一种基于鼻气流信号的睡眠呼吸暂停症检测方法及装置

技术领域

本申请涉及睡眠呼吸暂停症检测的技术领域，尤其是涉及一种基于鼻气流信号的睡眠呼吸暂停症检测方法及装置。

背景技术

生命健康是人们日常生活中不得不关注的问题，而近些年来，睡眠呼吸疾病得到了越来越多的关注，相关病情中，睡眠呼吸暂停低通气综合症(Sleep Apnea HypopneaSyndrome,SAHS)更是受到了广泛的重视。该病症是指在指定时间段内，呼吸暂停(睡眠状态下的口鼻气流停止)和低通气(睡眠状态下口鼻气流强度降到正常值50％以下)出现的次数超过一定的范围。此病症发病率高但不易察觉，在无法及时确诊并得到必要医疗干预的情况下，轻则影响正常的睡眠质量，重则诱发其他严重疾病甚至发生猝死。

相关技术中，呼吸暂停检测方法主要包括鼾声检测以及睡眠图像识别，但是这两种方式受到实际的睡眠环境影响较大，同伴以及背景声、背景光等都会严重影响鼾声检测结果。而睡眠图像识别更是会因为周围灯光影响，导致睡眠图像质量问题，从而影响实际检测结果。检测数据的不准确，对于睡眠呼吸症的检测就不准确，并且对于睡眠呼吸暂停症的原因也没有分析，存在改进之处。

为此我们提出一种基于鼻气流信号的睡眠呼吸暂停症检测方法及装置用于解决上述问题。

发明内容

本发明的目的在于提供一种基于鼻气流信号的睡眠呼吸暂停症检测方法及装置，以解决上述背景技术中提出的问题。

第一方面，本申请提供的一种基于鼻气流信号的睡眠呼吸暂停症检测方法，采用如下的技术方案：

获取用户睡眠时的温湿度、用户皮肤状态以及设备状态，选取数值作为参考值，得到标准环境数据；

根据所述标准环境数据，通过鼻气流传感器采集用户睡眠时流经口鼻腔的温暖气流流动，并转换为电压信号的波动，得到电压信号；

基于所述电压信号，将电压信号通过采集放大芯片放大后接入MCU的ADC接口，得到采集信号；

根据所述采集信号，对采集信号进行数字滤波处理，所述数字滤波处理包括低通滤波、高通滤波、工频陷波以及伪迹截幅，获取信号幅度波动，得到信号幅值数据；

基于所述信号幅值数据和所述标准环境数据，获取用户睡眠时的环境情况，得到实时环境数据，与标准环境状态比对后，分析环境造成的影响，自适应计算后，得到幅值数据；

根据所述幅值数据，通过信号幅值的阈值范围来判断相应的呼吸状态，根据呼吸状态分析睡眠呼吸暂停症以及原因，得到检测数据；

根据所述检测数据，将所述检测数据通过蓝牙发送至移动用户端APP，并在呼吸暂停超过时间阈值时，启动马达，通过振动提醒用户。

通过采用上述技术方案，通过将鼻气流信号转换为电压信号，对电压信号进行滤波处理后，检测用户的呼吸状态，判断用户睡眠呼吸暂停症的发生情况，推测用户产生睡眠呼吸暂停症的原因以及严重程度。并且排除周围环境干扰，得到更准确的睡眠时间暂停症的相关数据，提高了睡眠呼吸暂停症检测的便捷性和智能性。

优选的，所述根据所述标准环境数据，通过鼻气流传感器采集用户睡眠时流经口鼻腔的温暖气流流动，并转换为电压信号的波动，得到电压信号的步骤，具体包括以下步骤：

用户将含主机的头带固定在头上，通过TypeC口连接鼻托，向下连接鼻气流检测器，插入鼻腔获取流经口鼻腔的温暖气流流动，得到鼻气流信号；

基于所述鼻气流信号，获取鼻气流信号中的温度变化和压力变化，转变为电信号，得到所述电压信号。

通过采用上述技术方案，通过头带可以将装置固定在头上，并且头带连接鼻托，鼻托连接鼻气流检测器，可以固定鼻气流检测器在鼻腔中。减少因为鼻气流检测器脱落而未检测到数据的情况，并且佩戴方便，提高了睡眠呼吸暂停症检测的便捷性。

