用于在呼吸治疗期间识别用户身体位置的系统和方法与流程

用于在呼吸治疗期间识别用户身体位置的系统和方法
1.相关申请的交叉引用
2.本技术要求于2020年11月27日提交的第63/118,848号美国临时专利申请的权益和优先权，该专利申请在此通过引用整体并入本文。
技术领域
3.本公开总体上涉及改善呼吸治疗中的用户体验，并且更具体地涉及用于在呼吸治疗期间识别用户身体位置的系统和方法。


背景技术：

4.存在用于帮助经历睡眠呼吸暂停和相关呼吸障碍的用户的各种系统。存在可影响用户的一系列呼吸障碍。某些障碍的特征在于特定事件(例如呼吸暂停、低通气、呼吸过度、或它们的任何组合)。呼吸障碍的实例包括周期性肢体运动障碍(plmd)、阻塞性睡眠呼吸暂停(osa)、潮式呼吸(csr)、呼吸功能不全、肥胖症换气过度综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)和胸壁障碍。
5.对大量用户群组的研究显示，位置性阻塞性睡眠呼吸暂停(posa)和唯一posa(eposa，仅处于仰卧位置的睡眠呼吸暂停)的患病率分别为osa用户的75％和36％。位置性治疗不仅可以为具有轻度osa的用户提供治疗，而且可以为经历呼吸治疗的用户提供治疗，经历呼吸治疗的用户可以具有更舒适的选择和/或可以改善他们的呼吸治疗。用户身体位置可用于调整呼吸治疗。因此，需要用于识别经历呼吸治疗的用户的身体位置的系统和方法。本公开旨在解决这些和其他问题。


技术实现要素：

6.根据本公开的一些实施方式，如下公开了一种用于识别呼吸治疗系统的用户的身体位置的系统。该系统包括传感器、存储器和控制系统。传感器被配置来生成与用户相关联的气流数据。存储器存储机器可读指令。控制系统包括一个或多个处理器，该一个或多个处理器被配置来执行机器可读指令以在睡眠时段期间接收与用户相关联的气流数据。控制系统还被配置来确定与气流数据相关联的一个或多个特征。控制系统还被配置成至少部分地基于所确定的一个或多个特征来识别睡眠时段的第一部分期间用户的身体位置。控制系统还被配置成使得至少部分地基于所识别的用户的身体位置来使动作被执行。
7.根据本公开的一些实施方式，如下公开了一种用于识别呼吸治疗系统的用户的移动事件的系统。该系统包括传感器、存储器和控制系统。传感器被配置来生成与用户相关联的气流数据。存储器存储机器可读指令。控制系统包括一个或多个处理器，该一个或多个处理器被配置来执行机器可读指令以在睡眠时段期间接收与用户相关联的气流数据。控制系统还被配置来确定与气流数据相关联的一个或多个特征。控制系统还被配置成至少部分地基于所确定的一个或多个特征来识别用户在睡眠时段的第一部分期间的移动事件。控制系统还被配置成使得至少部分地基于所识别的用户的移动事件来使动作被执行。
8.根据本公开的一些实施方式，如下公开了一种用于在睡眠时段期间识别呼吸治疗系统的用户的身体位置的方法。接收在睡眠时段期间与呼吸治疗系统的用户相关联的气流数据。确定与气流数据相关联的一个或多个特征。至少部分地基于所确定的一个或多个特征，识别在睡眠时段的第一部分期间用户的身体位置。至少部分地基于所识别的用户的身体位置，使得动作被执行。
9.根据本公开的一些实施方式，一种系统包括控制系统和存储器。控制系统包括一个或多个处理器。存储器上存储有机器可读指令。控制系统联接至存储器。当存储器中的机器可执行指令由控制系统的一个或多个处理器中的至少一个执行时，实施本文公开的方法中的任一种。
10.根据本公开的一些实施方式，如下公开了一种用于在睡眠时段期间识别呼吸治疗系统的用户的身体位置的系统。该系统包括被配置成实施本文公开的方法中的任一种的控制系统。
11.根据本公开的一些实施方式，一种包括指令的计算机程序产品，这些指令在由计算机执行时，使得计算机执行本文公开的方法中的任一种。在一些实施方式中，计算机程序产品是非暂时性计算机可读介质。
