用于监测睡眠呼吸暂停患者生命体征的集成系统

【作 者】叶光雷，郭必纳

1 永嘉县人民医院，温州市，325100

2 温州市中心医院，温州市，325000

0 引言

微纳米传感器、低功耗集成电路和移动通信的迅速发展使新一代无线身体传感器网络得以实现，目前已用于监测健康和诊断疾病[1-3]。无线身体传感器网络（Body Sensor Network, BSN）领域是一个跨学科领域，可以实现廉价和持续的健康监测。微机电系统（Microelectro Mechanical System, MEMS）传感器可以集成到可穿戴BSN中，可用于计算机辅助康复或早期发现医疗状况。

阻塞性睡眠呼吸暂停综合征（Obstructive Sleep Apnea Syndrome, OSAS）是一种睡眠障碍，其特征是呼吸暂停异常或睡眠期间呼吸异常低的情况，严重威胁着人类的生命，特别是对于老年人。根据医学调查，约有20%～40%的老年人患有OSAS，其中一半以上未被确诊。OSAS的诊断通常是基于患者病史和测试进行, 这些测试范围较为复杂，涉及多个录数据通道。相比于传统的检查较为复杂，耗时，成本高且相对具有侵入性[4-5]，使用BSN技术诊断和监测OSAS是一种低成本，高效率地获取全民医疗保健的有效方式，从而减少对人类生命的威胁[6]。

1 集成系统原理

本文提出的检测系统是将微型传感器与移动通信设备集成在一起，为OSAS开发基于BSN的便携式监测器。其使用三种微传感器，包括热膜流量传感器、三轴加速计和血氧计。通过传感器检测到的生命体征通过蓝牙无线传输至移动设备，如手机和掌上电脑，并可通过互联网进一步传输至远程医疗中心。

1.1 系统构建

基于BSN的系统包括三层网络，如图1所示。主要包括身体传感器节点层、便携式终端层（即，移动通信设备）和远程监控中心层[7-8]。传感器节点层由呼吸姿态传感器节点和血氧传感器节点组成。其中，使用自制的微型热膜传感器监测呼吸气流，使用基于MEMS的三轴加速度计监测身体姿态，使用脉搏血氧饱和度测量仪监测血氧饱和度。每个传感器节点通过蓝牙向移动设备传输数据。在移动通信层，移动设备实时从传感器节点获取数据，执行生命体征提取，使用辅助软件对严重疾病进行初级诊断和预警，并且还可以将数据传输到远程监控通过互联网中心执行医生的专业诊断，流程图如图2所示。

图1 基于BSN的OSAS监控系统Fig.1 Configuration of BSN-based OSAS monitor system

图2 监测系统组成流程图Fig.2 Composition of the monitor system

1.2 呼吸姿势传感器系统

监控系统中有两个传感器，一种是呼吸姿势传感器，并使用商用血氧计（CONTEC Medical Systems，CMS50FW）作为血氧测量传感器。图3和图4为呼吸姿势传感器的配置和电路，主要是针对低功耗和小型化量身定制的。另一种是所使用的微热膜流量传感器，它是利用前人的技术与印刷电路技术相结合来制造的，具体而言，通过Cr（30 nm），Ni（100 nm）和Pt（50 nm）依次喷涂在与引线和焊点连接的电极上，最后将薄层的聚二甲苯层封装在晶片上[9]。

图3 呼吸姿态传感器系统配置Fig.3 The configuration of the respiration-posture sensor

图4 呼吸姿态传感器系统电路Fig.4 The circuit of the respiration-posture sensor

流量传感器以恒温差（CTD）模式运行，并采用自调温度补偿技术来克服温度差[10-11]。热膜传感器的流量范围为0～100 L / min，阈值达到0. 01 L / min，精度达到1%FS。使用微热膜流量传感器的好处在于：低成本，易于制造和封装，灵敏度高，与电路集成一体。检测能力选择商用三轴MEMS加速度计（ADI公司，ADXL345）作为姿态传感器。

1.3 生命体征信息提取

生命体征信息在移动设备运行的辅助软件中，其中包括提取生命体征和诊断/评估OSAS疾病的算法。呼吸参数的推导过程，如分钟通气量（MV），峰值吸气流量（PIF），呼吸频率（RR）和潮气量（TV）。