优选的，所述根据所述采集信号，对采集信号进行数字滤波处理，所述数字滤波处理包括低通滤波、高通滤波、工频陷波以及伪迹截幅，获取信号幅度波动，得到信号幅值数据的步骤，具体包括以下步骤：

基于所述采集信号，对于ADC信号匹配引入的零点漂移和低频干扰，进行高通滤波滤除，得到初阶滤除信号；

根据所述初阶滤除信号，对于模拟信号中未完全滤除的工频干扰，需要进行陷波，即进行工频陷波，得到中阶滤除信号；

基于所述中阶滤除信号，获取正常鼻气流频率范围，对于明显超出鼻气流频率的信号段，进行低通滤波滤除，得到高阶滤除信号；

基于所述高阶滤除信号，对于信号中高幅值伪迹，由于没有参考价值，需要进行截幅处理，得到所述滤除信号；

根据所述滤除信号，形成可分析的鼻气流数字信号序列，获取信号的幅值变化，得到所述幅值数据。

通过采用上述技术方案，鼻气流信号在转换成电压信号后并不是所有的信号数据都是有效数据，一方面有一些干扰信号夹杂在其中，另一方面，由于用户翻身等动作导致信号产生高幅值数据，并不能作为参考数据进行分析。去除不可用信号再分析，可以更快得到数据，提高了睡眠呼吸暂停症检测的快速性。

优选的，所述基于所述信号幅值数据和所述标准环境数据，获取用户睡眠时的环境情况，得到实时环境数据，与标准环境状态比对后，分析环境造成的影响，自适应计算后，得到幅值数据的步骤，具体包括以下步骤：

基于所述标准环境数据，采集用户的鼻气流，根据用户个人特点生成用户的专属信号幅值情况，得到标准幅值数据；

根据所述标准幅值数据，设定用户的信号幅值的阈值范围，并根据所述阈值范围匹配对应的呼吸状态，得到匹配数据库；

根据所述信号幅值数据和所述标准环境数据，获取检测时的环境情况，根据环境与标准环境的差值，分析信号受到的干扰，排除干扰后得到初步幅值数据；

根据所述初步幅值数据，由于在不同场景下放大比率有一定的偏差，进行阈值的自适应计算后得到所述幅值数据。

通过上述技术方案，由于个体差异性以及年龄等身体特征的不同，每个人的呼吸频率是不一致的，所得到的信号也会有所区别，利用同一参考值进行参考，容易发生检测错误的情况。将个人的实际呼吸情况作为参考值设置阈值，有利于得到更准确的结果，提高了睡眠呼吸暂停症检测的准确性。

优选的，所述根据所述信号幅值数据和所述标准环境数据，获取检测时的环境情况，根据环境与标准环境的差值，分析信号受到的干扰，排除干扰后得到初步幅值数据的步骤，具体包括以下步骤：

根据所述信号幅值数据和所述标准环境数据，获取检测时的环境情况，对比实时环境与标准环境中的温度变化、湿度变化以及设备标定变化，得到差值数据；

基于所述差值数据，根据外界温度与鼻腔内温度的正比系数，分析鼻气流信号频率因为温度产生的变化，得到温度信号数据；

根据所述差值数据，根据外界湿度比鼻腔内干燥程度的反比系数，以及鼻腔内干燥程度与呼吸频率的正相关曲线，分析鼻气流信号因为呼吸频率导致的频率的变化，得到湿度信号数据；

根据所述差值变化，根据设备标定进度与信号准确度的正比系数，分析鼻气流信号的幅值浮动范围，取极值，得到标定信号数据；

结合所述温度信号数据、所述湿度信号数据以及所述标定信号数据，综合分析在标准环境下，鼻气流信号转变成电信号得到的幅值，得到所述初步幅值数据。

通过采用上述技术方案，鼻腔的鼻气流信号会因为环境温度产生变化，环境的温湿度会对用户的鼻腔内环境造成影响，从而影响鼻气流信号的变化，造成判断结果的误差。同时，设备的标定情况也会造成检测误差，影响阈值范围。通过排除干扰，可以得到更准确的信号，提高了睡眠呼吸暂停症检测的准确性。