12.鉴于参考附图进行的各种实施例和/或实施方式的详细描述，本公开的前述和附加方面和实施方式对于本领域的普通技术人员将是显而易见的，接下来提供对附图的简要描述。
附图说明
13.通过阅读以下详细描述并参考附图，本公开的前述和其他优点将变得显而易见。
14.图1是根据本公开的一些实施方式的用于识别呼吸治疗系统的用户的身体位置的系统的功能框图。
15.图2是根据本公开的一些实施方式的图1的系统的至少一部分、佩戴全脸面罩的用户，以及床伴的透视图。
16.图3a图示了根据本公开的一些实施方式的睡觉时个体的呼吸波形。
17.图3b图示了根据本公开的一些实施方式的在约90秒的时段内正常呼吸的个体在非rem睡眠期间的选定多导睡眠图通道(脉搏血氧测定、流量、胸部运动、和腹部运动)。
18.图3c图示了根据本公开的一些实施方式的呼吸治疗之前的个体的多导睡眠图。
19.图3d图示了根据本公开的一些实施方式的个体正在经历一系列完全阻塞性呼吸暂停时的流量数据。
20.图4a图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的流量数据。
21.图4b图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的压力数据。
22.图4c图示了根据本公开的一些实施方式的与具有呼气减压模块的呼吸治疗系统的用户相关联的压力数据。
23.图5图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的位置性数据和流量数据。
24.图6图示了根据本公开的一些实施方式的从与呼吸治疗系统的用户相关联的流量数据导出的经分析的位置性数据和特征。
25.图7图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
26.图8图示了根据本公开的一些实施方式的在睡眠时段的第一部分期间与呼吸治疗系统的用户相关联的位置性数据和流量数据。
27.图9图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的位置性数据和流量数据。
28.图10图示了根据本公开的一些实施方式的在睡眠时段的第一部分期间与呼吸治疗系统的用户相关联的位置性数据和流量数据。
29.图11图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
30.图12图示了根据本公开的一些实施方式的与图11的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
31.图13图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
32.图14图示了根据本公开的一些实施方式的与图13的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
33.图15图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
34.图16图示了根据本公开的一些实施方式的与图15的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
35.图17图示了根据本公开的一些实施方式的与呼吸治疗系统的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
36.图18图示了根据本公开的一些实施方式的与图18的用户相关联的经分析的位置性数据、从流量数据导出的特征，以及呼吸暂停/低通气数据。
37.图19图示了根据本公开的一些实施方式的用于在睡眠时段期间识别呼吸治疗系统的用户的身体位置的方法的流程图。
38.尽管本公开容许各种修改和替代形式，但其特定实施方式和实施例已通过附图中的实例示出且将在本文中详细描述。然而，应当理解的是，并不旨在将本公开限制为所公开的特定形式。相反，本公开将覆盖落入由所附权利要求限定的本公开的精神和范围内的所有修改、等同和替代。
