[发明专利]具有腺样体肥大概率判断功能的智能儿童睡眠监测系统

权利要求书

1.一种具有腺样体肥大概率判断功能的智能儿童睡眠监测系统，其特征在于，包括：点阵红外摄像头、麦克风阵列、近红外LED光源、睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块以及腺样体肥大概率综合判断模块；

所述睡姿与口鼻呼吸分析模块与所述点阵红外摄像头数据连接，所述睡姿与口鼻呼吸分析模块通过所述点阵红外摄像头获得的被监测对象的红外图像数据判断被监测对象出现口呼吸事件的概率和/或频繁睡姿改变事件的概率；

所述体温分析模块与所述点阵红外摄像头数据连接，所述体温分析模块通过所述点阵红外摄像头获得被监测对象的额头温度数据，从而判断被监测对象出现头部多汗事件的概率；

所述呼吸声学分析模块与所述麦克风阵列数据连接，所述呼吸声学分析模块通过对所述麦克风阵列获得的被监测对象的睡眠呼吸声学信号进行声谱分析，从而判断被监测对象出现呼吸暂停事件的概率；

所述血氧分析模块与所述点阵红外摄像头、近红外LED光源均数据连接；所述血氧分析模块控制所述近红外LED光源向被监测对象发射近红外光，再通过所述点阵红外摄像头采集被监测对象的裸露皮肤反射的红外光，然后计算出被监测对象的氧血红蛋白或脱氧血红蛋白含量，从而判断被监测对象出现血氧含量降低事件的概率；

所述腺样体肥大概率综合判断模块接收所述睡姿与口鼻呼吸分析模块、体温分析模块、呼吸声学分析模块、血氧分析模块均的分析结果，然后统计口呼吸事件、频繁睡姿改变事件、头部多汗事件、呼吸暂停事件及血氧含量降低事件各自的概率，再利用以下公式计算出被监测对象患有腺样体肥大的概率；具体公式为：

其中，n=5，P(A_k)为独立症状的概率，具体的，P(A₁)表示口呼吸事件的概率、P(A₂)表示频繁睡姿改变事件的概率、P(A₃)表示头部多汗事件的概率、P(A₄)表示呼吸暂停事件的概率、P(A₅)表示血氧含量降低事件的概率；

P(B)为腺样体肥大的概率，P(B|A_k)为腺样体肥大下独立症状的概率。

2.根据权利要求1所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统，其特征在于，所述睡姿与口鼻呼吸分析模块对所述点阵红外摄像头获得的被监测对象的红外图像数据进行面部识别，获得被监测对象的面部构造分析结果；

所述睡姿与口鼻呼吸分析模块通过对被监测对象的红外图像数据进行分析，判断被监测对象的呼吸气流方向、气流量大小以及流速，然后结合被监测对象的面部构造分析结果判断气流是从口部还是鼻腔呼出，最终判断出现口呼吸事件的概率。

3.根据权利要求2所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统，其特征在于，所述睡姿与口鼻呼吸分析模块对所述点阵红外摄像头获得的被监测对象的红外图像数据进行记录与识别，计算一定时间内被监测对象翻身的次数，从而判断出现频繁睡姿改变事件的概率。

4.根据权利要求3所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统，其特征在于，所述体温分析模块控制所述点阵红外摄像头采集被监测对象额头处的红外图像，再结合该红外图像依据黑体辐射公式，计算出被监测对象额头处的温度，从而则判断出现头部多汗事件的概率；

黑体辐射公式为：

其中，I为辐射能量密度，h为普朗克常数，c为光速，k为玻尔兹曼常数，T为温度。

5.根据权利要求4所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统，其特征在于，所述呼吸声学分析模块构建为具备机器学习功能的基于卷积网络的呼吸模式分类模型；

所述麦克风阵列采集被监测对象的睡眠呼吸声学信号，所述呼吸模式分类模型对该睡眠呼吸声学信号进行声谱分析，从而判断被监测对象出现呼吸暂停事件的概率。

6.根据权利要求5所述的具有腺样体肥大概率判断功能的智能儿童睡眠监测系统，其特征在于，所述呼吸模式分类模型包括卷积神经网络CNN、长短记忆网络LSTM、LSTM层、全连接层以及sotfmax函数。