專利名稱：：利用ecg信號檢測睡眠呼吸暫停的測量方法
技術領域：
：本發(fā)明涉及一種用于診斷目的的測量方法.，尤其涉及一種利用ECG信號檢測睡眠呼吸暫停的測量方法，屬于希爾伯特一黃變換(Hilbert-HuangTransform)
技術領域：
。
背景技術：
：-睡眠呼吸暫停綜合癥(sleepapneasyndrome,SAS)是一種危險性的常見病。近年來，隨著生活水平的提高，SAS的發(fā)病率呈上升趨勢。由于該病均在睡眠時發(fā)病，因而常被患者忽視而不能^及時發(fā)現(xiàn)。目前，對SAS的診斷，需要患者到醫(yī)院利用多導生理記錄儀對患者進行整夜的睡眠監(jiān)領!l，這不但對患者的睡眠產(chǎn)生影響，而且由于多導生理記錄儀價格昂貴、操作復雜而難以在臨床推廣使用。心率變異(HeartRateVariabi'lity，HRV)是指連續(xù)心跳R-R間期的變化。臨床研究證明，健康人正常呼吸時，連續(xù)心跳間期雖然也存在微小漲落，但其波動呈現(xiàn)寬帶、功率譜在較大的頻率范圍內(nèi)近似按指數(shù)規(guī)律變化的。對于SAS患者，在其睡眠呼吸暫停的發(fā)生和恢復期間，心跳間期明顯出現(xiàn)周期性的波動，這種波動的頻率范圍比較狹窄，一般位于0.010.04Hz之間。這一特征是患者在正常呼吸時所沒有的。由于心跳間期的波動幅度和波動頻率具有瞬時性、非線性、非平穩(wěn)的特點，因此，傳統(tǒng)的分析技術如傅立葉分析、自回歸分析方法完全失效。現(xiàn)有技術的檢領!(方法已經(jīng)不方便對睡眠呼吸暫停進行監(jiān)測，即使到醫(yī)院利用多導生理記錄儀對患者進行整夜的睡眠監(jiān)測，其效果也不理想。
發(fā)明內(nèi)容本發(fā)明的目的，是為了克服現(xiàn)有多導生理記錄儀存在價格高昂、操作復雜的缺點，解決傳統(tǒng)分析技術如傅立葉分析、自回歸分析方法完全失效的問題，提供一種利用ECG信號檢測睡眠呼吸暫停的測量方法。本發(fā)明的目的可以通過采取如下措施達到利用ECG信號檢測睡眠呼吸暫停的測量方法，其特征在于利用便攜式睡眠呼吸暫停檢測記錄分析儀對患者進行整夜的監(jiān)測，記錄心電、口鼻氣流、血氧飽和度信號，然后利用含有睡眠呼吸暫停的一段心電信號進行如下步驟處理，1)利用斜率閥值法進行QRS波檢測，計算R-R間期時間序列，并利用最小二乘法直線擬合對R-R間期時間序列進行局部檢波得到心率變異信號HRV;2)把HRV隨心跳次數(shù)的變化作為一種隨機信號，選擇連續(xù)的500800個(最佳為600個)數(shù)據(jù)點作為滑動窗口，對窗口內(nèi)的HRV信號進行經(jīng)驗模態(tài)分解EMD，將HRV信號分解為一組內(nèi)在模態(tài)函數(shù)IMF;3)對每個IMF進行Hilbert變換得到HH譜，既HRV信號的幅度和頻率的時間分布；4)根據(jù)IMF的HH譜計算各個IMF分量的牆時頻率的平均值、瞬時幅度的標準差、各IMF分量的能量與總能量的比值作為特征值，根據(jù)特征值的變化檢測出睡眠呼吸暫停的時間和次數(shù)。本發(fā)明的目的還可以通過采取如下措施達到本發(fā)明的一種實施方式是進存前述第1)步聚時，為了排除QRS波檢測過程中因R波漏檢而引起的不正常的R-R間期，采用移動平均窗口濾波器濾除這些脈沖噪聲，其方法是，取連續(xù)的41個R-R間期數(shù)據(jù)，計算除第21個數(shù)據(jù)點以外的其它40個數(shù)據(jù)的平均值，然后用第21個數(shù)據(jù)點與該局部平均值進行比較，若該數(shù)據(jù)點大于局部平均值的20%或低于局部平均值的20%，則將其移除；然后改變窗口位置，重復上述計算對所有數(shù)據(jù)點進行濾波處理。