ISSN 1641–6007 Sen 2003, Tom 3, Nr 2, 33–40 PRACA ORYGINALNA SEN Ocena zaburzeń oddychania w czasie snu na podstawie analizy sygnału fali pletyzmograficznej Diagnosis of respiration disorders during sleep using plethysmographic wave analysis Andrzej Kukwa1, Grzegorz J. Hatliński1, Witold Kornacki2, Bożena Dobrowiecka2, Marek Pikiel2 1Klinika Otolaryngologii Oddziału Stomatologii Akademii Medycznej w Warszawie Instytut Elektroniki w Warszawie 2Przemysłowy t Abstract Plethysmography and respiration disorders This paper proposes non-invasive solution to the problem of sleep apnoea diagnosis especially in small children when sudden death syndrome is suspected by application of plethysmographic wave analysis and digital signal processing algorithms in order to find the effect invoked by respiratory movements of sleeping patients so as to diagnose the sleep apnea syndrome. Adres do korespondencji: Witold Kornacki Przemysłowy Instytut Elektroniki ul. Długa 44/50 00–241 Warszawa tel.: (0 22) 635 62 32 e-mail: [email protected] The practical results of finding solution to problems mentioned above will be the possibility of algorithms implementation in a portable intelligent measurement system with a noninvasive monitoring of respiratory action without any disturbances of sleep and respiratory movements especially in small children what could make possible in the future when continuous monitoring were applied to prevent sudden death syndrome occurrence. Key words: OSAS, sudden death syndrome occurence, pulsoxymetry, plethysmographic wave t Wstęp Oddychanie jest podstawowym procesem zachodzącym w organizmie człowieka. Obecnie prowadzi się badania nad rozwojem nowych metod kontrolowania tego procesu. Jedną z nich jest badanie prawidłowości procesu oddychania z wykorzystaniem analizy fali tętna za pomocą fotopletyzmografii (PPG, photoplethysmograhic wave), która służy przede wszystkim do oceny kształtu fali tętna, mierzonej w obwodowych fragmentach ciała (tj. na palcu u ręki, palcu u nogi, w małżowinie usznej) z użyciem czujników optoelektronicznych, opracowanych specjalnie do tych potrzeb. Analiza uzyskanych wyników wskazuje, że sygnał PPG zawiera nie tylko składową synchroniczną, odpowiadającą skurczom serca, lecz także składową związaną z oddychaniem [1, 2]. Tę część zapisu można interpretować w dwojaki sposób: • jako sygnał fali tętna z nałożoną składową oddechową (zmodulowany amplitudowo). Przypuszczalnie zjawisko to wynika z wahań ciśnienia tętniczego wskutek oddychania spowodowanego tak zwaną oscylacją ciśnienia krwi drugiego rzędu; • jako sygnał zmodulowany częstotliwościowo, w którym rytm oddechowy moduluje częstość skurczów serca, wpływając na częstotliwość fali tętna, co przypisuje się zjawisku fizjologicznej niemiarowości oddechowej węzła zatokowego (RSA, respiratory sinus arrhythmia) [3]. W związku z tym proponuje się odpowiednio 2 metody wykrywania rytmu oddychania zawartego w sygnale fali pletyzmograficznej PPG. W uproszczeniu przed- www.sen.viamedica.pl 33 SEN 2003, Tom 3, Nr 2 stawiono to na rycinie 1. Składową addytywną, odpowiadającą oddychaniu, wyodrębnia się przy użyciu filtra środkowo-przepustowego, a następnie koryguje za pomocą odpowiednich modeli matematycznych, uwzględniających zmienność osobniczą badanych. Alternatywnie, falę skurczów serca określa się na podstawie sygnału PPG, a następnie stosuje się rozkład Wignera, by ze zmodulowanego częstotliwościowo sygnału fali tętna