人生约有三分之一的时间在睡眠中度过，良好的睡眠是保证身体健康的必要条件。睡眠呼吸暂停症（sleep apnea）是一种很常见的睡眠呼吸疾病，据调查，在美国约有24％的成年男性及9％成年女性或超过二百万人口患有此疾病，在台湾至少有二十万人也有此问题。这个病初期最常发生于四十到五十岁间，正是事业的颠峰时期，所以对社会及家庭的影响相当大。此病除了会破坏了整个睡眠结构，还会引发许多并发症，例如患者很容易发生白天嗜睡、夜间失眠、响鼾、睡眠中异常动作、智力减退、个性改变、性无能、晨间头痛、高血压、心衰竭、肺高血压、肺心症、红血球增多症、甚至于猝死等症状。
一般在诊断患者是否患有睡眠呼吸暂停症是指患者在睡眠中出现呼吸暂停和低通气的总次数超过每小时5次。其中呼吸暂停是指在睡眠中，出现10秒以上的呼吸气流消失，低通气是指呼吸气流并未完全停止，只是减少到原来的20％-50％，同时血氧浓度下降4％以上的呼吸紊乱。目前医生在诊断睡眠呼吸暂停症时常使用夜间睡眠呼吸多项生理监测仪，来记录一整夜的睡眠周期，其中包括呼吸暂停以及呼吸变浅的次数、型态、缺氧指数、次数、心电图的变化、口鼻腔气流、胸部腹部呼吸运动、耳垂血氧等讯号的记录、打鼾次数等情形。使用夜间睡眠呼吸多项生理监测仪虽然精确，但需要在身上配戴多种仪器，也必须在特定的医院中由专业人士操作才能进行量测，非常不方便也容易影响患者的睡眠，所以不适合做长期的监测。因此一般患者除非到了非常严重的地步是不会走进医院进行这项检查。更何况睡眠呼吸多项生理监测仪是一项价格昂贵的仪器，一般患者不会购买，在居家中自行量测，所以很难达到普遍性。本研究主要针对这些缺点发展一套使用简单、察觉性更低、价格低廉及适合在居家睡眠环境下作长期监测的监测系统，达到帮助医师了解病患的病情，并提供医生追踪治疗过程的改善情形[1][2][3][4]。
1 研究方法与系统设计
本研究中所提出的无线型睡眠呼吸暂停症监视系统之设计如图一所示。此系统分成三部分(1)无线型睡眠呼吸多项生理参数量测计，(2) 无线型睡眠呼吸多项生理参数记录器，(3) 无线型睡眠呼吸多项生理参数记录语与分析器。图二为无线睡眠呼吸多项生理参数量测计方块架构图，包含感测电路、单芯片微控制器、串行式内存、蓝芽无线模块、实时时钟、充电电路和电池等电路，其中感测电路又包含量测睡眠的打鼾次数和每次打鼾的时间、呼吸暂停次数和每次呼吸暂停的时间、血氧浓度、口鼻腔气流大小及心跳变化等电路，在设计单芯片微控制器的软件时，必须将量测的各项生理参数以时间轴为基准，将每一笔数据储存于内存内及透过蓝芽模块传输出去，如此才能于重建时才可找出各个生理参数间的关系。图三为睡眠呼吸多项生理参数量测纪录器的方块图，单芯片微控制器的软件负责蓝芽模块的联机控制与数据传输，并将睡眠呼吸多项生理参数的数据转换成串行式的时间─振福的数字化格式储存于闪存。至于无线型睡眠呼吸多项生理参数记录与分析器部分，是使用微软的Visual BASIC发展一套应用软件，将蓝芽无线模块所得到的睡眠呼吸多项生理参数资料，以具亲和力的操作画面显示出来，提供病患的睡眠变化情形。
图一 无线型睡眠呼吸暂停症监视系统方块图
图二 无线睡眠呼吸多项生理参数量测计方块架构图
图三 睡眠呼吸多项生理参数量测纪录器的方块图
2 讨论
在设计单芯片微控制器的软件时，必须以时间轴为基准，量测各项生理参数，才能于重建时才可找出各个生理参数间的关系。为了能正确将每一笔数据均能透过蓝芽模块传输出去，选用串行式内存，将量测信息暂存起来预防数据流失。另外为使无线睡眠呼吸多项生理参数量测计的体积小型化，需尽量选择低耗电量及较小的零件，并采用单芯片微控制器使整体电源消耗最小化。蓝芽无线模块为低功率消耗且高安全性的无线数据传输设备。
在生理参数量测时，必须将量测计固定在患者的身上，因睡觉时头部、身体会移动和翻身，容易造成量测设备的脱落及不正确的量测数据，此时不正确的量测多少会影响医师对症状的评估。所以无线型量测计的传感器必须要很小、固定容易、不易脱落及避免影响病患的睡眠，当处理生理参数的数据时，要先利用带通滤波器，将这部分的数据除去，只显示真正的睡眠呼吸多项生理参数的波形，使在诊断上的正确性提高。
另外，要配合无线型睡眠呼吸多项生理参数量测计与睡眠呼吸多项生理参数纪录器为可携式的装置，它们的电源管理就很重要，在电源控制的工作是由单芯片微控制器负责，除选用较低的工作频率减少单芯片微控制器本身的耗电外，并利用睡觉模式(Sleep mode)来节省电源，在不影响准确度前提下，降低数据在数字化的取样频率，降低数据量，并先暂存在串行内存，此时先让蓝芽无线模块进入睡觉模式，等串行内存快满时，才启动蓝芽无线模块与睡眠呼吸多项生理参数纪录器联机，以减少无线型颤抖量测计的电源消耗。
参考文献：
[1] Mariano Cabrero-canosa, Elena Hernandez-pereira, and Vicente Moret-Bonillo, “Intelligent Diagnosis of Sleep Apnea Syndrome.” IEEE engineering in medicine and biology magazine, March 2004:72-81.
[2] Varady et al., “A Novel Method for the Detection of Apnea and Hypopnea Events in Respiration Signals.” IEEE Tran. Biomed. Eng., 2002; Vol. 49, September: 936-941.
[3] ASYALI et al., “Assessment of Closed-Loop Ventilatory Stability in Obstructive Sleep Apnea.” IEEE Tran. Biomed. Eng., 2002; Vol. 49, March: 206-216206-216.
[4] Varady et al., “On-line Detection of Sleep Apnea During Critical Care Monitoring.” Proceedings of the 22"d Annual EMBS International Conference, July 23-28, 2000, Chicago IL.
本文来源：中电网