用于诊断和治疗患者呼吸模式的系统和方法

专利名称：用于诊断和治疗患者呼吸模式的系统和方法
技术领域：
本发明涉及用于诊断和治疗患者呼吸模式的系统和方法。
背景技术：
阳塞性睡眠呼吸暂停综合症(OSAS)是一种可能影响大约1-5%成年人群的公认睡眠障碍。OSAS是造成过度白天嗜睡的最普遍的原因之一。OSAS最频繁地发生在肥胖男性身上，并且是到睡眠障碍诊所安排治疗的一个最常见原因。OSAS与许多情况相关，其中有患者上气道存在的解剖学上或机能上的狭窄化，并且其特点是在睡眠期间发生上气道间歇性阳塞。不管如何连续地努力呼吸，这种阳塞都会导致从全部气流缺乏(呼吸暂停)到有或没有气流减少的明显阻塞(呼吸浅慢和打鼾)的呼吸紊乱程度。这种综合症的病状是由血氧不足、血碳酸过多、心脉徐缓以及与呼吸暂停和随后的从睡眠中唤醒相关的睡眠中断引发的。目前尚未能完全地研究出OSAS的病理。然而，已经公认的是:在睡眠期间上气道的阻塞部分上是由于呼吸尝试而产生的负内腔压导致气道的声门上部分的萎陷(coI lapsibIe)行为而引起。由此，在罹患OSAS的患者中，睡眠期间上气道的表现基本上如同吃惊堵塞(startlingresistor)(即不管启动(吸气)压如何，气流被局限于固定值)。部分或完全气道皱缩则会引起气道状况(airway tone)的损失,这是睡觉时发作的症状并有可能扩大为OSAS。从1981年起，通过在睡眠期间佩戴紧配合鼻罩实施的气道正压(PAP)疗法已演变为对OSAS的最有效的治疗方式，并且现在是护理标准。这种非侵入形式疗法的可用性已导致对OSAS的广泛公开并出现了大量以前由于害怕气管切开手术而避开医疗机构的患者。PAP系统的舒适度的增加已成为针对提高患者依从PAP疗法的主要研究目的。PAP疗法已成为阳塞性睡眠障碍呼吸(OSDB)中的主要治疗方法，阳塞性睡眠障碍呼吸包括阻塞性睡眠呼 吸暂停、上气道堵塞综合症、打鼾、睡眠过份所诱发的上气道萎陷的增加以及上气道部分的非正常萎陷引起明显的非生理气流阻塞的所有病状。当气道中的可萎陷部分中的压力降低到作为周围内壁的“临界组织压”所定义的水平之下时，这种萎陷通常会发生。该PAP疗法旨在将气道中可萎陷部分的压力在任何时间维持在临界组织压或在临界组织压之上。过去，当患者戴上该装置时，通过总是增加传递给患者气道的压力到高于该临界组织压而实现这种目标。一般来说，对PAP疗法的需要仅发生在睡眠期间。然而，传统PAP疗法不考虑睡/醒状态，并且传统PAP系统在患者醒时施加不必要的压力。所施加的压力或者是常压或者是基于治疗需要的呼吸一呼吸判定的压力。基于表示由于气道萎陷需要PAP疗法的多个信号的反馈的判定来发现病理事项(例如呼吸暂停、呼吸浅慢和其它气道高堵塞的迹象)用于确定最小压力的多种策略已有了演变。尽管它取得了成功，传统PAP系统的使用局限性仍然存在，例如来自面罩的不适和消除呼吸暂停所需的压力。特别地，患者经常报告醒时由于高压而感到不适。为了避免这种不适，应仅在患者入睡时提供所施加的压力。例如，“斜坡(ramp)”系统利用患者在启动施加压力中的激活延迟，然而这种斜坡系统不自动响应患者在夜间醒来，除非由患者按下按钮而蓄意激活。患者在失眠期间的不适经常与从正常的呼吸模式例如，接近恒定呼吸深浅和频率)到包含不正常的呼吸模式的改变有关。这些不正常的模式例如包括分隔的深呼吸、短暂停顿以及不在任何正常模式中变化的呼吸流形状的改变)单单通过气流跟踪的检查而被发现，并且经常发生在患者因为PAP系统而感到痛苦时。某些传统PAP系统利用连续和自动地滴定所施加压力的算法。这些算法取决于来自呼吸信号的气道萎陷的检测迹象。然而，这些传统PAP系统的算法具有一些局限性。例如，尽管受试者苏醒也会表现出呼吸的不正常模式并且在焦虑时更为多见，这会干扰对计算所施加压力的呼吸信号的处理。