优选的，所述根据所述幅值数据，通过信号幅值的阈值范围来判断相应的呼吸状态，根据呼吸状态分析睡眠呼吸暂停症以及原因，得到检测数据的步骤，还包括以下步骤：

基于所述幅值数据和所述匹配数据库，将幅值的阈值进行一一匹配，得到幅值对应的呼吸状态，确认呼吸暂停时间以及次数，得到呼吸暂停数据；

基于所述呼吸暂停数据和所述标准幅值数据，根据信号的幅度变化，推测分析呼吸暂停症的患病类型，得到类型数据；

根据所述呼吸暂停数据，分析呼吸暂停的时间和次数，判断睡眠呼吸暂停症的严重程度，得到严重程度数据；

结合所述类型数据和所述严重程度数据，剔除异常数据后，综合得到所述检测数据。

通过采用上述技术方案，睡眠呼吸暂停症产生的原因不同，并且每个人的严重程度也不同，对于不同原因、不同程度的睡眠呼吸暂停症，有不同的处理方式和检查手段。确定睡眠呼吸暂停症的相关信息，有利于用户后续的处理，提高了睡眠呼吸暂停症检测的实用性。

优选的，所述基于所述呼吸暂停数据和所述标准幅值数据，根据信号的幅度变化，推测分析呼吸暂停症的患病类型，得到类型数据的步骤，具体包括以下步骤：

基于所述呼吸暂停数据和所述标准幅值数据，分析信号幅值是局部变化还是整体变化，局部变化为上气道疾病，整体变化为神经中枢异常以及心血管疾病，得到初步类型数据；

基于所处初步类型数据，为上气道疾病时，若信号幅度为减小时，则可以判断为上气道松弛问题；

根据所述初步类型数据，若信号幅度整体变化，则根据头戴上的脉搏检测器检测脉搏跳动，若脉搏跳动不规律，则判断为心血管疾病；

根据所述初步类型数据，确定睡眠呼吸暂停症的患病类型，得到所述类型数据。

通过采用上述技术方案，不同病情造成的睡眠呼吸暂停症的鼻气流信号特征是不同的，尽管造成的现象都是呼吸有短暂的暂停，但是对于正常呼吸时频率也会有所影响。确认睡眠呼吸暂停症后，根据信号幅值变化，可以初步判断原因类型，方便用户检查，提高了睡眠呼吸暂停症检测的便捷性。

优选的，所述根据所述呼吸暂停数据，分析呼吸暂停的时间和次数，判断睡眠呼吸暂停症的严重程度，得到严重程度数据的步骤，还包括以下步骤：

获取睡眠呼吸暂停症导致死亡的呼吸暂停次数以及时间，作为参考数值，设置严重等级，为最严重等级，得到初步等级数据；

根据所述初步等级数据，设置呼吸暂停次数和时间的间隔，依次划分不同等级的呼吸暂停次数和时间，得到等级数据；

基于所述等级数据和所述呼吸暂停数据，匹配用户睡眠呼吸暂停症的严重的等级，得到所述严重程度数据。

通过采用上述技术方案，睡眠呼吸暂停症严重的时候可导致人员死亡，而轻微的睡眠呼吸暂停症可以不做治疗，睡眠呼吸暂停症的不同程度有不同的治疗方式，确定睡眠呼吸暂停症的程度，有利于用户通过合理的解决方式维护自己的身体健康，提高了睡眠呼吸暂停症检测的安全性。