具体实施方式
39.参考附图来描述本公开，其中在所有附图中使用相同的附图标记来表示类似或等同的元件。附图不是按比例绘制的，并且仅仅是为了说明本公开而提供的。下面参考示例应用来描述本公开的几个方面以供说明。
40.许多个体患有睡眠相关和/或呼吸障碍。睡眠相关和/或呼吸障碍的实例包括周期性肢体运动障碍(plmd)、不宁腿综合征(rls)、睡眠障碍性呼吸(sdb)(如阻塞性睡眠呼吸暂
停(osa)、中枢性睡眠呼吸暂停(csa)和其他类型的呼吸暂停，如混合性呼吸暂停和低通气)、呼吸努力相关微觉醒(rera)、潮式呼吸(csr)、呼吸功能不全、肥胖症换气过度综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)、快速眼动(rem)行为障碍(也称为rbd)、梦境演绎行为(deb)、高血压、糖尿病、中风、失眠症和胸壁障碍。
41.阻塞性睡眠呼吸暂停(osa)是睡眠障碍性呼吸(sdb)的一种形式，其特征是包括睡眠期间通常由异常小的上气道以及舌、软腭和后口咽壁区域中的正常肌肉张力丧失的组合导致的上气道的堵塞或阻塞的事件。更通常，呼吸暂停通常是指由空气堵塞(阻塞性睡眠呼吸暂停)或呼吸功能停止(通常称为中枢性睡眠呼吸暂停)引起的呼吸停止。通常，在阻塞性睡眠呼吸暂停事件期间，个体将停止呼吸约15秒到约30秒。
42.其他类型的事件包括低通气、呼吸过度和高碳酸血症。低通气的特征通常是由气道狭窄引起的缓慢呼吸或浅呼吸，而非气道堵塞。呼吸暂停和低通气的特征都是血流中氧饱和度的伴随降低。呼吸过度的特征通常是呼吸的深度和/或速率增加。高碳酸血症的特征通常是血液中二氧化碳含量升高或过多，通常由呼吸不足引起。
43.潮式呼吸(csr)是睡眠障碍性呼吸的另一种形式。csr是患者呼吸控制器的障碍，其中存在称为csr周期的盛衰通气的律动交替周期。csr的特征是动脉血的重复性缺氧和复氧。
44.肥胖换气过度综合征(ohs)被定义为严重肥胖和清醒时慢性高碳酸血症的组合，不存在通气不足的其他已知原因。症状包括呼吸困难、晨起头痛和白天过度嗜睡。
45.慢性阻塞性肺病(copd)涵盖具有某些共同特征的一组下气道疾病中的任一种，如对空气运动的阻力增加、呼吸的呼气阶段延长和肺的正常弹性丧失。
46.神经肌肉疾病(nmd)涵盖直接经由内在肌肉病理或间接经由神经病理损害肌肉功能的许多疾病和病痛。胸壁障碍是一组导致呼吸肌与胸廓之间无效率联接的胸廓畸形。
47.呼吸努力相关微觉醒(rera)事件的特征通常是持续十秒或更长的增加的呼吸努力，导致从睡眠中唤醒，并且rera事件不满足呼吸暂停或低通气事件的标准。rera被定义为呼吸序列，其特征是增加呼吸努力，导致睡眠唤醒，但rera不符合呼吸暂停或低通气的标准。这些事件必须满足以下两个标准：(1)逐渐更负的食管压力模式，由压力突然变化到更低的负水平和微觉醒而终止，以及(2)该事件持续10秒或更长。在一些实施方式中，鼻插管/压力传感器系统在rera的检测中是足够的且可靠的。rera检测器可以基于从呼吸治疗设备导出的实际流量信号。例如，可以基于流量信号确定流量限制测量。然后可以根据流量限制测量和通气量突然增加的测量导出唤醒测量。在转让给瑞思迈有限公司(resmed ltd.)的wo2008/138040和美国专利第9,358,353中描述了一种此类方法，两个专利中的每一者的公开内容在此通过引用整体并入本文。
48.这些障碍和其他障碍的特征是当个体睡觉时可能发生的特定事件(例如打鼾、呼吸暂停、低通气、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、惊厥、或它们的任何组合)。