从三轴加速度计（ax，ay，az）和血氧计的读数中提取血液的体态和血氧饱和度。ax，ay，az的方向指向右侧，脚和身体的后面。姿势标志被简单地分类为坐姿/站立姿势，通过简单合成具有最大加速度的ax，ay，az分量，并确定符号和方向。例如，如果ay具有最大绝对值，当ay为正且朝向脚时，姿态标志被确定为“坐/站”。 通过使用这种简化的方法[12-13]，使处理器的计算负载最小化。

2 临床试验分析

OSA是最常见的睡眠呼吸紊乱症状，试验的一个“事件”是呼吸暂停，其特征为完全停止气流至少10 s，或者气流减少50%的呼吸不足。如果氧饱和度下降与睡眠时觉醒有关联，则可减少30%。睡眠呼吸暂停的诊断是基于每小时睡眠时的呼吸暂停低通气指数（AHI）来确定，它取决于呼吸暂停和呼吸不足事件的数量，与阈值相关，高于该阈值患者被认为患有睡眠呼吸暂停症状，这个值的严重程度可以量化睡眠呼吸暂停症。轻度OSA的范围为每小时5～14.9次睡眠，OSA中度睡眠每小时15～29.9次，严重OSA患者每小时暂停30次以上。当呼吸暂停未被诊断时，并且没有妥善处理，严重的OSA患者可能产生高血压和严重的心血管疾病并影响健康而导致死亡[14]。未经治疗的阻塞性睡眠呼吸暂停可能导致高血压、心血管疾病如心力衰竭、中风、心率失常等，因此这种疾病的预防在早期是非常重要的。

诊断测试包括在睡眠诊所进行血氧测定和AHI监测。医学统计证明，许多人从上身或更高的身体30°仰卧睡眠中受益，因为它有助于防止气道的压力崩溃。由于侧向位置的重力分量较小，所以睡眠呼吸暂停也推荐侧卧位（睡在一侧）而不是仰卧位（睡在后面）。因此，除了呼吸和血氧信息之外，获取姿势信息有助于在诊断OSA时了解全面的睡眠症状[15]。

患者在上半身戴上呼吸姿势节点器，用鼻插管收集呼吸气流。血氧计夹戴在测试者的指尖上。所有的传感器数据通过蓝牙无线传输到附近的手机上[16]，在手机上对数据进行处理和分析来诊断OSA，图5显示了三个传感器的输出信号。

图5 流量传感器、血氧计和加速度计输出信号Fig.5 Outputs of flow sensor, oximeter, and accelerometer

在试验测试中，临床患者故意屏住呼吸两次，模拟睡眠呼吸障碍。7 min左右，患者摆动身体一段时间，导致呼吸流量增加，加速度计输出波动。呼吸流量参数、血氧饱和度、脉搏率以及身体姿势的迹象如图6～图8所示。图6～图8的波形变化充分验证该仪器的准确灵敏度，在4 min和5 min时，患者屏住呼吸，其呼吸流量和呼吸频率的曲线在该时间段处于最低值；当患者在7 min摆动身体时，加速度曲线在第7 min出现加速度的变化，并且出现运动强度的变化。从以上临床试验分析可以看出，这套睡眠呼吸监测系统可以满足睡眠呼吸患者的实时监测功能，这对于准确诊断患者病情具有明显的优势。

图6 呼吸流量参数RR、PIF值Fig.6 Extracted respiratory parameters: RR and PIF

图7 血氧饱和度和脉率Fig.7 Extracted oxygen saturation of blood and pulse rate

图8 测试者身体姿势提取Fig.8 Extracted body posture

3 结论

本文开发了一种基于BSN的便携式设备，该设备使用微热流量传感器监测呼吸气流，三轴微加速度计监测身体姿势以及微光电传感器监测血氧饱和度。其中微型热膜流量传感器对弱气流非常敏感，能够检测婴儿的呼吸，用于检测呼吸流量。该系统通过临床试验，对患者的呼吸、血氧饱和度和运动姿态能实时的进行监测，利用蓝牙传输数据并通过移动蜂窝网络和互联网将数据传输到远程医疗中心和医生进行专业分析、评估和诊断。