uzyskać informację o rytmie oddechowym. Analiza zapisów sygnału PPG zebranych wśród symulujących sen badanych dorosłych i śpiących dzieci wskazuje, że zarówno prawidłowy rytm oddychania, jak i bezdech senny można określić za pomocą wymienionych metod [2, 4, 5]. W Przemysłowym Instytucie Elektroniki, we współpracy z Kliniką Otolaryngologii Akademii Medycznej w Warszawie, opracowano 2 systemy rejestracji parametrów fizjologicznych snu: system kliniczny i przenośny system do stosowania w domu [6]. Oba dobrze spełniają funkcje diagnostyczne, nie są natomiast przeznaczone do wykorzystania jako systemy kontrolujące w sposób ciągły funkcje układu oddechowego w trybie on-line, zwłaszcza u niemowląt, ze względu na stosowanie krępujących ruchy czujników ruchów oddechowych klatki piersiowej i brzucha oraz czujników przepływu powietrza, jak również brak wystarczająco szybkiej analizy funkcji oddechowych. Obecnie prowadzi się badania, których celem jest opracowanie nowych, nieinwazyjnych metod diagnostycznych w warunkach niezakłóconego snu, co jest istotne zwłaszcza u małych dzieci. Podejmuje się również próby stworzenia systemów nadzoru z wbudowaną funkcją alarmowania w wypadku wystąpienia bezdechu. Charakterystyka mechanizmów wywołujących zmiany w obwodowym przepływie fali tętna 1) Analiza wpływu ciśnienia tętniczego Badając w sposób ciągły ciśnienie krwi tętniczej, można zauważyć jego fluktuacje przy każdym pobudzeniu serca oraz przy każdym oddechu. Czynnikiem dominującym są fluktuacje synchroniczne, pochodzące od skurczów serca, które dotyczą głównie mechanicznego efektu związanego z okresowym, skokowym wzrostem tłoczonej objętości krwi, spowodowanym pracą serca. Czynnik ten jest nazywany falą pierwszego rzędu ciśnienia krwi tętniczej. Rytm zmian związany z respiracją określono jako falę drugiego rzędu. Zmiany ciśnienia krwi wywołane rytmem oddechowym są bezsprzeczne. Przeprowadzone badania potwierdzają tę tezę, choć nie wyjaśniono w pełni tego zjawiska. Z pracą serca wiąże się pojęcie objętości wyrzutowej. Podczas skurczu komór serca dochodzi do rozszerzania i skurczu elastycznych ścianek tętnic. W wyniku tego zmienia się przekrój tętnic i powstaje fala przepływu krwi (BVP, blood volume pulse), którą można mierzyć w naczyniach obwodowych człowieka za pomocą fotopletyzmografii. Fala przepływu krwi, uwidaczniana w zapisie ciśnienia tętniczego, wynika z jego zmian w naczyniach krwionośnych. Fluktuacje oddechowe ciśnienia tętniczego, wykrywane za pomocą czujnika umieszczonego na palcu pacjenta, odpowiadają zmianom BVP. Aby zweryfikować tę hipotezę, należy mierzyć w sposób ciągły przepływ powietrza z użyciem termistora i porównać go z sygnałem BVP, pochodzącym z czujnika umieszczonego na palcu pacjenta. Szczyt tego sygnału, który odpowiada ciśnieniu skurczowemu, oscyluje rytmicznie przy każdym oddechu; rytm oddychania nakłada się na sygnał BVP. Fala przep³ywu powietrza PDRS Filtr pasmowy Model Fala skurczów serca Rozk³ad Wignera PPG BVP Czujnik saturacji Rytm oddechowy Rycina 1. Metody wykrywania aktywności oddechowej na podstawie sygnału fotopletyzmografii. PPG (photoplethysmographic wave) — fotopletyzmografia; BVP (blood volume pulse) — fala przepływu krwi; PDRS (PPG-derived respiratory signal) — sygnał oddychania pochodny do PPG 34 www.sen.viamedica.pl Andrzej Kukwa i wsp., Pletyzmografia a zaburzenia oddychania we śnie Sygnał BVP może być modyfikowany także innym, wolno oscylującym sygnałem, tak