49.呼吸暂停低通气指数(ahi)是用于指示睡眠时段期间睡眠呼吸暂停严重性的指数。通过用睡眠时段期间用户经历的呼吸暂停和低通气事件的总数量除以睡眠时段中睡眠的总小时数来计算ahi。该事件例如可以是持续至少10秒的呼吸暂停。小于5的ahi被认为是正常的。大于或等于5但小于15的ahi被认为是轻度睡眠呼吸暂停的指示。大于或等于15但
小于30的ahi被认为是中度睡眠呼吸暂停的指示。大于或等于30的ahi被认为是严重睡眠呼吸暂停的指示。在儿童中，ahi大于1被认为是异常的。当ahi正常时，或者当ahi正常或轻度时，睡眠呼吸暂停可被认为是“受控的”。ahi还可以与氧去饱和水平结合使用以指示阻塞性睡眠呼吸暂停的严重程度。特别是在可能指示轻度睡眠呼吸暂停的较低ahi水平的情况下，还期望评估白天症状的严重性，如白天过度嗜睡，以便获得疾病严重性的更完整的图像。
50.每个人都有自己的睡眠偏好。睡眠是否完全平躺(例如，在水平位置)、斜躺或坐立；或趴着(例如，俯卧位置)、仰卧(仰卧位置)或左侧或右侧。对于大多数正常的人，在睡眠时段期间他们的身体位置将改变多次。例如，个体通常会短暂地从睡眠中微觉醒，并在新的位置再次进入睡眠之前改变位置。对于年轻的成年人，睡眠期间的这种位置移动可能以每小时四到五次移动的量级发生。随着人的老龄化，每个睡眠时段的睡眠位置的移动次数趋于减少，使得老年人更通常地可能平均每小时仅移动睡眠位置两次。此外，更年轻的成年人和儿童预期在各种躯干位置经历类似的持续时间，而更年长的人倾向于在俯卧位置花费更少的时间且在仰卧位置花费更多的时间。
51.当个体躺下时与当个体站立时相比，个体身体的呼吸状况不同。当个体坐着或站着时，个体的气道指向下，使呼吸和气流相对不受限制。然而，当个体安静下来睡觉时，个体的身体被强加在基本上水平的位置呼吸，这意味着重力正对着气道起作用。当顶部气道中的肌肉组织松弛并且个体的肺获得有限的空气经由鼻子或喉咙呼吸时，可能发生睡眠呼吸暂停和打鼾。虽然呼吸过程在夜间是相同的，但是个体的周围组织可能振动，使得个体打鼾。即使放松的肌肉也会引起睡眠呼吸暂停，因为气道的完全堵塞妨碍了呼吸，迫使个体在睡眠中间醒来。结果，为个体提供了最好地支持个体呼吸模式的睡眠位置的优点。例如，一些个体可以受益于在斜躺位置而不是相对于地面完全水平的位置睡觉。
52.对于具有打鼾问题、呼吸问题或睡眠呼吸暂停的那些人来说，在仰卧位置睡觉通常是有问题的。这种情况的发生是因为引力增强了颚、舌头和软腭朝向咽喉回落的能力。它使气道变窄，并且可以在呼吸时使得对气流的阻力增加。
53.当向下的力向前拉动舌头和腭时，在俯卧位置睡觉似乎是重力问题的替代方案。虽然这在一定程度上是正确的，但是当在该位置睡觉时，个体的鼻子和嘴会被枕头堵塞。它可能影响个体的呼吸。除此之外，它还可能引起颈部疼痛、颈椎问题或消化问题，这又影响个体的睡眠质量。
54.一些研究表明，侧睡可能是打鼾和睡眠呼吸暂停患者最理想的位置。因为在休息期间当个体的身体位于其侧时，气道更稳定并且不太可能塌陷或限制空气。在该位置中，个体的身体、头部和躯干位于一侧(左或右)，手臂在身体下面或稍微向前或伸出，并且一条腿在另一条腿下面叠放着或稍微交错。虽然两侧(左和右)被认为是良好的睡眠位置，但是对于一些情况，左侧位置可能不是理想的位置。这是因为当在左侧睡觉时，胸廓中身体的内部器官会面临一些移动。并且肺会增加心脏的重量或压力。这可以影响心脏的功能，并且可以通过激活肾脏来恢复，使得夜间排尿的需求增加。然而，右侧对如肺和心脏的重要器官施加较小的压力。如果个体的另一侧的关节(通常是肩或髋)引起疼痛，则在特定侧睡觉也是理想的。
55.当个体患有睡眠呼吸暂停或其他呼吸障碍时，获得良好和安宁的睡眠变得困难。然而，选择正确的睡觉位置可以帮助用户获得舒适，并且同时帮助克服个体在睡觉时通常
面临的呼吸问题。因此，根据本公开的一些实施方式，提供了创建用于在呼吸治疗期间识别用户的身体位置的个性化模型的系统和方法。位置性治疗不仅可以为患有轻度osa的用户提供治疗，而且可以为已经经历另一种治疗的用户提供治疗，已经经历另一种治疗的用户可以具有更舒适的选择(例如，cpap中的较低压力、下颌复位设备中的较小位移等)。