本發(fā)明的一種實施方式是在前述第1)步中利用最小二乘法直線擬合進行局部檢波得到心率變異信號HRV的方法是，，取連續(xù)的80個數(shù)據(jù)點組成滑動窗口，進行最小二乘法直線擬合，計算公式如下式5*,=乂—(ax,+6)其中Si為檢波后的HRV信號，yi是心率信號，xi是時間數(shù)據(jù)，a、b的計算公式如下'w》,2_(》,)/=1/=1本發(fā)明的一種實施方式是進行前述第2)步操作時，選擇連續(xù)的600個數(shù)據(jù)點作為滑動窗口，對窗口內(nèi)的數(shù)據(jù)進行經(jīng)驗模態(tài)分解EMD，將HRV信號分解為一組內(nèi)在模態(tài)函數(shù)IMF;然后對每個IMF進行Hilbert變換得到HH譜，既HRV信號的幅度和頻率的時間分布。本發(fā)明的一種實施方式是'1)把瞬時頻率的平均值在O.02Hz—0.05卵z之間的IMF分量作為敏感頻段，將相應的瞬時幅度標準差和能量比作為特征值，若瞬時幅度標準差在0.02至0.6之間，能量比大于22.5%則可判為睡眠呼吸暫停；52)步長為100個數(shù)據(jù)點，逐步改變窗口的位置，通過敏感頻段內(nèi)的特征值的變化實現(xiàn)呼吸暫停的檢測。本發(fā)明具有如下有益效果本發(fā)明是根據(jù)心率信號在呼吸暫停出現(xiàn)時呈現(xiàn)明顯的周期性波動，信號某些頻帶內(nèi)能量的空間分布與正常呼吸時相比會發(fā)生相應變化，分別計算出各頻段的功率值，以及各頻段功率占總功率的百分比作為特征值，使本不明顯的信號特征在某些頻帶內(nèi)以顯著的能量變化的形式表現(xiàn)出來，采用普通的心電監(jiān)護技術實現(xiàn)睡眠呼吸暫停的檢測，與現(xiàn)行昂貴的睡眠監(jiān)護儀相比，具有設計簡單，使檢測對患者睡眠的影響達到最小，對睡眠監(jiān)護的家庭化以及睡眠呼吸障礙的早期診斷將具有極其重要的意義。圖1是經(jīng)過QRS波識別得到的R-R間期數(shù)據(jù)序列示意圖。圖2是經(jīng)過局部檢波得到的HRV信號示意圖。圖3是發(fā)生呼吸暫停時HRV信號的IMF分量示意圖。圖4是正常呼吸時HRV信號的JMF分量示意圖。圖5是發(fā)生呼吸暫停時的HH邊際譜示意圖。圖6是正常呼吸時的HH邊際譜示意圖。圖7是發(fā)生呼吸暫停時各IMF分量的功率譜示意圖。圖8是正常呼吸時各IMF分量的功率譜示意圖。具體實施例方式本實施例利用便攜式睡眠呼吸暫停檢測記錄分析儀對患者進行整夜的監(jiān)測，記錄心電、口鼻氣流、血氧飽和度信號，'然后利用含有睡眠呼吸暫停的一段心電信號進行上述步驟的處理，圖1是經(jīng)QRS波識別得到的R-R間期時間序列，圖2是選擇窗口寬度為80檢波得到的HRV數(shù)據(jù)。圖3和圖4是同一個體不同時段各600個數(shù)據(jù)點的HRV信號，通過經(jīng)驗模式分解而得到六階IMF，圖中x(t')表示的是原始的HRV信號，imfl-imf6表示六階IMF，ref表示的是原始信號減去各階IMF后的殘差。從圖3、4可以看出，第一階IMF包含信號的局部高頻成份，隨著IMF階數(shù)增高，IMF頻率成份逐步降低。和傅立葉方法的全局頻率成份分解相比，這種分解方式由局部頻率成份決定，可以很好地揭示HRV信號中頻率的時變特性。由圖3和圖4的IMF，通過(14)式可分別計算出兩段HRV的HH邊際譜如圖5、6所示。從HH邊際譜圖可以看出，在低頻段，發(fā)生睡眠呼吸暫停時所對應的總幅度值明顯高于正常呼吸時的總幅度值，也就是說伴隨呼吸暫停而產(chǎn)生的心率的波動，改變了HRV能量的分布。但由于圖b、6表征的是整個時間跨度內(nèi)信號在每個頻率點上能量累積的分布情況，為了進一步確定能量值變化較6大的頻段，需要對各IMF分量進行功率譜分析加圖7、圖8所示。利用Hilbert-Huang變換對心率變異信號進行分析和特征值提取，利用特征值的變化實現(xiàn)睡眠呼吸暫停檢測。