氣道的阻塞程度。
50.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟從流速數(shù)據(jù)中確定吸氣氣流幅度并用吸氣氣流幅度鑒別患者是否患有呼吸暫停。
51.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟從流速數(shù)據(jù)中確定吸氣氣流幅度并用吸氣氣流幅度鑒別患者是否患有呼吸不足。
52.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟檢測吸氣流速的減低以鑒別呼吸不足事件。
53.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟根據(jù)幅度和頻率測定干擾的量，由此檢測打鼾。
54.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟通過使用打鼾指數(shù)檢測打鼾。
55.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟檢測流速信號頂部的高頻流速以鑒別打鼾。
56.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟檢測吸氣陣列中的吸氣流速的平坦化并根據(jù)平坦程度建立平坦指數(shù)，以給吸氣氣流分配一個數(shù)值。
57.權(quán)利要求3的呼吸監(jiān)測和治療方法，包括步驟根據(jù)流速數(shù)據(jù)分析調(diào)整施加于患者的壓力。
58.權(quán)利要求57的呼吸監(jiān)測和治療方法，包括步驟用打鼾指數(shù)調(diào)整施加于患者的壓力。
59.權(quán)利要求57的呼吸監(jiān)測和治療方法，包括步驟用平坦指數(shù)調(diào)整施加于患者的壓力。
60.權(quán)利要求57的呼吸監(jiān)測和治療方法，包括步驟根據(jù)當(dāng)前施加于患者的壓力、施加于患者的氣體的氣流減低的平坦指數(shù)、和打鼾程度的打鼾指數(shù)，在預(yù)先設(shè)定的范圍內(nèi)改變施加于患者的壓力。
61.權(quán)利要求60的呼吸監(jiān)測和治療方法，包括步驟根據(jù)在流速數(shù)據(jù)分析中所測定的呼吸的次數(shù)改變施加于患者的壓力。
62.權(quán)利要求57的呼吸監(jiān)測和治療方法，包括步驟從施加于患者的流速數(shù)據(jù)中確定出吸氣氣流幅度，根據(jù)當(dāng)前施加于患者的壓力和吸氣氣流幅度，在預(yù)先設(shè)定的范圍內(nèi)改變施加于患者的壓力。
63.權(quán)利要求62的呼吸監(jiān)測和治療方法，包括步驟根據(jù)在流速數(shù)據(jù)分析中所測定的呼吸的次數(shù)改變施加于患者的壓力。
64.權(quán)利要求62的呼吸監(jiān)測和治療方法，包括步驟用漏氣速度結(jié)合平坦指數(shù)確定施加于患者的壓力的變化。
65.權(quán)利要求3的呼吸監(jiān)測和治療方法，包括步驟根據(jù)當(dāng)前所應(yīng)用的壓力和打鼾指數(shù)改變施加于患者的壓力。
66.權(quán)利要求65的呼吸監(jiān)測和治療方法，包括步驟根據(jù)施加于患者的氣體的氣流水平改變施加于患者的壓力。
67.權(quán)利要求66的呼吸監(jiān)測和治療方法，包括步驟根據(jù)平坦指數(shù)改變施加于患者的壓力。
68.權(quán)利要求50的呼吸監(jiān)測和治療方法，包括步驟測定施加于患者的氣體的壓力，測定施加于患者的流速，以及根據(jù)預(yù)先設(shè)定的公式改變施加于患者的壓力。
69.權(quán)利要求51的呼吸監(jiān)測和治療方法，包括步驟測定施加于患者的氣體的壓力，測定施加于患者的流速，以及根據(jù)預(yù)先設(shè)定的公式改變施加于患者的壓力。
70.權(quán)利要求3的呼吸監(jiān)測和治療方法，包括步驟當(dāng)建立正常呼吸后，減低施加于患者的氣體的壓力。
71.權(quán)利要求3的呼吸監(jiān)測和治療方法，包括步驟當(dāng)在預(yù)先設(shè)定的時間長度內(nèi)漏氣速度達(dá)到了預(yù)先設(shè)定的水平，減低施加于患者的氣體的壓力。
72.權(quán)利要求3的呼吸監(jiān)測和治療方法，包括步驟當(dāng)未在患者中檢測到變化時和未改變壓力應(yīng)用的指令時，不改變施加于患者的壓力。
73.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟確定用于測定患者吸氣氣流受限例如呼吸暫停和呼吸不足的平坦指數(shù)。
74.權(quán)利要求1的呼吸監(jiān)測和治療方法，包括步驟用最小平方誤差法確定吸氣起始時間和吸氣終止時間之間的流速數(shù)據(jù)的直線氣流近似，確定氣流信號相對于直線氣流近似的最小誤差以計算出平坦指數(shù)。
75.權(quán)利要求74的呼吸監(jiān)測和治療方法，包括步驟選擇一組吸氣相長度為吸氣的起始和終止時間之間的時間的60％的氣流信號數(shù)據(jù)，并測試5％和95％吸氣相長度之間的最小平方誤差，以進(jìn)行參照直線氣流近似的水平搜索。
76.權(quán)利要求75的呼吸監(jiān)測和治療方法，包括步驟檢測直線氣流近似在流速數(shù)據(jù)上的交叉點，并只使用交叉點之間的時間段和來自直線氣流近似上方及流速數(shù)據(jù)下方的流速數(shù)據(jù)計算誤差，并使用垂直線取代直線氣流近似線以找出最小誤差。
77.權(quán)利要求75的呼吸監(jiān)測和治療方法，包括步驟由氣流信號數(shù)據(jù)和平坦信號水平之間的誤差計算平坦指數(shù)。
全文摘要
一種用于測定患者的呼吸、用于診斷呼吸疾病以及用于控制治療患者的呼吸輔助設(shè)備的算法。感受器記錄輸送給患者的壓力和氣體的流速。統(tǒng)計學(xué)處理數(shù)據(jù)以找出呼吸的起點、呼吸的終點、呼吸的持續(xù)時間、呼吸的形態(tài)、呼吸的容積、呼吸頻率、流速、打鼾指數(shù)、平坦指數(shù)和其他診斷和治療患者的有用的數(shù)據(jù)。數(shù)據(jù)被用于診斷患者的病變并用于以對患者的病變最優(yōu)化的壓力和流速控制用于治療患者的呼吸輔助設(shè)備。在整個算法中，分別示蹤并比較吸氣和呼氣數(shù)據(jù)，將其作為對算法所處理的數(shù)據(jù)的準(zhǔn)確性的一種檢查。
文檔編號A61M16/00GK1767785SQ200480009006
公開日2006年5月3日 申請日期2004年1月30日 優(yōu)先權(quán)日2003年1月30日
發(fā)明者尤金·西爾貝格 申請人:康普麥迪克斯有限公司