56.参考图1，图示了一种根据本公开的一些实施方式的系统100。系统100可以用于提供与用户使用呼吸治疗系统以及其他使用相关的多种不同的传感器。系统100包括控制系统110、存储器设备114、电子接口119、一个或多个传感器130以及一个或多个用户设备170。在一些实施方式中，系统100还包括呼吸治疗系统120，该呼吸治疗系统120包括呼吸治疗设备122。系统100可用于在使用呼吸治疗系统120时识别用户的身体位置，如本文更详细地公开的。
57.控制系统110包括一个或多个处理器112(以下称为处理器112)。控制系统110通常用于控制(例如，致动)系统100的各种部件且/或分析由系统100的部件获得且/或生成的数据。处理器112可以是通用或专用处理器或微处理器。虽然在图1中示出了一个处理器112，但是控制系统110可以包括任何合适数量的处理器(例如，一个处理器、两个处理器、五个处理器、十个处理器等)，这些处理器可以在单个壳体中，或者彼此远离地定位。控制系统110可联接至例如用户设备170的壳体、呼吸治疗系统120的一部分(例如，壳体)和/或传感器130中的一个或多个的壳体和/或定位在用户设备170的壳体内、呼吸治疗系统120的一部分(例如，壳体)内和/或传感器130中的一个或多个的壳体内。控制系统110可以是集中式的(在一个这种壳体内)或分散式的(在物理上不同的此类壳体的两个或更多个内)。在包括包含控制系统110的两个或更多个壳体的此类实施方式中，此类壳体可以彼此靠近和/或远离地定位。
58.存储器设备114存储可由控制系统110的处理器112执行的机器可读指令。存储器设备114可以是任何合适的计算机可读存储器设备或介质，如随机或串行存取存储器设备、硬盘驱动器、固态驱动器、闪速存储器设备等。虽然图1中示出了一个存储器设备114，但是系统100可以包括任何合适数量的存储器设备114(例如，一个存储器设备、两个存储器设备、五个存储器设备、十个存储器设备等)。存储器设备114可以联接至呼吸治疗设备122的壳体、用户设备170的壳体、传感器130中的一个或多个的壳体、或它们的任何组合和/或定位在呼吸治疗设备122的壳体内、用户设备170的壳体内、传感器130中的一个或多个的壳体内、或它们的任何组合内。与控制系统110类似，存储设备114可以是集中式的(在一个这种壳体内)或分散式的(在物理上不同的两个或更多个此类壳体内)。
59.在一些实施方式中，存储器设备114存储与用户相关联的用户简档。用户简档可以包括例如，与用户相关联的人口统计信息、与用户相关联的生物特征识别信息、与用户相关联的医疗信息、自我报告用户反馈、与用户相关联的睡眠参数(例如，从一个或多个较早睡眠时段中记录的睡眠相关参数)、或它们的任何组合。人口统计信息可包括例如指示用户年龄、用户性别、用户种族、用户地理位置、关系状态、失眠症家族史、用户就业状态、用户教育状态、用户社会经济状态、或它们的任何组合的信息。医疗信息可以包括例如指示与用户相关联的一种或多种医疗状况、用户的药物使用或两者的信息。医疗信息数据还可以包括多次睡眠等待时间测试(mslt)测试结果或评分和/或匹兹堡睡眠质量指数(psqi)评分或值。医疗信息数据可以包括来自多导睡眠图(psg)测试、cpap滴定或家庭睡眠测试(hst)中的一
者或多者的结果、来自一个或多个睡眠时段的呼吸治疗系统设置、来自一个或多个睡眠时段的睡眠相关呼吸事件、或它们的任何组合。自我报告的用户反馈可包括指示自我报告的主观治疗评分(例如，差、平均、优秀)、用户的自我报告的主观压力水平、用户的自我报告的主观疲劳水平、用户的自我报告的主观健康状态、用户最近经历的生活事件、或它们的任何组合的信息。在一些实施方式中，存储器设备114存储可在显示设备128和/或显示设备172上显示的媒体内容。