优选的，所述结合所述类型数据和所述严重程度数据，剔除异常数据后，综合得到所述检测数据的步骤，还包括以下步骤：

基于所述呼吸暂停数据，获取呼吸暂停时间，设置异常状态最小持续时长，呼吸暂停时间超出最小持续时长时，记录为异常时长，得到异常时长数据；

基于所述呼吸暂停数据，设置未佩戴时长阈值，当呼吸暂停时间超出未佩戴时长，则认为用户未佩戴，得到未佩戴时长数据；

根据所述呼吸暂停数据和所述匹配数据库，根据持续的点数和采样率计算鼻气流信号超出阈值时间，得到鼻气流时长数据；

结合所述异常时长数据、未佩戴时长数据以及鼻气流时长数据，当鼻气流信号值离开阈值区间且时间在异常时长和未佩戴时长之间，则记录一次呼吸暂停状态以及开始结束时间，去除其他多余数据；

结合所述类型数据和所述严重程度数据，若没有呼吸暂停状态，则记录一次低通气以及开始结束时间，综合得到所述检测数据。

通过采用上述技术方案，对于一些异常情况，即用户未佩戴以及鼻托掉落等情况，不需要持续记录，只记录一次呼吸状态或低通气状态的开始结束时间。异常情况下不进行持续检测，能有效节约能源，提高了睡眠呼吸暂停症检测的节能性。

第二方面，本申请提供的一种基于鼻气流信号的睡眠呼吸暂停症检测装置，采用如下的技术方案：

一种基于鼻气流信号的睡眠呼吸暂停症检测装置，包括圆形头环、主机、鼻托、鼻气流检测器以及提醒马达，所述圆形头环用户将装置固定在用户头上；所述主机位于所述圆形头环内，用于处理数据并输出；所述鼻托与所述主机电连接，用于传输数据；所述鼻气流检测器与所述鼻托电连接，用于采集用户的鼻气流信号并输出；所述提醒马达位于所述圆形头环内，与所述主机信号连接，用于接收所述处理数据，并在到达异常设定值时振动提醒用户。

通过上述技术方案，利用装置实现睡眠呼吸暂停症的检测，更加方便快捷，可以整晚进行检测。另外可以根据采集到的信号直接分析得到结果，并且在危险时通过振动提醒用户，降低了死亡的风险，减少了人工资源的浪费，提高了睡眠呼吸暂停症检测的智能性。

综上所述，本申请包括以下至少一种有益技术效果：

1.通过将鼻气流信号转换为电压信号，对电压信号进行滤波处理后，检测用户的呼吸状态，判断用户睡眠呼吸暂停症的发生情况，推测用户产生睡眠呼吸暂停症的原因以及严重程度。并且排除周围环境干扰，得到更准确的睡眠时间暂停症的相关数据，提高了睡眠呼吸暂停症检测的便捷性和智能性。

2.鼻气流信号在转换成电压信号后并不是所有的信号数据都是有效数据，一方面有一些干扰信号夹杂在其中，另一方面，由于用户翻身等动作导致信号产生高幅值数据，并不能作为参考数据进行分析。去除不可用信号再分析，可以更快得到数据，提高了睡眠呼吸暂停症检测的快速性。

3.由于个体差异性以及年龄等身体特征的不同，每个人的呼吸频率是不一致的，所得到的信号也会有所区别，利用同一参考值进行参考，容易发生检测错误的情况。将个人的实际呼吸情况作为参考值设置阈值，有利于得到更准确的结果，提高了睡眠呼吸暂停症检测的准确性。