zwaną falą Traube-Heringa. Wywołuje ją autonomiczna aktywność neuronów i ma taki sam okres, jak rytm oddechowy. Z powodu określonej charakterystyki odpowiedzi częstotliwościowej układu sercowo-naczyniowego rytm ten można zamienić na wykrywalne oscylacje ciśnienia krwi tylko wówczas, gdy jego częstotliwość jest mała [2]. Z kolei fala Mayera to inne, wolne oscylacje nałożone na falę tętna. Fala ta jest zawsze wolniejsza niż fala Traube-Heringa i niezależna od cyklu oddychania; wiąże się ona z systemem termoregulacji ludzkiego ciała [2]. 2) Arytmia węzła zatokowego Arytmia węzła zatokowego (RSA, respiratory sinus arrhythmia), inaczej niemiarowość oddechowa węzła zatokowego, jest rytmiczną zmianą częstości skurczów serca zależną od częstości oddychania. Charakteryzuje się ona skracaniem i wydłużaniem czasu między skurczami serca, odpowiednio do fazy wdechu i wydechu. Sygnał BVP, którego częstotliwość odpowiada częstości skurczów serca, jest modulowany pod względem częstotliwości w wyniku niemiarowości oddechowej. Podczas wdychania następuje chwilowy wzrost częstości skurczów serca, zaś w czasie wydychania powietrza — spadek. Zmiany te nadążają za rytmem oddechowym i wynoszą średnio 60,4 pobudzeń na minutę, przy czym zakres wahań mieści się między 56,7–65,5 pobudzeń na minutę. Zależność między stopniem niemiarowości oddechowej RSA a charakterystyką oddychania u zdrowego człowieka wskazuje, że stopień ten zwiększa się wraz ze wzrostem objętości oddechowej i maleje ze wzrostem szybkości oddychania przy stałej wartości objętości oddechowej. Niemiarowość oddechowa zależy od wieku; u młodszych osób jest większa, zaś u starszych — mniejsza. Widmo gęstości mocy chwilowej częstości skurczów serca składa się głównie z 3 składowych: 1. składowej o niskiej częstotliwości (< 0,05 Hz), zależnej od napięcia SEN wagotonalnego układu oddechowego i związanej z systemem termoregulacji ciała; 2. składowej średniej częstotliwości (0,05–0,15 Hz), wywoływanej niestabilnością systemu regulacji ciśnienia krwi; 3. składowej wysokiej częstotliwości (> 0,15 Hz) związanej z niemiarowością oddechową RSA. Wykrywanie bezdechu za pomocą fotopletyzmografii Na rycinie 2 przedstawiono znormalizowany sygnał PPG (składowa zmienna AC + stała DC), który zmierzono na palcu chorego za pomocą pletyzmografu. Składowa zmienna AC, wynikająca z BVP, przewyższa tylko o kilka procent wartość składowej DC. Fala przepływu krwi zawiera składową odpowiadającą skurczom serca i składową o niższej częstotliwości, nałożoną na sygnał o częstotliwości skurczów serca, tworzącą obwiednię sygnału BVP. Tę wolną składową zsynchronizowaną z rytmem oddechowym uznano za prawidłowo reprezentującą proces oddychania. t Cel pracy Celem pracy było stworzenie nieinwazyjnej metody analizy zaburzeń oddychania podczas snu przez analizę zarejestrowanego sygnału fali pletyzmograficznej przy użyciu filtrów cyfrowych. t Metoda Z przedstawionych danych wynika, że sygnał fali pletyzmograficznej PPG, oprócz składowej odpowiadającej skurczom serca, zawiera składowe związane z rytmem oddechowym. W dalszej części pracy przedstawiono metodę, którą można wykorzystać do odfiltrowania składowej oddechowej za pomocą filtra pasmowego, oraz zawarto dyskusję na temat możliwości wykorzystania analizy tej składowej oddechowej do wykrywania takich zaburzeń oddychania, jak bezdechy senne. 