本發(fā)明的理論基礎如下-1、經(jīng)驗模態(tài)分解經(jīng)驗模態(tài)分解首先假設所采集的信號數(shù)據(jù)，由許多基本的內(nèi)在模態(tài)函數(shù)(IMF)疊加而成，然后將信號分解成若干個i征模態(tài)函數(shù)。而每一個內(nèi)在模態(tài)函數(shù)代表了一個簡單的振動模態(tài)，它們或線性或非線性，但必須滿足下面兩個條件①在整個信號長度上，極值點和過零點的數(shù)目必須相等或者至多相差一個；②在任意時刻，由極大值點定義的上包絡線和由極小值點定義的下包絡線的平均值為零，也就是說信號的上下包絡線對稱于時間軸。在實際信號的處理過程中，完全滿足第二個條件是不現(xiàn)實的，所以只要二者的平均值小于一個預先確定的小量即可。根據(jù)定義，可以采用如下方法分解函數(shù)設時間序列為X(t)，則(l)找出X(t)的所有極大值點和極小值點，將其用三次樣條函數(shù)分別擬合為原數(shù)據(jù)序列的上、下包絡線。上、下包絡線的均值為平均包絡線ml，將原序列減去ml便可得到一個去掉低頻的新序列'hl,即邵)一附,"(1)一般hi不一定是一個平穩(wěn)序列，為此需要對它重復上述過程。如果hi的平均包絡線為mll，則去除該包絡線所代表的低頻成分后的序列為hll，即&_w=&(2)。重復以上過程，經(jīng)過k次，直到滿足以上兩個限定條件，結束分解，使得hlk成為第一個IMF項，即""-附a=、(3)令^=&(4)CI為從該數(shù)據(jù)分離出的第一個IMF分量，'它包括信號的最小時間尺度即最短周期的模態(tài)，令原始信號與CI的差值為剩余信號rl艮口邵)-q"(5)由于rl包含了較長周期的組份，可將其視為原始數(shù)據(jù)并重復以上的過程獲得C2，其新的差值為'n—C2"2(6)V廣C=r(7)當rn為單調(diào)序列或者相對原始信號幅度極小可忽略不計時，認為完成提取信號內(nèi)在模態(tài)的過程。綜合以上方程(5)(6)和(7),最后獲得鄰)；C,"(8;從方程(8)可知，原始信號可表示為n個內(nèi)在模態(tài)函數(shù)Cj和一剩余信號rn之和，rn或是常數(shù)量或是一組單調(diào)數(shù)據(jù)。所有的IMF分量經(jīng)過逆向疊加，最后可以還原回原始數(shù)據(jù)X(t)。希爾伯特(Hilbert)變換希爾伯特變換與其它變換不同，它把信號從時間域仍然變換到時間域。設X(t)為一時間序列，Y(t)是它的希爾伯特變換，即，=丄("巡&(9)7T"1卜T將X(t)和Y(t)形成一復數(shù)，可以得到X(t)對應的解析信號Z(t)=邵)+z了(,)=a(/)e，)(10)將信號的瞬時幅值a(t)、瞬時相位e(t)表示如下"(o=#2(o+D(11),=arctan^"(12)邵)其瞬間頻率定義式為+，(13)'對于真實信號，利用HT變換求出其共軛正交分量，然后對實信號進行解析表示，可以求出該信號的三個瞬時特征參數(shù)，即瞬時幅度、瞬時相位和瞬時頻率，從而實現(xiàn)真正意義上瞬時參數(shù)的提取。但是，由瞬時頻率的物理意義可知，并不是任意的信號都能用瞬涂頻率來討論。當信號滿足只含一種振動模態(tài)，沒有復雜疊加波的情況才可行。也就是說對于含有復雜波系的信號序列，直接HT變換在一定程度上失去了方法上的有效性。為此，必須對含有復雜波系的信號序列進行經(jīng)驗模態(tài)分解(EMD)，得到一系列頻率成分從高到低的內(nèi)在模態(tài)函數(shù)UMFs)分量，再對每一個分量進行HT變換得到HH譜，進而得到邊際譜。2、HH譜及邊際譜對式(12)的每一個IMF作HT變換后累加得'這里省略了殘差函數(shù)rn，Re表示取實部。表達(13)稱為HH譜.