60.电子接口119被配置成从一个或多个传感器130接收数据(例如，生理数据和/或流量数据)，使得数据可以存储在存储器设备114中和/或由控制系统110的处理器112分析。电子接口119可以使用有线连接或无线连接(例如，使用rf通信协议、wi-fi通信协议、蓝牙通信协议、ir通信协议、通过蜂窝网络、通过任何其他光通信协议等)与一个或多个传感器130进行通信。电子接口119可包括天线、接收器(例如，rf接收器)、发射器(例如，rf发射器)、收发器、或它们的任何组合。电子接口119还可以包括与本文描述的处理器112和存储器设备114相同或类似的一个或多个处理器和/或一个或多个存储器设备。在一些实施方式中，电子接口119联接至用户设备170或集成在用户设备170中。在其他实施方式中，电子接口119联接至控制系统110和/或存储器设备114，或者与控制系统110和/或存储器设备114集成(例如，在壳体中)。
61.呼吸治疗系统120可以包括呼吸压力治疗(rpt)设备122(在本文中称为呼吸治疗设备122)、用户接口124、导管126(也称为管或空气回路)、显示设备128、湿化罐129、或它们的任何组合。在一些实施方式中，控制系统110、存储器设备114、显示设备128、传感器130中的一个或多个和湿化罐129是呼吸治疗设备122的一部分。呼吸压力治疗是指在用户的整个呼吸周期中，以相对于大气而言在标称上是正(例如，与如罐式呼吸机或胸甲的负压治疗方法相反)的受控目标压力向用户的气道入口处供应空气的应用。呼吸治疗系统120通常用于治疗患有一种或多种睡眠相关呼吸障碍(例如，阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停或混合性睡眠呼吸暂停)的个体。
62.呼吸治疗设备122通常用于生成递送到用户的加压空气(例如，使用驱动一个或多个压缩机的一个或多个马达)。在一些实施方式中，呼吸治疗设备122生成连续恒定的空气压力，该空气压力递送到用户。在其他实施方式中，呼吸治疗设备122生成两个或更多个预定压力(例如，第一预定空气压力和第二预定空气压力)。在其他实施方式中，呼吸治疗设备122被配置成在预定范围内生成多种不同的空气压力。例如，呼吸治疗设备122可递送至少约6cmh2o、至少约10cmh2o、至少约20cmh2o、在约6cmh2o和约10cmh2o之间、在约7cmh2o和约12cmh2o之间等。呼吸治疗设备122还可以以例如约-20l/分钟至约150l/分钟的预定流量递送加压空气，同时维持正压(相对于环境压力)。
63.用户接口124接合用户的面部的一部分，并将加压空气从呼吸治疗设备122递送到用户的气道，以帮助防止气道在睡眠期间变窄和/或塌陷。这也可以增加用户在睡眠期间的氧气摄入。通常，用户接口124接合用户的面部，使得加压空气经由用户的嘴、用户的鼻子或用户的嘴和鼻子两者递送到用户的气道。呼吸治疗设备122、用户接口124和导管126一起形成与用户的气道流体联接的空气通路。加压空气还增加了睡眠期间用户的氧气摄入。
64.根据要施加的治疗，用户接口124可以例如，与用户的面部的区域或部分形成密封，以便于在随着环境压力有足够变化的压力下，例如，在相对于环境压力约10cmh2o的正
压下递送气体以实现治疗。对于其他形式的治疗，例如氧的递送，用户接口可能不包括足以促进在约10cmh2o的正压力下将气体供应递送到气道的密封。
65.如图2所示，在一些实施方式中，用户接口124是或包括覆盖用户的鼻子和嘴的脸罩(例如，全脸面罩)。替代地，在一些实施方式中，用户接口124是向用户的鼻子提供空气的鼻罩或将空气直接递送到用户的鼻孔的鼻枕罩。用户接口124可以包括用于将接口定位和/或稳定在用户的一部分(例如，面部)上的多个带(例如，包括钩环紧固件)，以及帮助在用户接口124和用户之间提供气密密封的适形缓冲垫(例如，硅酮、塑料、泡沫等)。用户接口124还可以包括一个或多个通气口，用于允许用户210呼出的二氧化碳和其他气体逸出。在其他实施方式中，用户接口124包括咬嘴(例如，模制成符合用户的牙齿的夜用防护咬嘴、下颌复位设备等)。