1,2 Normalized PPG Signal 1,0 0,8 Zoom of the AC Component 0,6 0,4 0,2 0 5 10 15 [t/s] 20 25 30 Rycina 2. Znormalizowany sygnał pletyzmografii www.sen.viamedica.pl 35 SEN 2003, Tom 3, Nr 2 Volts Składową oddechową można stosunkowo łatwo oddzielić od składowej związanej ze skurczami serca za pośrednictwem odpowiedniego filtru dolnoprzepustowego, gdyż ma ona charakter addytywny. Zważywszy jednak na fakt, że mogą istnieć jeszcze inne przyczyny wolnych zmian sygnału PPG, do wyodrębnienia składowej oddechowej właściwsze było użycie filtra pasmowego, uwzględniającego typowy zakres zmian częstości oddychania między 6 a 20 oddechów na minutę. Tak odfiltrowaną z sygnału PPG składową nazwano składową oddechową PDRS (PPG-derived respiratory signal). Właściwego określenia rodzaju i parametrów filtra dokonano za pomocą programu Labview. Na rycinie 3 przedstawiono sygnał przepływu powietrza i 3 sygnały PDRS, odfiltrowane z odpowiadających im sygnałów PPG za pośrednictwem filtra Butterwortha 4. rzędu o częstotliwości pasma 0,1–0,4 Hz. W tym wypadku można łatwo zaobserwować, że sygnały PDRS wyraźnie wiążą się z rytmem oddechowym i są zgodne z sygnałem przepływu powietrza. Możliwe jest również 2 0 –2 2 0 –2 2 0 –2 2 0 –2 wykrycie epizodów bezdechu na podstawie tych 3 zarejestrowanych sygnałów PDRS. t Materiał By zweryfikować opracowaną metodę pomiaru ruchów oddechowych za pomocą analizy fali pletyzmograficznej, sygnały przepływu powietrza wraz z sygnałami PPG rejestrowano u 8 osób (u 7 mężczyzn i 1 kobiety) w wieku 22–35 lat, które pozostawały w spoczynku w pozycji na plecach, oddychając swobodnie i symulując od czasu do czasu bezdechy typu centralnego [1]. t Wyniki Przykładowe wyniki przeprowadzonych zapisów pletyzmograficznych przedstawiono na rycinie 4, na której można łatwo wyróżnić rytm oddechowy i momenty odpowiadające bezdechom na podstawie sygnałów PDRS, uzyskanych w wyniku filtracji z użyciem filtra pasmowego Butterwortha 4. rzędu o częstotliwości pasma 0,1– –0,4 Hz. Badania te dowodzą, że składową oddechową Apnea 20 s Respiration Airflow PDRS from PPG Finger PDRS from PPG Toe PDRS from PPG Earlobe 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 Time [s] Rycina 3. Sygnał przepływu powietrza i 3 sygnały oddychania pochodne od fotopletyzmografii 1 Respiration Airflow Volts 0,5 0 Apnea 18 s –0,5 –1 2 1 0 PPG Finger –1 –2 0,30 0,15 PDRS 0 –0,15 –0,30 0 10 20 30 40 50 Time [s] Rycina 4. Przykładowe wyniki przeprowadzonych zapisów pletyzmograficznych 36 www.sen.viamedica.pl 60 70 80 90 100 Andrzej Kukwa i wsp., Pletyzmografia a zaburzenia oddychania we śnie zawartą w sygnałach fali pletyzmograficznej PPG można uwidocznić za pomocą filtru pasmowego i że zawiera ona (PDRS) również informację o występujących bezdechach. Biorąc pod uwagę wyniki badań [1], można stwierdzić, że wspomnianą składową można otrzymać zarówno z fotopletyzmogramów uzyskanych metodą refleksyjną (odbiciową), jak i transmisyjną. Analiza przebiegów na rycinie 4 uwidacznia także, że sygnał PDRS w porównaniu z sygnałem przepływu powietrza wykazuje pewne zniekształcenia w zakresie amplitudy oraz fazy. Widać także, że w trakcie bezdechu sygnał ten ulega pewnym fluktuacjom. Ich występowanie prawdopodobnie wywołują odpowiadające im oscylacje sygnału PPG, spowodowane pojawiającą się neurogeniczną falą Traube-Heringa w zmieniającym się ciśnieniu tętniczym. Falę tę stanowią wolnozmienne (o częstości oddechowej) zmiany ciśnienia tętniczego wywołane raczej autonomiczną aktywnością neuronów niż czynnikami mechanicznymi, spowodowanymi procesem