由式(ll)(13),信號幅度a(t)與瞬時頻率"(t)都是時間的函數(shù)，因此可把幅度顯示在頻率-時間平面上，即構成了HH幅度譜，HH譜精確地描述了信號'的幅值在整段上隨頻率和時間變化的規(guī)律。由于能量可用振幅的平方來描述，因此H("，t)也在一定程度上反映了信號能量在頻率(或時間)各種尺度上的分布規(guī)律。HH譜H(",t)確定以后，,就可以利用下式對時間積分得至!jHH邊際譜(marginalHilbertspectrum):/z(w)=f//0，(15)HH邊際譜提供了每一個頻率值所對應的總幅度值，在統(tǒng)計意義上表征了整個時間跨度內(nèi)信號在每個頻率點上能量累積的分布情況。HHT方法邊界效應的解決辦法EMD通過多次的計算包絡線來逐個分解IMF。在每一次的計算過程中，要根據(jù)信號的上、下包絡來計算信號的局部平均值；上、下包絡是由信號的局部極大值和極小值通過三次樣條插值(CubicSpline)算法給出，它的構造影響著EMD的全過程，決定著EMD分解的結果，是HHT變換的關鍵問題。由于信號兩端不可能同時處于極大值和極小值，因而邊界處的均值需要估計，在對包絡進行樣條插值時，要對信號或其極值向外進行延拓，以確保包絡線抵達端點，否則要么會因在端點處產(chǎn)生較大擺動嚴重影響數(shù)據(jù)的完整性，要么會因在端點處譜能量的擴散，信號由兩端向數(shù)據(jù)的中心污染破壞整段數(shù)據(jù)，最終使得EMD分解失效。本文選用鏡像邊界延拓方法，就是根據(jù)端點和距端點最近的兩個極值之間^大小關系決定鏡像延拓的對稱中心，當端點的值在離端點最近的兩個極值i間時，以離端點最近的極值點為對稱點進行鏡像延拓。反之，以端點為對稱點進行鏡像延拓。本發(fā)明的實現(xiàn)步驟如下(1)先對采集到的心電圖(ECG)信號進行濾波，以濾除基線漂移，然后利用斜率閥值法進行QRS波檢測，計算R-R間期時間序列。(2)為了排除QRS波檢測過程中因R波漏檢而引起的不正常的R-R間期，我們采用移動平均窗口濾波器濾除這些脈沖噪聲。其方法是取連續(xù)的41個R-R間期數(shù)據(jù)，計算除第21個數(shù)據(jù)點以外的其它40個數(shù)據(jù)的平均值，然后用第21個數(shù)據(jù)點與該局部平均值進行比較，若該數(shù)據(jù)點大于局部平均值的20%或低于局部平均值的20%，則將其移除。然后改變窗口位置，重復上述計算對所有數(shù)據(jù)點進行濾波處理。(3)利用最小二乘法直線擬合進行局部檢波得到心率變異(服V)信號。其方法是取連續(xù)的80個數(shù)據(jù)點組成滑動窗口，進行最小二乘法直線擬合，計算公式如(16)式<formula>formulaseeoriginaldocumentpage10</formula>其中Si為檢波后的HRV信號，yi是心率信號，xi是時間數(shù)據(jù)，a、b的計算公式如(17)(18)所示<formula>formulaseeoriginaldocumentpage10</formula>(4)把HRV隨心跳次數(shù)的變化作為一種隨機信號，選擇連續(xù)的600個數(shù)據(jù)點作為滑動窗口，對窗口內(nèi)的數(shù)據(jù)進行經(jīng)驗模態(tài)分解(EMD)，將HRV信號分解為一組內(nèi)在模態(tài)函數(shù)(IMF)。然后對每個IMF進行Hilbert變換得到HH譜，既HRV信號的幅度和頻率的時間分布。'(5)根據(jù)IMF的HH譜計算各個IMF分量的瞬時頻率的平均值、瞬時幅度的標準差、各IMF分量的能量與總能量的比值。(6)把瞬時頻率的平均值在0.02Hz—0.055Hz之間的IMF分量作為敏感頻段，其相應的瞬時幅度標準差和能量比作為特征值，步長為IOO個數(shù)據(jù)點，逐步改變窗口的位置，如果窗口內(nèi)有呼吸暫停出現(xiàn)時，敏感頻段內(nèi)的特征值會發(fā)生較大變化，通過特征值的變化實現(xiàn)呼吸暫停的檢測。