发明内容
在一个示范性的实施例中，本发明涉及包括传感器和处理装置的系统。传感器测量与患者呼吸模式对应的数据。处理装置分析呼吸模式以确定呼吸模式是否指示REM睡眠状态。在另一实施例中，本发明涉及包括传感器和处理装置的系统。传感器测量与患者呼吸模式对应的数据。处理装置分析呼吸模式以确定呼吸模式是否指示(i)苏醒状态和(jj)睡眠状态之一。 在另一实施例中，本发明涉及包括传感器和神经网络的系统。传感器测量与患者呼吸模式对应的数据。神经网络分析该数据以确定呼吸模式是否指示下述状态之一:(i)REM睡眠状态；(ii)苏醒状态jP(iii)睡眠状态。还在另一实施例中，本发明涉及包括传感器和处理装置的系统。传感器测量与患者呼吸模式对应的数据。处理装置分析该数据以确定呼吸模式是否指示觉醒。


图1示出根据本发明的一个系统的范例性实施例；图2示出根据本发明、利用图1所示系统的方法的范例性实施例；图3示出利用根据本发明的系统的患者在例如非焦虑)正常失眠期间的气流波形；图4示出患者正常睡眠期间的气流波形；图5示出表示上气道压力高度堵塞和呼吸浅慢的睡眠中患者的气流波形；图6示出表示反复性阻塞呼吸暂停的睡眠中患者的气流波形；图7示出表示燥乱失眠期间的患者的波形；图8示出表示由于患者阶段性REM而引起不规则呼吸的REM睡眠期的患者的气流波形；图9示出用于确定REM睡眠状态的方法；图10示出用于确定患者睡眠状态和苏醒状态的方法；图11示出用于训练和使用神经网络从而确定患者状态的方法；以及图12示出用于控制施加到患者的压力的方法。
具体实施例方式图1示出根据本发明的系统I的范例性实施例。系统I可以包括经由导管21连接以从气流发生器22接收具有特定压力气流的面罩20。提供给特定患者的压力量根据患者的特定条件而变化。可使用任何传统的PAP疗法而确定这种压力量。面罩20覆盖患者 的鼻子和/或嘴巴。传统的气流传感器23耦合至导管21。传感器23检测去往/来自患者的气流速率和/或由发生器22提供给患者的压力。传感器23可在发生器22的内部和外部。与气流和/或压力对应的信号被提供给处理装置24以便处理。该处理装置24将信号输出到传统的流量控制装置25以控制由气流发生器22施加到流体导管21的压力。本领域内技术人员可以理解，对于可用作气流发生器22的某些类型的气流发生器，处理装置24可直接控制气流发生器22，而不是通过操纵独立的流量控制装置25而控制来自气流发生器的气流。系统I还可包括连续泄漏口或其它通气装置28。通气装置28可使包含在患者呼出气流中的气体从输入气流中分流以防止呼出气体被重新吸入。图2示出根据本发明的方法的一个范例性实施例。在步骤202中，患者通过将面罩20置于自己脸上并给发生器22、气流控制装置25和处理装置24通电而启动系统I。在步骤204中，系统I启动患者呼吸模式的实时监测进程。监测进程由处理装置24执行，处理装置24利用预存储的患者数据以及由传感器23提供的有关去往/来自患者和/或所施加的压力的当前数据。在监测进程中，处理装置24对患者的当前状态作出判定(例如，患者是否处于睡目民、苏醒且正常地呼吸或苏醒但由于痛苦或焦虑而不正常地呼吸)。这种判定可基于多种不同的测量而作出。