oddychania [7]. Zjawisko to należy uwzględnić w procesie automatycznego wykrywania bezdechów sennych. Analiza wyników badań przeprowadzonych u dzieci (ryc. 5) potwierdza wnioski uzyskane u osób dorosłych. Można zatem postawić tezę, że fala pletyzmograficzna zarówno u dzieci, jak i u osób dorosłych zawiera informację o akcji oddechowej oraz że informację tę, w postaci składowej oddechowej o niskiej częstotliwości, można odfiltrować za pośrednictwem filtra pasmowego, co może posłużyć do wykrywania bezdechów sennych. Należy zwrócić szczególną uwagę na fakt, że ze względu na inne, wolne oscylacje występujące w sygnale PPG i różne częstotliwości oddechu pacjentów, najlepsze wyniki takiej analizy można byłoby osiągnąć, gdyby parametry filtra (częstotliwość dolna i górna) dobierano indywidualnie. Arbitrary units 0,2 0,1 0 –0,1 –0,2 500 SEN Trzeba również zauważyć, że sygnał fali pletyzmograficznej jest podatny na różnego rodzaju artefakty wywołane ruchami ciała, co może spowodować jego przypadkowe, duże, gwałtowne fluktuacje, a także nasycenie wzmacniaczy pomiarowych sygnału PPG. By zastosować opisywaną metodę do detekcji bezdechów sennych, należy zatem opracować mechanizm wykrywania artefaktów, pozwalający eliminować je w procesie automatycznej analizy. t Dyskusja Celem pracy było opracowanie nieinwazyjnej metody analizy zaburzeń oddychania podczas snu przez analizę zarejestrowanego sygnału fali pletyzmograficznej przy użyciu filtrów cyfrowych, które mają następujące korzystne właściwości: • łatwość modyfikacji na drodze programowej, prostota implementacji i testowania; • opieranie się jedynie na prostych operacjach matematycznych typu mnożenie oraz dodawanie/odejmowanie, a zatem — łatwiejsza realizacja; • stabilność w funkcji temperatury czy wilgotności w porównaniu z filtrami analogowymi (nie wymagają również precyzyjnych elementów składowych); • dobry stosunek jakości do kosztów; • brak wrażliwości na błędy montażu czy proces starzenia. Praktycznym wynikiem rozwiązania problemu jest możliwość wykorzystania zaimplementowanych algorytmów w inteligentnym systemie pomiarowym, umożliwiającym nieinwazyjne, nieutrudniające oddychania i niezakłócające snu kontrolowanie funkcji oddychania u śpiących osób, zwłaszcza u niemowląt. System ten umożliwi również sygnalizację występowania bezdechów sennych u dorosłych osób i, być może, PDRS Apnea Resp. Airflow 0 –500 600 400 200 0 –200 600 400 200 0 –200 Resp. Chest Resp. Abdomen 0 10 20 30 Time [s] 40 50 60 Rycina 5. Analiza wyników badań przeprowadzonych u dzieci www.sen.viamedica.pl 37 SEN 2003, Tom 3, Nr 2 pozwoli w przyszłości stworzyć mechanizm wyprowadzania tych chorych ze stanu bezdechu. Podstawowym zagadnieniem do rozwiązania jest problem nieinwazyjnego wykrywania, docelowo w czasie rzeczywistym, bezdechów sennych, zwłaszcza u niemowląt z syndromem nagłej śmierci niemowląt, poprzez rejestrację zmian w obwodowym przepływie krwi z wykorzystaniem pletyzmografii (fali tętna) i poddanie jej obróbce cyfrowej, by wykryć zmiany wywołane akcją oddechową śpiącego pacjenta. Badania polegające na tego typu analizie w celu uzyskania wyników przydatnych do wykrywania bezdechów sennych intensywnie prowadzi zespół profesora Dietera Barschdorffa na Uniwersytecie Paderborn [4]. Zamiarem pracy autorów było wykorzystanie teoretycznych osiągnięć tego zespołu badawczego do praktycznego rozwiązania problemu nieinwazyjnej kontroli akcji oddechowej chorego w celu wykrycia