论文部分内容阅读
睡眠呼吸暂停综合征(SAS)是一种全身性疾病,已经严重危害到人类健康。病人对SAS的普遍性、严重性缺乏认识,导致疾病治疗率、主动就医检查率低,早发现、早治疗成为SAS患者亟待解决的问题。目前睡眠呼吸暂停综合征诊断金标准是多导睡眠图仪(PSG),PSG只能在专业睡眠监测室进行睡眠监测,使用场地受限。市面上的家用睡眠呼吸初筛产品存在价格昂贵等问题。因此,研发一款低成本家用睡眠呼吸暂停初筛系统对于SAS的早发现、早治疗具有重要的意义。论文设计了基于Android家用睡眠呼吸暂停综合征初筛系统,通过实时监测人体口鼻呼吸信号、胸部呼吸信号、腹部呼吸信号以及血氧饱和度4路信号对睡眠呼吸暂停进行监测、初筛。研究内容如下:首先,设计信号采集模块,选择MSP430F5529为主控制器,利用AFE4400和ADS1220等设计电路分别采集人体口鼻、胸部、腹部3处呼吸信号和手指处脉搏波(用于计算血氧饱和度),并通过低功耗蓝牙发送数据至手机APP。其次,设计手机Android APP,APP与低功耗蓝牙模块之间通信,对血氧饱和度和呼吸信号进行实时监测、处理分析、生成初筛报告,并且将原始数据、初筛报告存储到数据库,APP还可以查看历史监测记录进行数据回放以及将数据导出到手机SD卡。同时论文还进行算法设计,设计滤波器对呼吸信号、脉搏波信号进行预处理,采用差分法计算呼吸幅度,采用动态差分阈值法计算血氧饱和度,根据临床呼吸事件定义,设计呼吸事件初筛算法,分析血氧饱和度和呼吸幅度变化,对呼吸暂停以及低通气事件进行初筛。利用Matlab对算法仿真后,在APP中实现算法。最后进行系统测试与实验,采用圣文森特大学医院/都柏林大学睡眠呼吸暂停数据库25个样本数据对睡眠呼吸暂停初筛算法进行测试,使用血氧模拟仪以及监护仪实测对血氧饱和度算法测试,通过人为模拟呼吸暂停实验,对系统进行整体测试。系统实验与测试表明:Android APP与下位机硬件模块协同工作,能够准确实时监测各路信号,能够存数数据、导出数据、回放历史记录等;系统计算血氧饱和度误差±2%,符合相关规范;初筛算法对呼吸暂停事件、低通气事件的初筛准确率均高于81%,基本达到初筛效果。