附图说明

图1是本发明一种基于鼻气流信号的睡眠呼吸暂停症检测方法的具体步骤示意图；

图2是本发明一种基于鼻气流信号的睡眠呼吸暂停症检测方法的步骤2和步骤4的具体步骤示意图；

图3是本发明一种基于鼻气流信号的睡眠呼吸暂停症检测方法的步骤5和步骤6的具体步骤示意图；

图4是本发明一种基于鼻气流信号的睡眠呼吸暂停症检测方法的步骤53的具体步骤示意图；

图5是本发明一种基于鼻气流信号的睡眠呼吸暂停症检测方法的步骤62和步骤63的具体步骤示意图；

图6是本发明一种基于鼻气流信号的睡眠呼吸暂停症检测方法的步骤64的具体步骤示意图；

图7是本发明一种基于鼻气流信号的睡眠呼吸暂停症检测方法的通气阈值模型图的示意图。

具体实施方式

下面结合实施例及附图1-7对本发明作进一步的详细说明，但本发明的实施方式不仅限于此。

实施例：

本发明公开了一种基于鼻气流信号的睡眠呼吸暂停症检测方法，参照图1，具体包括以下步骤：

步骤S1，获取用户睡眠时的温湿度、用户皮肤状态以及设备状态，选取数值作为参考值，得到标准环境数据；

步骤S2，根据标准环境数据，通过鼻气流传感器采集用户睡眠时流经口鼻腔的温暖气流流动，并转换为电压信号的波动，得到电压信号；

步骤S3，基于电压信号，将电压信号通过采集放大芯片放大后接入MCU的ADC接口，得到采集信号；

步骤S4，根据采集信号，对采集信号进行数字滤波处理，数字滤波处理包括低通滤波、高通滤波、工频陷波以及伪迹截幅，获取信号幅度波动，得到信号幅值数据；

步骤S5，基于信号幅值数据和标准环境数据，获取用户睡眠时的环境情况，得到实时环境数据，与标准环境状态比对后，分析环境造成的影响，自适应计算后，得到幅值数据；

步骤S6，根据幅值数据，通过信号幅值的阈值范围来判断相应的呼吸状态，根据呼吸状态分析睡眠呼吸暂停症以及原因，得到检测数据；

步骤S7，根据检测数据，将检测数据通过蓝牙发送至移动用户端APP，并在呼吸暂停超过时间阈值时，启动马达，通过振动提醒用户。

实际运用中，睡眠呼吸暂停症最主要的特征就是呼吸中断，而呼吸中断带来的最主要的特征就是鼻气流发生变化。通过检测鼻气流的变化，可以检测分析用户是否有睡眠呼吸暂停症，以及发生睡眠呼吸暂停症的原因和程度。而通过对信号滤波、排除干扰，可以得到更准确的数据，在危险时及时进行提醒。主机判断实时的呼吸状态，当用户出现长时间呼吸暂停时，启动头带中的马达对用户进行提醒，避免长时间的呼吸暂停对用户造成的影响。并且主机存储出现的异常呼吸状态次数，计算每个统计时长内(如一晚睡眠)的AHI指数并进行辅助医学判定，会在睡眠结束后主机可通过蓝牙将一晚的睡眠情况和判定结果推送给手机APP。

参照图2，根据标准环境数据，通过鼻气流传感器采集用户睡眠时流经口鼻腔的温暖气流流动，并转换为电压信号的波动，得到电压信号的步骤，具体包括以下步骤：

步骤S21，用户将含主机的头带固定在头上，通过TypeC口连接鼻托，向下连接鼻气流检测器，插入鼻腔获取流经口鼻腔的温暖气流流动，得到鼻气流信号；

步骤S22，基于鼻气流信号，获取鼻气流信号中的温度变化和压力变化，转变为电信号，得到电压信号。

实际运用中，用户在睡前将头环戴到头上，通过头环将主机固定到额头处，鼻托通过主机TypeC口接入主机并架在鼻子上，下部将相连的鼻气流检测器插入鼻腔，打开主机电源，开始检测。由于鼻托的固定，使得鼻气流检测器不至于轻易脱落。可以实现长时间检测，得到更多的数据，分析结果更加准确，因为少量的数据具有偶然性。

参照图2，根据采集信号，对采集信号进行数字滤波处理，数字滤波处理包括低通滤波、高通滤波、工频陷波以及伪迹截幅，获取信号幅度波动，得到信号幅值数据的步骤，具体包括以下步骤：