表1:各IMF分量瞬時頻率平均值<table>tableseeoriginaldocumentpage10</column></row><table>各IMF分量的功率譜反映了信號能量在頻，各種尺度上的分布規(guī)律，但要準確分析各個不同對象間的差異，還必須從娃量的角度來度量。因此，有必要在求得瞬時幅度分布規(guī)律的基礎上來提取反映睡眠呼吸暫停特征的指標?，F(xiàn)定義分解后各層能量為《=i>,(,)r(i9),/=i其中N為每個IMF的數(shù)據(jù)點數(shù)。分解后各層總能量為￡=(20)7=1其中Ej為j層的能量，n為分解的層數(shù)。定義各層的能量比為<formula>formulaseeoriginaldocumentpage11</formula>標準差反映的是總體的發(fā)散程度，表征了瞬時幅度a(t)隨時間的隨機波動或者振動的強度。表2為計算得到的睡眠呼吸暫停和正常呼吸時各IMF的能量比和瞬時幅度的標準差，表中數(shù)據(jù)基本反映了睡眠呼吸暫停引起心率的波動情況。表2睡眠呼吸暫停和正常呼吸時各IMF的能量比和瞬時幅度的標準差IMF1IMF2IMF3IMF4IMF5IMF6呼吸暫停能量比Mj(%)7.1920.930.6219.9*15.345.98呼吸暫停瞬時幅度標準差0.011310.019850.026840.010630.006050.004619正常呼吸能量比Mj(n/。)5.1720.9713.0120.9827,7412.14正常呼吸瞬時幅度標準差0.006390.017140.011580.014980.01180.002012通過多次實驗對比發(fā)現(xiàn)，IMF3的平均瞬時頻率一般在0.02Hz至0.05Hz之間，能量比和瞬時幅度的標準差在睡眠呼吸暫停出現(xiàn)時產(chǎn)生較大的變化，說明這些特征值能夠靈敏地反映睡眠呼吸的變化過程。通過改變滑動窗口的位置，可以迅速準確地進行睡眠呼吸暫停的檢測和定位。需要說明的是，希爾伯特-黃變換(Hilbert-HuangTransform,簡稱HHT)是繼小波變換之后，由美國科學家N.E.Huang等人于1998年提出的又一種主要用于非平穩(wěn)信號分析的新方法，這種方法不僅可以適用于線性過程的分析，而且適用于非線性和非平穩(wěn)時間序列的分析。HHT的核心思想是將信號通過經(jīng)驗模態(tài)分解(empiricalmodedecomposition,EMD)，分解成數(shù)個固有模態(tài)函數(shù)(IntrinsicModeFunction,IMF)然后利用Hilbert變換構造解析信號，得出信號的瞬時頻率和振幅，進而得到Hilbert譜[4]。由于EMD方法是依據(jù)信號本身的時域信息進行的時域分解，得到的IMF通常個數(shù)是有限和平穩(wěn)的，而且是具有實際意義的窄帶信號，基于這些IFM分量進行的Hilbert變換其結果反映了真實的物理信息，因此，其Hilbert譜也能夠準確反映出信號能量、頻率在空間或時間尺度上的分布。它不受傅立葉分析要求信號必須是線性、平穩(wěn)和周期性的局限，又具有小波分析的全部優(yōu)點，且在分辨率上消除了小波分析的模糊和不清晰，具有更準確的譜結構。因此這種基于EMD的Hilbert頻譜分析方法，在非線性和非平穩(wěn)過程的分析中具有很高的應用價值。