66.导管126(也称为空气回路或管)允许空气在呼吸治疗系统120的两个部件(如呼吸治疗设备122和用户接口124)之间流动。在一些实施方式中，可以存在用于吸入和呼出的导管的单独分支。在其他实施方式中，单个分支导管用于吸入和呼出。
67.呼吸治疗设备122、用户接口124、导管126、显示设备128和湿化罐129中的一者或多者可以包含一个或多个传感器(例如，压力传感器、流量传感器，或更通常，本文所述的其他传感器130中的任一个)。这些一个或多个传感器可用于例如测量由呼吸治疗设备122供应的加压空气的空气压力和/或流量。
68.显示设备128通常用于显示包括静止图像、视频图像或两者的图像，和/或关于呼吸治疗设备122的信息。例如，显示设备128可以提供关于呼吸治疗设备122的状态的信息(例如，呼吸治疗设备122是否开/关、由呼吸治疗设备122递送的空气的压力、由呼吸治疗设备122递送的空气的温度等)和/或其他信息(例如，睡眠评分或治疗评分(也称为myair
tm
评分，如在wo 2016/061629和美国专利公开第2017/0311879号中描述的，两个专利中的每一者在此通过引用整体并入本文)、当前日期/时间、用户210的个人信息等。在一些实施方式中，显示设备128充当包括图形用户界面(gui)的人机界面(hmi)，该gui被配置成将图像显示为输入界面。显示设备128可以是led显示器、oled显示器、lcd显示器等。输入界面可以是例如，触摸屏或触敏基板、鼠标、键盘或被配置成感测由与呼吸治疗设备122交互的人类用户做出的输入的任何传感器系统。
69.湿化罐129联接至呼吸治疗设备122或集成在呼吸治疗设备122中。湿化罐129包括可用于湿化从呼吸治疗设备122递送的加压空气的储水器。呼吸治疗设备122可包括加热器以加热湿化罐129中的水，以便湿化提供给用户的加压空气。另外，在一些实施方式中，导管126还可以包括加热元件(例如，联接至和/或嵌入在导管126中)，该加热元件加热递送到用户的加压空气。湿化罐129可以流体联接至空气通路的水蒸气入口，并经由水蒸气入口将水蒸气递送到空气通路中或者可以与空气通路成直线地形成作为空气通路本身的一部分。在其他实施方式中，呼吸治疗设备122或导管126可以包括无水加湿器。无水加湿器可并入与定位在系统100中别处的其他传感器接合的传感器。
70.呼吸治疗系统120可用作例如，呼吸机或气道正压通气(pap)系统(如持续气道正压通气(cpap)系统、自动气道正压通气系统(apap)、双水平或可变气道正压通气系统(bpap或vpap))、或它们的任何组合。cpap系统向用户递送预定空气压力(例如，由睡眠医师确定)。apap系统基于例如，与用户相关联的呼吸数据来自动改变递送到用户的空气压力。
bpap系统或vpap系统被配置成递送第一预定压力(例如，吸气气道正压通气或ipap)和低于第一预定压力的第二预定压力(例如，呼气气道正压通气或epap)。
71.总体上参考图2，图示了根据一些实施方式的系统100(图1)的一部分。呼吸治疗系统120的用户210和床伴220位于床230中且躺在床垫232上。用户接口124(在本文中也称为面罩，例如全脸面罩、鼻面罩、鼻枕面罩等)可以在睡眠时段期间由用户210佩戴。用户接口124经由导管126流体联接和/或连接到呼吸治疗设备122。呼吸治疗设备122又经由导管126和用户接口124将加压空气递送到用户210，以增加用户210的喉咙中的空气压力，从而帮助防止气道在睡眠期间闭合和/或变窄。呼吸治疗设备122可定位在如图2所示直接邻近床230的床头柜240上，或者更通常，定位在大体上邻近床230和/或用户210的任何表面或结构上。