例如，处理装置24在确定患者状态时可分析患者的心率、血压、EEG数据、呼吸模式等。可将患者呼吸模式的多种特性考虑在内以作出这类判定。图3和图4示出表示患者在PAP疗法期间安静、正常的放松呼吸的呼吸模式。图3表示放松状态下的失眠(患者不焦虑或痛苦)。图4表示在患者正确地通过PAP疗法被治疗的睡眠期间的放松呼吸期。在任何一种情况下，都能不损害舒适度地传递所施加的压力。此外，存在其间必需采用PAP疗法的睡眠障碍呼吸期。睡眠障碍呼吸指数包括呼吸暂停(如与深呼吸交替出现的大于8-10秒的零气流期)、呼吸浅慢(如明显减少的、持续10秒或更长时间的并且由更深呼吸结束的气流循环周期)或信号形状的间歇或循环改变的周期(如其特征为波形变平，由正常形状的呼吸结束)。相反，后面的范例性特征表示患者苏醒并处于焦虑和痛苦状态:纯粹用嘴呼吸(例如配置成检测来自患者鼻子气流的传感器23没有信号)；吸气次数变化的不稳定深呼吸；呼吸间的不规则间隔(但不是表示睡眠和需要更高压力的循环性呼吸暂停等)。图7示出该种燥乱的失眠期，在此期间呼吸模式的特征为呼吸的深浅和/或频率的不规则变化和/或表示患者处于苏醒并且处于焦虑或不适状态的患者气流跟踪形状的不规则变化。然而，在呼吸深浅中没有循环性改变(例如周期性不规则)，这种循环性变化例如会在呼吸暂停和呼吸浅慢睡眠情况下被发现。用以增加患者舒适度的方法中的一种是在不需要时减少所施加的压力。阻塞性睡眠呼吸暂停的患者在苏醒时根本不需要任何压力。因此在这种不规则呼吸期中降低施加到面罩的压力将提高用户的舒适度，直到患者入睡例如，这能通过规则性恢复或者简单地识别为呼吸暂停和呼吸浅慢的循环但规则的阳塞期或者增大的上气道堵塞来表征)。可以从呼吸深浅和吸气时序的缓慢变换区分上述呼吸模式，例如潮式呼吸(cheynestoke)和其它形式的阻塞性呼吸暂停。图5表示PAP疗法中的患者呼吸模式，它包括睡眠期间增大的上气道堵塞和呼吸浅慢情况，而图6表示与反复阻塞呼吸暂停对应的呼吸模式。在两种情况下，呼吸深浅和频率的改变被缓慢地调节并且是反复的和循环的(例如规则地不规律)。在这些期间，所施加的压力是需要的或必需被升高，但不表示这样有助于减少患者的痛苦。因此，所施加的压力不应被降低。图8示出REM睡眠期。这种睡眠阶段,例如每90分钟正常睡眠发生10_30分钟，呼吸模式经常被特征化为不规则呼吸。该模式表示对使用不规则性表示焦虑的失眠的潜在例外。然而，在这种类型呼吸期间，患者处于睡眠状态并且必需维持所施加的压力(即在失眠期间不减少)。在REM期间可见的这种类型的不规则与失眠所表现出来的不规则在多个关键参数中存在区别。该种与 REM相关的呼吸模式可包括例如深呼吸的缺乏，特别是在停顿后的深呼吸的缺乏、总体高的呼吸速率、低流动速率以及浅呼吸聚集的趋势。呼吸气流信号的模式与燥乱的失眠期间可见的模式的区别使得可以将这些状态分开，并且可以被用于改变所施加的压力。处理装置24还收集和记录每位患者的数据。这些数据可由技术人员手动地收集和输入或由处理装置24本身自动地收集和输入。例如，技术人员可监测患者呼吸并同时确定患者是否苏醒。接着，当患者入睡时，技术人员可标记入睡患者的呼吸模式以便处理装置24在以后对患者是否苏醒的判定中使用该数据。当已建立患者呼吸特性的数据库时，对患者失眠判定的作出将明显地更为准确。在步骤206，处理装置24判定患者状态是否已有改变。例如，处理装置24可判定患者处于睡眠状态还是已被唤醒；或患者是苏醒的还是已入睡。