步骤S41，基于采集信号，对于ADC信号匹配引入的零点漂移和低频干扰，进行高通滤波滤除，得到初阶滤除信号；

步骤S42，根据初阶滤除信号，对于模拟信号中未完全滤除的工频干扰，需要进行陷波，即进行工频陷波，得到中阶滤除信号；

步骤S43，基于中阶滤除信号，获取正常鼻气流频率范围，对于明显超出鼻气流频率的信号段，进行低通滤波滤除，得到高阶滤除信号；

步骤S44，基于高阶滤除信号，对于信号中高幅值伪迹，由于没有参考价值，需要进行截幅处理，得到滤除信号；

步骤S45，根据滤除信号，形成可分析的鼻气流数字信号序列，获取信号的幅值变化，得到幅值数据。

实际运用中，由于鼻气流检测器输出的电压信号很小，所以模拟信号需要经过专门的采集放大芯片放大，接入MCU的ADC接口，而ADC信号匹配时会引入的零点漂移和低频干扰，需要进行高通滤波。对于由翻身、打呼等引起的高幅值伪迹，需要进行截幅处理，去除无用数据后能更快速的分析数据，得到结果。例如，假设用户日常电压信号幅值在-20uV到﹢20uF之间，则当幅值达到﹢30uF时，明显超出幅值，则认为是翻身、打呼行为造成，需要将数据截幅滤除。更少的数据进行分析的时间就会更短，得到结果的速度就会越快。

参照图3和图7，基于信号幅值数据和标准环境数据，获取用户睡眠时的环境情况，得到实时环境数据，与标准环境状态比对后，分析环境造成的影响，自适应计算后，得到幅值数据的步骤，具体包括以下步骤：

步骤S51，基于标准环境数据，采集用户的鼻气流，根据用户个人特点生成用户的专属信号幅值情况，得到标准幅值数据；

步骤S52，根据标准幅值数据，设定用户的信号幅值的阈值范围，并根据阈值范围匹配对应的呼吸状态，得到匹配数据库；

步骤S53，根据信号幅值数据和标准环境数据，获取检测时的环境情况，根据环境与标准环境的差值，分析信号受到的干扰，排除干扰后得到初步幅值数据；

步骤S54，根据初步幅值数据，由于在不同场景下放大比率有一定的偏差，进行阈值的自适应计算后得到幅值数据。

计算公式为：即将前一个时间段(如一分钟)的绝对值平均数的50％作为低通气阈值(如图7中的Threshold1)，

Threshold1＝(∑P(K))/(2*N)

将前一个时间段(如一分钟)的绝对值平均数的20％作为呼吸暂停阈值(如图7中的Threshold2)。

Threshold2＝(∑P(K))/(5*N)

实际运用中，每个人的身体特征不一样，而周围环境的变化会引起用户身体的特征变化，从而影响到睡眠呼吸暂停症的检测。因为鼻气流信号是检测鼻腔的温度与压力变化，而周围温度会影响鼻腔内的实际温度，从而导致鼻气流信号的变化。例如，在25摄氏度时，信号的幅值为-20uV到﹢20uF属于正常范围，而在35摄氏度时，鼻腔内温度升高，信号的正常幅值范围变为-25uV到﹢25uF，此时若再以-20uV到﹢20uF的范围为参考值得到的数据就会不准确。而根据温度变化，可以得到温度对于幅值的影响，在35摄氏度时，检测到信号幅值为﹢25uF时，可以得知在25摄氏度下，应该为﹢20uF。

参照图4，根据信号幅值数据和标准环境数据，获取检测时的环境情况，根据环境与标准环境的差值，分析信号受到的干扰，排除干扰后得到初步幅值数据的步骤，具体包括以下步骤：

步骤S531，根据信号幅值数据和标准环境数据，获取检测时的环境情况，对比实时环境与标准环境中的温度变化、湿度变化以及设备标定变化，得到差值数据；

步骤S532，基于差值数据，根据外界温度与鼻腔内温度的正比系数，分析鼻气流信号频率因为温度产生的变化，得到温度信号数据；

步骤S533，根据差值数据，根据外界湿度比鼻腔内干燥程度的反比系数，以及鼻腔内干燥程度与呼吸频率的正相关曲线，分析鼻气流信号因为呼吸频率导致的频率的变化，得到湿度信号数据；