bezdechów sennych. Rozwikłanie tej kwestii oznacza konieczność rozwiązania następujących problemów: • zbadanie zależności między zmianami fali tętna, rejestrowanej jednocześnie z pomiarami wysycenia krwi tętniczej tlenem SaO2, a ruchami oddechowymi śpiącego pacjenta, próbie ich matematycznego opisu, a następnie zastosowanie tych zależności do wykrycia zaburzeń oddychania; • dobór i projekt właściwego filtra cyfrowego przy wykorzystaniu środowiska Labview na podstawie zebranych przez autorów danych klinicznych w postaci zapisów fali pletyzmograficznej osób z zespołem snu z bezdechami zarejestrowanych w systemie klinicznym, opracowanym przez Przemysłowy Instytut Elektroniki i znajdujących się w Klinice Otolaryngologii Akademii Medycznej w Warszawie; wzięto pod uwagę filtry zarówno ze skończonym (FIR, finite impulse response), jak i z nieskończonym czasem odpowiedzi (IIR). Wszystkie mają wady i zalety. Filtry FIR są proste i cechują się liniową charakterystyką fazową, natomiast filtry IIR uzyskują ten sam stopień tłumienności przy mniejszej liczbie współczynników, przez co są szybsze i bardziej efektywne; na podstawie danych z piśmiennictwa zostaną wzięte pod uwagę filtry Butterwortha, Chebysheva (proste i odwrotne), eliptyczne i Bessela; • opracowanie algorytmów cyfrowego przetwarzania sygnałów z wykorzystaniem analizy widmowej ruchów oddechowych, wykonywanej w fazie początkowej w systemie klinicznym, zaś docelowo, w toku prac przewidywanych do realizacji w dalszej przyszłości, w czasie rzeczywistym (jednocześnie z pomiarami), w taki sposób, aby zapewnić ich odporność na nagłe zmiany sygnałów (np. w wyniku zmiany położenia ciała chorego) i jednocześnie aby uzyskać dużą zdolność rozróżniania typów bezdechu; • implementacja wymienionych metod w systemie klinicznym, zaś w przyszłości — w przenośnym reje- 38 stratorze parametrów fizjologicznych snu. Takie urządzenie, opracowywane obecnie w Przemysłowym Instytucie Elektroniki, umożliwia rejestrację saturacji SaO2 i fali pletyzmograficznej (obecnie niepoddawanej żadnej analizie), a także ruchów oddechowych klatki piersiowej i brzucha za pomocą taśmowych czujników piezoelektrycznych, przepływu wydychanego powietrza, badania elektrokardiograficznego, położenia ciała i aktywności kończyn. Z piśmiennictwa wynika, że najbardziej przydatny do zobrazowania zmian zachodzących w zapisie fali pletyzmograficzej jest prawdopodobnie filtr cyfrowy Butterwortha o płaskiej charakterystyce w paśmie przepustowym. Dla filtra dolnoprzepustowego N-tego rzędu oznacza to, że 2N-1 pochodnych kwadratu modułu transmitancji w punkcie X = 0 ma wartość zero. Ponadto, ważna jest monotoniczność w pasmach przepustowym i zaporowym. Wraz ze wzrostem parametru rzędu filtra charakterystyka staje się coraz bardziej stroma, to znaczy bliska 1 na coraz większym odcinku pasma przepustowego, oraz spada do 0 w paśmie zaporowym. Mimo to wartość modułu funkcji dla częstotliwości granicznej X jest zawsze równa 1/÷2. Z równania opisującego kwadrat modułu charakterystyki częstotliwości można obliczyć bieguny kwadratu modułu transmitancji. Jest 2N biegunów rozmieszczonych równomiernie na okręgu, położonych symetrycznie względem osi urojonej, przy czym żaden z nich nie leży na tej osi. Dla nieparzystych N dwa bieguny leżą na osi rzeczywistej, dla N parzystych nie występuje tam żaden biegun. Odstęp kątowy między sąsiednimi biegunami wynosi 180/N radianów. Filtr cyfrowy można zaprojektować przez