如果没有改变，处理配置24继续监控进程。如果患者状态有改变，处理装置24将调整压力以适应患者当前状态(步骤208)。例如，如果患者已苏醒并且患者的呼吸模式表示处于如图7所示的燥乱失眠期，处理装置24可减少在这个时期内提供给患者的所施加的压力。这种减少可以是所施压压力的完全去除即气流发生器22将流速减少到不向患者的面罩提供任何净压的水平，同时仪通过环路维持到通气装置28的最小必要流量以防止C02积聚)，或者是局部减少(也就是气流发生器22仅产生足以维持在患者睡眠时产生的气压的减少部分的气流)。另一方面，如果患者已入睡，处理装置24可指令流量控制装置25升高压力到患者睡着时所施加的压力。例如，这可能表示当患者的呼吸模式从图7所示模式变为图4所示模式的情况。在这种情况下，处理装置24应该增加压力。从那时起，该增加的压力不应减少，除非检测到多个预置呼吸模式中的一个。例如，如果患者的呼吸模式表明发生了如图5所示的增加的上气道堵塞和呼吸浅慢，处理装置24应至少维持相同压力或者，优选的是，增加压力。另外，如果患者的呼吸模式表现出图6所示反复性阻塞呼吸暂停，则压力至少应该维持相同的值，或者优选地增加；或者如果患者表现出表示他处于REM睡眠状态的不规则的呼吸，由于在该呼吸类型期间患者是睡着的，所施加的压力应至少维持和其它睡眠时期内相同的水平(即，不减少为如在失眠期间)。在步骤210中，处理装置24判定断开系统I的指令是否己被给出，如果已给出这种指令如，如果患者按下指定按钮或经过预置时间期限)，系统I关闭并结束所有监测和气流发生活动。否则，系统I继续步骤204的监测进程。根据本发明的系统I的一个优点是:当患者具有表示他处于苏醒并焦虑状态的不规则的呼吸模式时，调整施加到患者的压力(例如减少到零或预置的低水平)。当呼吸是规则的(例如表示睡眠)或表现出睡眠障碍呼吸状况，则可保持或增加该压力。在本发明的另一实施例中，系统I可用于一个或多个诊断应用中。也就是，处理装置24可从传感器23获得有关患者呼吸模式的数据并记录患者的状态而不施加压力到患者。例如，本发明可包括如图9所示的用于确定患者何时处于REM睡眠状态的方法100。在步骤102中，系统I被启动并将面罩20覆盖耦合至患者。在步骤104中，传感器23获得指示患者呼吸模式的数据。在步骤106中，处理装置24确定呼吸模式是否被识别为REM睡眠状态。例如，当呼吸模式包括深呼吸的缺乏(例如，在呼吸停顿后)、高的呼吸速率、低流动速率以及浅呼吸聚集的趋势时，处理装置24可识别呼吸模式为REM睡眠状态。当呼吸模式没有被识别为REM睡眠状态时，处理装置24会继续收集有关患者呼吸模式的数据。

在步骤108中，处理装置24已经识别呼吸模式为REM睡眠状态并且将其报告给系统I的使用者(例如，医师)。另外或可替换的，处理装置24可标记一部分内部记录以提醒患者处于REM睡眠状态预定时间。也就是，在REM睡眠状态被识别后，处理装置24可继续识别患者的呼吸模式以确定REM睡眠状态的终止。在本发明的另一实施例中，系统I可用于检测患者入睡/苏醒的时候并且基于其调节压力。在图10中示出根据该实施例的方法250。在步骤252中，系统I初始化并将面罩20覆盖于患者。在步骤254中，处理装置24基于从传感器23获得的有关患者呼吸模式的数据确定患者的第一状态。在该实施例中，处理装置24可基于呼吸模式确定患者是否处于睡眠状态或苏醒状态。也就是，上述数据可指示规则的呼吸状态，其通常被识别为睡眠状态或苏醒状态。