步骤S534，根据差值变化，根据设备标定进度与信号准确度的正比系数，分析鼻气流信号的幅值浮动范围，取极值，得到标定信号数据；

步骤S535，结合温度信号数据、湿度信号数据以及标定信号数据，综合分析在标准环境下，鼻气流信号转变成电信号得到的幅值，得到初步幅值数据。

实际运用中，周围温湿度以及设备标定都会对装置检测出来的信号产生影响，为了得到更准确的数据，需要排除周围环境的干扰。设备标定说明了设备的精度，即设备的误差值。由于检测的误差，检测出来的信号幅值与实际的信号幅值具有一定的偏差。例如，设备的精度为±0.1uF，检测出来的信号幅值为﹢18uF，则根据误差范围，实际数值应该在﹢17.9uF到﹢18.1uF之间，取﹢18.1uF。若检测到信号幅值为-18.5uF，则取-18.6uF。减少因为误差导致漏掉呼吸暂停的情况。

参照图3，根据幅值数据，通过信号幅值的阈值范围来判断相应的呼吸状态，根据呼吸状态分析睡眠呼吸暂停症以及原因，得到检测数据的步骤，还包括以下步骤：

步骤S61，基于幅值数据和匹配数据库，将幅值的阈值进行一一匹配，得到幅值对应的呼吸状态，确认呼吸暂停时间以及次数，得到呼吸暂停数据；

步骤S62，基于呼吸暂停数据和标准幅值数据，根据信号的幅度变化，推测分析呼吸暂停症的患病类型，得到类型数据；

步骤S63，根据呼吸暂停数据，分析呼吸暂停的时间和次数，判断睡眠呼吸暂停症的严重程度，得到严重程度数据；

步骤S64，结合类型数据和严重程度数据，剔除异常数据后，综合得到检测数据。

实际运用中，睡眠呼吸暂停症是指睡眠中产生呼吸暂停的情况，而对于睡眠呼吸暂停症来说，不同类型、不同程度的解决办法都是不一致的。得到确切的情况有利于用户处理生病情况，给用户带来便利。例如，有的用户很紧张身体，不知道是否严重的情况下就去就医，如果此时睡眠呼吸暂停症并不严重，就会造成不必要的麻烦。一方面容易造成医疗资源的浪费，另一方面浪费了个人的时间。而如果睡眠呼吸暂停症很严重，但是用户不知道并且不在意，容易增加用户的死亡风险。

参照图5，基于呼吸暂停数据和标准幅值数据，根据信号的幅度变化，推测分析呼吸暂停症的患病类型，得到类型数据的步骤，具体包括以下步骤：

步骤S621，基于呼吸暂停数据和标准幅值数据，分析信号幅值是局部变化还是整体变化，局部变化为上气道疾病，整体变化为神经中枢异常以及心血管疾病，得到初步类型数据；

步骤S622，基于所处初步类型数据，为上气道疾病时，若信号幅度为减小时，则可以判断为上气道松弛问题；

步骤S623，根据初步类型数据，若信号幅度整体变化，则根据头戴上的脉搏检测器检测脉搏跳动，若脉搏跳动不规律，则判断为心血管疾病；

步骤S624，根据初步类型数据，确定睡眠呼吸暂停症的患病类型，得到类型数据。

实际运用中，造成睡眠呼吸暂停症的原因有很多，而不同的原因对于信号的幅值是不同的。例如，上气道结构异常以及上气道松弛的鼻气流信号可能呈现波动性的减弱或增强，而中枢神经系统异常以及心血管疾病的鼻气流信号呈现规律性的减弱或增强。那么当幅度呈波动性的增强或减弱时，推荐用户去检查上气道。若更进一步确定了信号幅度只有减小，则优先检查上气道松弛问题。可以减少用户的检查项目，节约成本和时间。