1權利要求1、利用心電信號檢測睡眠呼吸暫停的方法，其特征在于利用便攜式睡眠呼吸暫停檢測記錄分析儀對患者進行整夜的監(jiān)測，記錄心電、口鼻氣流、血氧飽和度信號，然后利用心電信號進行如下步驟處理，1)利用斜率閥值法進行QRS波檢測，計算R-R間期時間序列，并利用最小二乘法直線擬合對R-R間期時間序列進行局部檢波得到心率變異信號HRV；2)把HRV隨心跳次數(shù)的變化作為一種隨機信號，選擇連續(xù)的500～800個數(shù)據(jù)點作為滑動窗口，對窗口內(nèi)的HRV信號進行經(jīng)驗模態(tài)分解EMD，即將HRV信號分解為內(nèi)在模態(tài)函數(shù)IMF；3)對每個內(nèi)在模態(tài)函數(shù)IMF進行Hilbert變換得到HH譜，即得到HRV信號的幅度和頻率的時間分布；4)根據(jù)內(nèi)在模態(tài)函數(shù)IMF的HH譜計算各個IMF分量的瞬時頻率的平均值、瞬時幅度的標準差；并將各IMF分量的能量與總能量的比值作為特征值，然后根據(jù)特征值的變化檢測出睡眠呼吸暫停的時間和次數(shù)。2、如權利要求1所述的利用心電信號檢測睡眠呼吸暫停的方法，其特征在于進行第1)步聚時，為了排除QRS波檢測過程中因R波漏檢而引起的不正常的R-R間期，采用移動平均窗口濾波器濾除這些脈沖噪聲，其方法是，取連續(xù)的41個R-R間期數(shù)據(jù)，計算除第21個數(shù)據(jù)點以外的其它40個數(shù)據(jù)的平均值，然后用第21個數(shù)據(jù)點與該局部平均值進行比較，若該數(shù)據(jù)點大于局部平均值的20%或低于局部平均值的20%，則將其移除；然后改變窗口位置，重復上述計算對所有數(shù)據(jù)點進行濾波處理。3、如權利要求1所述的利用心電信號檢測睡眠呼吸暫停的方法，其特征在于在第1)步中利用最小二乘法直線擬合進行局部檢波得到心率變異信號HRV的方法是，取連續(xù)的80個數(shù)據(jù)點組成滑動窗口，進行最小二乘法直線擬合，計算公式如下式S,畫X-("A+6)其中Si為檢波后的HRV信號，yi是心率信號，xi是時間數(shù)據(jù)，a、b的計算公式如下<formula>formulaseeoriginaldocumentpage2</formula>4、如權利要求1所述的利用心電信號檢測睡眠呼吸暫停的方法，其特征在于進行第2)步操作時，選擇連續(xù)的600個數(shù)據(jù)點作為滑動窗口，對窗口內(nèi)的數(shù)據(jù)進行經(jīng)驗模態(tài)分解,EMD，將HRV信號分解為一組內(nèi)在模態(tài)函數(shù)IMF;然后對每個IMF進行Hilbert變換得到HH譜，既HRV信號的幅度和頻率的時間分布。5、如權利要求1所述的利用心電信號檢測睡眠呼吸暫停的方法，其特征在于，1)把瞬時頻率的平均值在O.02Hz—0.055Hz之間的IMF分量作為敏感頻段，將相應的瞬時幅度標準差和能量比作為特征值，若瞬時幅度標準差在0.02至0.6之間，能量比大于22.5%則可判為睡眠呼吸暫停；2)步長為IOO個數(shù)據(jù)點，逐步改變窗口的位置，通過敏感頻段內(nèi)的特征值的變化實現(xiàn)呼吸暫停的檢測。全文摘要本發(fā)明涉及利用心電信號檢測睡眠呼吸暫停的方法，其特征在于1)利用斜率閥值法進行QRS波檢測，計算R-R間期時間序列，并利用最小二乘法直線擬合對R-R間期時間序列進行局部檢波得到心率變異信號HRV；2)把HRV隨心跳次數(shù)的變化作為隨機信號，選擇連續(xù)的500～800個數(shù)據(jù)點作為滑動窗口，將HRV信號分解為內(nèi)在模態(tài)函數(shù)IMF；3)對每個內(nèi)在模態(tài)函數(shù)IMF進行變換得到HH譜；4)根據(jù)HH譜計算各個IMF分量的瞬時頻率的平均值、瞬時幅度的標準差；根據(jù)特征值的變化檢測出睡眠呼吸暫停的時間和次數(shù)。本發(fā)明檢測結果可靠，實時性好，為睡眠呼吸暫停綜合癥的早期診斷、監(jiān)護及預后評估提供了新的分析工具。文檔編號A61B5/0452GK101496716SQ20091003742公開日2009年8月5日申請日期2009年2月26日優(yōu)先權日2009年2月26日發(fā)明者盧肖霞,吳小玲,周洪建,周風華,方玉怡,莉曾,梅松青,蔡桂艷申請人:周洪建