在另一实施例中，处理装置24可检测例如患者是否处于睡眠状态。也就是，当患者处于苏醒状态时，可施用该系统I。在系统I初始化后，处理装置24可默认患者处于苏醒状态。这样，处理装置24可仅仅检测患者是否处于睡眠状态，并且当未检测睡眠状态时，默认患者处于苏醒状态。在步骤256中，处理装置根据状态来施加气压。在一个实施例中，CPAP可在睡眠状态以第一水平施加以及在苏醒状态以第二水平施加。在另一实施例中，可施加自动调节的CPAP(“自动一 CPAP”)。在该实施例中，当确定睡眠状态时，处理装置24可朝向第一水平调节压力，并且当确定苏醒状态时，可朝向第二水平调节压力。本领域的技术人员将会理解，利用该实施例，患者的全部睡眠时间可由处理装置24基于识别睡眠和苏醒状态而确定。在本发明的另一实施例中，系统I可包括耦合于处理装置24的神经网络和用于识别患者状态的传感器23。神经网络(neural network)可从传感器23获得数据并基于上述数据确定患者状态。在神经网络运行之前和/或其运行过程中，其可训练成识别相应于上述一个或多个状态的呼吸模式的特征。图11示出用于执行根据本发明神经网络的方法300。在步骤302中，神经网络构建成用于时识别患者的呼吸状态。在一个实施例中，神经网络包括多个节点，其包括输入、隐藏和输出节点。输出节点的预定数目可等于被识别状态的数目。例如，当识别下述状态时:(i)规则的呼吸状态，(ii)睡眠障碍呼吸状态，(iii)REM睡眠状态以及(iv)燥乱的失眠状态，神经网络可包括四个输出节点。在步骤304中，用由输入节点获得的呼吸数据样本训练神经网络。呼吸数据样本可由系统I的操作者获知为对应状态之一。例如，呼吸数据样本可人工评价为相应状态。在步骤306中，用测试的呼吸数据对神经网络进行测试。测试的呼吸数据可与采样的呼吸数据不同，但是可由系统I的操作者获知为对应状态之一。在步骤308中，确定神经网络是否满意地执行。如果没有满意地执行，继续训练。在步骤310中，训练神经网络已经被训练并满意地执行，因此用其检测患者状态。处理装置24从传感器23获取呼吸数据并测量呼吸数据的预定数目的参数。呼吸数据可通过预定数目的呼吸(例如，五个呼吸)获得。上述参数可包括但不限于峰值流量、吸入时间、呼出时间、频率和总呼吸时间。虽然将相对于独立呼吸参数的测量对本发明进行描述，但是本领域的那些技术人员将会理解可对任意数目的连续呼吸或在其间具有预定时间/呼吸间隔的呼吸测量参数。可产生测量汇总，其可包括每一参数的中值、平均值、范围和标准偏差。此外，可识别处于连续呼吸之间的每一参数中的差异。上述差异可包含在汇总中。在汇总中，基于一个或多个参数可将呼吸分类为预定的顺序(例如，升序，降序)。然后可将汇总输入神经网络的输入节点中。接着神经网络可用对应患者状态的输出节点识别汇总和/或每一呼吸。例如，在一种情况下，汇总可指示患者处于规则的呼吸状态。在另一情况下，一个呼吸可指示规则的呼吸状态，而预定数目呼吸内的另一呼吸指示燥乱的失眠状态。在识别状态之后或识别状态过程中，处理装置24可获取预定数目呼吸最后一个呼吸之后的更多预定数目呼吸的更多呼吸数据。一旦状态被识别，处理装置24可基于上述状态调节供应到患者的压力。