参照图5，根据呼吸暂停数据，分析呼吸暂停的时间和次数，判断睡眠呼吸暂停症的严重程度，得到严重程度数据的步骤，还包括以下步骤：

步骤S631，获取睡眠呼吸暂停症导致死亡的呼吸暂停次数以及时间，作为参考数值，设置严重等级，为最严重等级，得到初步等级数据；

步骤S632，根据初步等级数据，设置呼吸暂停次数和时间的间隔，依次划分不同等级的呼吸暂停次数和时间，得到等级数据；

步骤S633，基于等级数据和呼吸暂停数据，匹配用户睡眠呼吸暂停症的严重的等级，得到严重程度数据。

实际运用中，睡眠呼吸暂停症的严重程度不一样，处理方式也不一样。例如，严重的睡眠呼吸暂停可以造成呼吸暂停，如果时间较长，超过半分钟甚至更长，会造成靶器官损害、造成心脑器官损害。这种情况就需要及时就医，通过医疗诊治，减少身体受到的危害。而对于轻度睡眠呼吸暂停低通气综合征患者，可以通过体育锻炼控制体重，戒掉烟酒等不良嗜好，在夜晚睡觉时尽量选择侧面睡，缓解症状。选择合适的处理方式有利于节约资源和时间，更见便捷实用。

参照图6，结合类型数据和严重程度数据，剔除异常数据后，综合得到检测数据的步骤，还包括以下步骤：

步骤S641，基于呼吸暂停数据，获取呼吸暂停时间，设置异常状态最小持续时长，呼吸暂停时间超出最小持续时长时，记录为异常时长，得到异常时长数据；

步骤S642，基于呼吸暂停数据，设置未佩戴时长阈值，当呼吸暂停时间超出未佩戴时长，则认为用户未佩戴，得到未佩戴时长数据；

步骤S643，根据呼吸暂停数据和匹配数据库，根据持续的点数和采样率计算鼻气流信号超出阈值时间，得到鼻气流时长数据；

步骤S644，结合异常时长数据、未佩戴时长数据以及鼻气流时长数据，当鼻气流信号值离开阈值区间且时间在异常时长和未佩戴时长之间，则记录一次呼吸暂停状态以及开始结束时间，去除其他多余数据；

步骤S645，结合类型数据和严重程度数据，若没有呼吸暂停状态，则记录一次低通气以及开始结束时间，综合得到检测数据。

实际运用中，睡眠呼吸暂停症的呼吸暂停时间也是有时间阈值的，人不可能一直处于呼吸暂停的状态，超出呼吸停止时间的阈值，说明设备脱落。而在设备脱落以及用户未佩戴但是开机的状态下，为了节省电能，可以只记录一次呼吸暂停状态或者低通气的开始结束时间，两种状态不重叠或重复计算，优先记录呼吸暂停状态。主机存储出现的异常呼吸状态次数，计算每个统计时长内(如一晚睡眠)的AHI指数并进行辅助医学判定，睡眠结束后主机可通过蓝牙将一晚的睡眠情况和判定结果推送给手机APP。主机判断实时的呼吸状态，当用户出现长时间呼吸暂停时，启动头带中的马达对用户进行提醒，避免长时间的呼吸暂停对用户造成的影响。

一种基于鼻气流信号的睡眠呼吸暂停症检测装置，包括圆形头环、主机、鼻托、鼻气流检测器以及提醒马达，圆形头环用户将装置固定在用户头上。主机位于圆形头环内，用于处理数据并输出。鼻托与主机电连接，用于传输数据。鼻气流检测器与鼻托电连接，用于采集用户的鼻气流信号并输出。提醒马达位于圆形头环内，与主机信号连接，用于接收处理数据，并在到达异常设定值时振动提醒用户。还包括脉搏检测器，位于圆形头环内，与主机信号连接，用于采集用户脉搏信息并发送至主机。

实际运用中，用户在睡前将头环戴到头上，通过头环将主机固定到额头处，鼻托通过主机TypeC口接入主机并架在鼻子上，下部将相连的鼻气流检测器插入鼻腔，打开主机电源。人体睡眠时无论用口鼻呼吸，都会有在鼻腔出产生温暖气流流动，鼻气流传感器可感知鼻腔的温度与压力变化并转换为电压信号变化。通过鼻气流检测器检测鼻气流信号，接着通过鼻托将数据传输到主机，主机通过分析鼻气流信号转换成的电压信号幅值，根据幅值范围确定呼吸状态。分析呼吸暂停时间和暂停次数，结合信号幅值变化以及脉搏检测器检测的脉搏情况，判断睡眠呼吸暂停症原因以及程度，得到数据后通过蓝牙发送至手机APP。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。