transformację analogowego filtra Butterwortha metodą niezmienności odpowiedzi impulsowej oraz za pomocą transformacji dwuliniowej. Metoda niezmienności odpowiedzi impulsowej polega na przekształceniu filtra z dziedziny analogowej w dziedzinę cyfrową. Efekty nakładania się są pomijane. Procedury projektowania filtra Butterwortha przeprowadza się w środowisku Labview, zaś praktycznej implementacji dokonuje się za pomocą Lab Windows CVI. Na rycinie 6 przedstawiono sygnał odfiltrowany za pomocą filtra Butterwortha 4. rzędu o częstotliwości pasma 0,1–0,4 Hz. Te parametry filtra najlepiej odzwierciedlają sygnał oddechowy. Podsumowanie Zaproponowane rozwiązania rozważanych problemów pozwalają zastosować opracowane algorytmy cyfrowej filtracji sygnałów w inteligentnym systemie pomiarowym, umożliwiającym nieinwazyjne, nieutrudniające oddychania i niezakłócające snu kontrolowanie funkcji oddychania śpiących osób, zwłaszcza niemowląt, co pozwoliłoby zapobiegać występowaniu syndromu nagłej śmierci niemowląt w wypadku wyposażenia tego systemu w mechanizm wyprowadzania pacjenta z bezdechu zagrażające- www.sen.viamedica.pl Andrzej Kukwa i wsp., Pletyzmografia a zaburzenia oddychania we śnie Stop SEN 28 783 28 000 26 000 Zarejestrowany sygna³ 24 158 47 722 47 800 Sygna³ odfiltrowany filtrami kaskadowymi 47 900 48 000 48 100 48 200 48 300 48 400 48 500 48 600 48 745 27 979,5 27 000,0 26 000,0 25 000,0 24 162,7 46 703 Sygna³ odfiltrowany filtrami Buttewortha 47 000 47 200 47 400 47 600 47 800 48 000 48 200 48 400 48 600 48 750 200,0 100,0 0,0 Rz¹d 4 –100,0 47 700 47 800 47 900 48 000 48 100 48 200 48 300 48 400 48 500 48 600 48 750 Czêstotliwoœæ górnoprzepustowa: fh 0,45 Czêstotliwoœæ dolnoprzepustowa: fl 0,1250 Rycina 6. Sygnał odfiltrowany za pomocą filtra Butterwortha 4. rzędu o częstotliwości pasma 0,1–0,4 Hz go jego życiu, na przykład za pomocą bodźca akustycznego. Podczas pracy zgromadzono materiał obejmujący szeroko zakrojone prace badawcze nad stworzeniem i implementacją środowiska programowego, obejmujące analizę fali pletyzmograficznej i jej zachowanie, zależnie od wpływu zdarzeń zewnętrznych, przede wszystkim od procesu oddychania, ale również w aspekcie eliminacji artefaktów sygnałów biologicznych oraz odpowiedniego procesu obróbki cyfrowej złożonego sygnału biologicz- nego, z możliwością wyodrębnienia poszczególnych składowych zapisu wynikowego. Dotychczasowe prace prowadzone w znanych autorom ośrodkach naukowych były ukierunkowane na badania laboratoryjne, natomiast autorzy niniejszej pracy proponują próbę praktycznej aplikacji uzyskanych w jej wyniku rozwiązań do praktycznego zastosowania w przenośnych urządzeniach do nieinwazyjnego kontrolowania bezdechów sennych w warunkach domowych i szpitalnych. t Streszczenie Pletyzmografia a zaburzenia oddychania we śnie W pracy proponuje się rozwiązanie problemu nieinwazyjnego wykrywania bezdechów sennych, zwłaszcza u dzieci z syndromem nagłej śmierci niemowląt (SNSN), przez rejestrację zmian w obwodowym przepływie krwi z wykorzystaniem pletyzmografii (rejestracji fali tętna) i opracowanie algorytmów cyfrowej obróbki sygnałów, wywołanych akcją oddechową śpiącego pacjenta, w celu wykrywania bezdechów sennych. Wynikiem rozwiązania powyższych kwestii będzie możliwość wykorzystania zaimplementowanych algorytmów w inteligentnym systemie pomiarowym, umożliwiającym nieinwazyjne, nieutrudniające oddychania i niezakłócające snu kontrolowanie funkcji oddychania u śpiących osób, zwłaszcza niemowląt (w przyszłości w sposób ciągły), co pozwoliłoby na zapobieganie występowaniu SNSN. Słowa kluczowe: zespół snu z bezdechami, SNSN, pulsoksymetria, fala pletyzmograficzna www.sen.viamedica.pl 39 SEN 2003, Tom 3, Nr 2 t Piśmiennictwo 1. Ugnel H. Photoplethysmographic heart and respiratory rate monitoring. IEEE Trans. Biomed. Eng. 1995. 