在本发明的另外示范性实施例中，在患者状态被识别后，处理装置24可利用预定的算法来调节压力。图12中示出根据该实施例的方法400。在步骤402中，系统I初始化，并且处理装置24以默认水平将压力供应到患者。在步骤404中，处理装置24确定患者的呼吸模式是否指示睡眠障碍呼吸状态。在步骤406中，当检测到睡眠障碍呼吸状态时，处理装置24朝向第一预定压力(例如治疗压力)以预定的增量增加压力。根据该实施例，睡眠障碍呼吸状态的任意更多的检测可以增加压力增加的速率(例如，减少增量间的时间)。在步骤408中，处理装置24确定患者的呼吸模式是否指示燥乱的失眠状态。在步骤410中，当检测到燥乱的失眠状态时，处理装置24朝向第二预定压力(例如在苏醒状态下更舒适的压力)以预定的增量减小压力。根据该实施例，燥乱的失眠状态的任意更多的检测可以增加压力增加的速率。在方法400的执行过程中，当处理装置24确定患者的呼吸模式指示规则的呼吸状态和/或REM睡眠状态时，可如前述供应压力。例如，当由于检测到睡眠障碍呼吸状态而增加压力时，以及处理装置24检测到规则的呼吸状态时，可朝向第一预定水平继续增加压力。也就是，在方法400中的任意之处，处理装置24可检测患者的呼吸模式是否指示规则的呼吸状态和/或REM睡眠状态。此外根据上述实施例，处理装置24可用于自动一 CPAP模式中。在此方式中，处理装置24自动保持和/或调节压力。但是，当检测到燥乱的失眠状态时，处理装置24可朝向第二预定压力以预定的减小量减小压力。当检测到任意其它状态时，处理装置24自动回复自动一 CPAP模式。在本发明的再一实施例中，系统I可用于检测预定的流量情况，诸如象指示短暂或持续苏醒的破坏性呼吸模式，例如，处于规则呼吸阶段中的深呼吸表示出短暂的3 — 5秒的苏醒或持续的苏醒，如由EEG测量的那样。应该明了的是对本领域内技术人员而言，在不脱离本发明精神或范围的情况下，可对本发明的结构和方法作出多种修正和改变。因此，本发明旨涵盖落入所附权利要求及其等价物范围内的本发明的所有修 正和改变。
权利要求
1.一种用于提供治疗的系统，包括: 存储与患者的呼吸模式相对应的数据的存储装置；以及 确定所述呼吸模式是否指示躁乱的失眠状态的处理装置，所述处理装置被配置成在所述呼吸模式指示所述躁乱的失眠状态的情况下，将提供给所述患者的气压降低到预定压力水平。
2.按权利要求1所述的系统，其特征在于，还包括: 耦合到传感器的患者接口，所述接口接收所述患者的气流；以及 防止所述患者重新吸入呼出气流的通气装置。
3.按权利要求1所述的系统，其特征在于，还包括: 置于所述患者的面部并至少部分地覆盖所述患者的嘴和鼻子中的至少一个的面罩；以及 将所述面罩连接至所述处理装置的导管。
4.按权利要求3所述的系统，其特征在于，还包括: 测量与所述患者的呼吸模式相对应的、要被存储在所述存储装置中的数据的传感器。
5.按权利要求4所述的系统，其特征在于，所述传感器被置于以下之一上:所述面罩、所述导管、以及所述处理装置内的位置。
6.按权利要求1所述的系统，其特征在于，所述存储器装置包括存储所述数据的第一数据库和存储与所述患者的先前呼吸模式相对应的先前记录的数据的第二数据库，其中所述处理装置被配置成通过将所述第一数据库与所述第二数据库进行比较来确定所述呼吸模式是否指示所述躁乱的失眠状态。
7.按权利要求1所述的系统，其特征在于，所述处理装置被配置成确定所述呼吸模式是否指示规则的呼吸状态。
8.按权利要求7所述的系统，其特征在于，所述处理装置被配置成确定所述呼吸模式何时背离所述规则的呼吸状态。
9.按权利要求8所述的系统，其特征在于，所述处理装置被配置成基于所述背离来控制对所述患者施加的治疗压力。
10.按权利要求9所述的系统，其特征在于，所述处理装置被配置成将对所述患者施加的治疗压力降低到预定水平。
11.按权利要求10所述的系统，其特征在于，所述处理装置被配置成将对所述患者施加的治疗压力降低到零。
12.按权利要求10所述的系统，其特征在于，所述处理装置被配置成降低所施加的治疗压力以便不对所述患者施加净压力。
13.按权利要求1所述的系统，其特征在于，所述处理装置标识所述患者的呼吸模式中的以下至少一个:呼吸暂停、呼吸浅慢、以及反复阻塞呼吸暂停。
14.一种系统,包括: 测量与患者的呼吸模式相对应的数据的传感器；以及 分析所述呼吸模式以确定所述呼吸模式是否指示REM睡眠状态的处理装置。
15.按权利要求14所述的系统，其特征在于，还包括: 提供具有对所述患者的气道的第一压力的气流的发生器。
16.按权利要求15所述的系统，其特征在于，所述第一压力是零。
17.按权利要求15所述的系统，其特征在于，在所述呼吸模式指示所述REM睡眠状态时，所述处理装置将所述气流调整到第二压力。
18.按权利要求17所述的方法，其特征在于，所述第二压力大于所述第一压力。
19.按权利要求15所述的系统，其特征在于，还包括: 耦合到所述发生器的、覆盖所述患者的鼻子和嘴中的至少一个的面罩。
20.按权利要求19所述的系统，其特征在于，还包括: 耦合到所述面罩的、防止重新吸入呼出气体的通气装置。
21.按权利要求14所述的系统，其特征在于，所述呼吸模式指示所述REM睡眠状态包括以下至少一个:(i)没有深呼吸，(ii)高呼吸速率，(iii)低流动速率以及(iv)浅呼吸聚集。
22.一种系统,包括: 测量与患者的呼吸模式相对应的数据的传感器；以及 分析所述呼吸模式以确定所述呼吸模式是否指示以下状态之一的处理装置:(i)苏醒状态以及Qi)睡眠状态。
23.按权利要求22所述的系统，其特征在于，还包括: 提供具有对所述患者的气道的压力的气流的发生器。
24.按权利要求23所述的系统，其特征在于，所述压力是零。
25.按权利要求23所述的系统，其特征在于，在所述呼吸模式指示所述苏醒状态时，所述处理装置降低所述压力。
26.按权利要求23所述的系统，其特征在于，在所述呼吸模式指示所述睡眠状态时，所述处理装置增加所述压力。
27.按权利要求23所述的系统，其特征在于，所述处理装置确定所述呼吸模式指示所述睡眠状态的时间段。
28.一种系统,包括: 测量与患者的呼吸模式相对应的数据的传感器；以及 分析所述数据以确定所述呼吸模式是否指示觉醒的处理装置。
29.按权利要求28所述的系统，其特征在于，所述呼吸模式指示所述觉醒包括在规则的呼吸时间段期间的深呼吸。
30.按权利要求29所述的系统，其特征在于，所述深呼吸大约3-5秒。
全文摘要
本发明涉及用于诊断和治疗患者呼吸模式的系统和方法。描述了一种包括传感器和处理装置的系统。传感器测量与患者呼吸模式对应的数据。处理装置分析呼吸模式以确定呼吸模式是否指示REM睡眠状态。在另一实施例中，处理装置分析呼吸模式以确定呼吸模式是否指示(i)苏醒状态和(ii)睡眠状态之一。在另一实施例中，神经网络分析上述数据以确定呼吸模式是否指示下述状态之一(i)REM睡眠状态；(ii)苏醒状态；和(iii)睡眠状态。在另一实施例中，处理装置分析上述数据以确定呼吸模式是否指示觉醒。
文档编号A61M16/00GK103083770SQ20131003892
公开日2013年5月8日 申请日期2006年9月20日 优先权日2005年9月30日
发明者D·M·拉波波特, R·G·诺曼 申请人:纽约大学