2. Barschdorff D., Zhang W. Respiratory rhythm detection with photoplethysmographic methods. Conference Proceeding of 1994 IEEE EMBS, 1994. 3. Kukwa A. Rola zaburzeń nerwowo-mięśniowych w patofizjologii obturacji górnych dróg oddechowych. Materiały Konferencji „Sen w fizjologii, klinice i sporcie”. Bydgoszcz, 28–30 IX 1997. 4. Barschdorff D., Engel A. System zur automatisierten Registriering und Auswertung polysomnografischer Daten SAIDS-gefahrdeter Kinder. Tagungsband der 1. Tagung klinischer Forschung. 1994. 5. Cohn M. The respiratory inductive plethysmograph: a new noninvasive monitor of respiration. Bull. Europ. Physiopath. Resp. 1982. 6. Kukwa A., Kornacki W., Hatliński G. System rejestracji danych fizjologicznych do diagnostyki bezdechu sennego w zastosowaniach klinicznych i domowych. Materiały Konferencji „Diagnostyka i leczenie pacjentów z obwodową postacią Zespołu Snu z Bezdechami”. Warszawa, 6 XII 1997. 7. Schweitzer A. Rhythmical fluctuation of the arterial blood pressure. J. Physiol. 1945. 8. Yamakoshi K., Shimazu H., Togawa T. Indirect measurement of instantaneous arterial blood pressure in the human finger by the vascular unloading technique. IEEE Trans. Biomed. Eng. 1980. 9. Yamakoshi K., Kamiya A. Non-invasive measurement of arterial blood pressure and elastic properties using photoelectric plethysmography technique. Medical Progress through Technology 1987. 10. Pacela A. Impedance pneumography — survey of instrumentation techniques Med. Biol. Eng. 1996. 40 11. Brown B.F. Some new instruments for the continuous monitoring of body temperature, respiration-rate and pulse-rate. Phys. Med. Biol. 1966. 12. Webster J.G. Medical Instrumentation — Application and Design. 1987. 13. Lentz G., Heipertz W. Capnometry for continuous postoperative monitoring of nonintubated, spontaneous breathing patients J. Clin. Monit. 1991. 14. Hok B. Microphone design for bio-acoustic signals with suppression of noise and artefacts. Sensor Actuatorsn. 1991. 15. Adach W., Kukwa A. Obrazowanie i ocena geometrii górnego odcinka drogi oddechowej u pacjentów z Zespołem Snu z Bezdechami. Materiały Konferencji „Diagnostyka i leczenie pacjentów z obwodową postacią Zespołu Snu z Bezdechami”. Warszawa, 6 XII 1997. 16. Kukwa A., Hatliński G., Kowalski J. System pulsoksymetrycznorespiratoryjny do całonocnych badań przesiewowych osób podejrzanych o zespół snu z bezdechami. Materiały Konferencji „Waves methods and mechanics in biomedical engineering”, Zakopane 21–23 IV 1999. 17. Kukwa A., Hatliński G., Kowalski J. Monitorowanie parametrów oddechowych i hemodynamicznych u osób z Zespołem Snu z Bezdechami (ZSB). System do całonocnych badań przesiewowych i profilaktycznych. XI Krajowa Konferencja Naukowa „Biocybernetyka i Inżynieria Biomedyczna”, XII 1999, tom 1, 329–332. 18. Kornacki W., Kukwa A., Hatliński G. Stacjonarny i przenośny system rejestracji parametrów fizjologicznych do diagnostyki zaburzeń oddychania podczas snu. Materiały Konferencji „Wave Methods and Mechanics in Biomedical Engineering”. Zakopane, kwiecień 2000. www.sen.viamedica.pl