72.返回参考图1，系统100的一个或多个传感器130包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、射频(rf)接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、脑电图(eeg)传感器158、电容传感器160、力传感器162、应变仪传感器164、肌电图(emg)传感器166、氧传感器168、分析物传感器174、湿度传感器176、lidar传感器178、或它们的任何组合。通常，一个或多个传感器130中的每一个被配置成输出被接收并存储在存储器设备114或一个或多个其他存储器设备中的传感器数据。
73.尽管一个或多个传感器130被示出和描述为包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、rf接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、脑电图(eeg)传感器158、电容传感器160、力传感器162、应变仪传感器164、肌电图(emg)传感器166、氧传感器168、分析物传感器174、湿度传感器176和lidar传感器178中的每一者，更通常，一个或多个传感器130可以包括本文描述和/或示出的传感器中的每一个的任何组合和任何数量。
74.如本文所述，系统100通常可用于在睡眠时段期间生成与用户(例如，图2所示的呼吸治疗系统120的用户)相关联的生理数据。可以分析生理数据以生成一个或多个睡眠相关参数，其可以包括在睡眠时段期间与用户相关的任何参数、测量等。在睡眠时段期间可以为用户210确定的一个或多个睡眠相关参数包括，例如，呼吸暂停低通气指数(ahi)评分、睡眠评分、流量信号、呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、阶段、呼吸治疗设备122的压力设置、心率、心率可变性、用户210的移动、温度、eeg活动、emg活动、微觉醒、打鼾、窒息、咳嗽、口哨、喘息、或它们的任何组合。
75.一个或多个传感器130可用于生成例如生理数据、流量数据或两者。在一些实施方式中，控制系统110可以使用由一个或多个传感器130生成的生理数据来确定在睡眠时段期间与用户210相关联的睡眠-觉醒信号和一个或多个睡眠相关参数。睡眠-觉醒信号可以指示一种或多种睡眠状态，包括睡眠、觉醒、放松的觉醒、微唤醒或不同的睡眠阶段，如快速眼动(rem)阶段、第一非rem阶段(通常称为“n1”)、第二非rem阶段(通常称为“n2”)、第三非rem阶段(通常称为“n3”)、或它们的任何组合。用于根据由一个或多个传感器(如一个或多个传感器130)生成的生理数据确定睡眠状态和/或睡眠阶段的方法描述于例如wo 2014/047310、美国专利公开第2014/0088373号、wo 2017/132726、wo 2019/122413、wo 2019/122414和美国专利公开第2020/0383580号，这些专利中的每一者在此通过引用整体并入本文。
76.还可以对睡眠-醒来信号加时间戳以确定用户上床的时间、用户下床的时间、用户试图入睡的时间等。睡眠-醒来信号可由一个或多个传感器130在睡眠时段期间以预定取样速率(例如，每秒一个样本、每30秒一个样本、每分钟一个样本等)测量。在一些实施方式中，睡眠-觉醒信号还可以指示睡眠时段期间的呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、吸气持续时间、呼气持续时间、每小时的事件数量、事件模式、呼吸治疗设备122的压力设置、或它们的任何组合。事件可包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、低通气、嘴泄漏、面罩泄漏(例如，从用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、心率变化、呼吸困难、哮喘发作、癫痫发作、惊厥、发烧、咳嗽、打喷嚏、打鼾、喘息、如普通感冒或流感的疾病的存在、或它们的任何组合。可以在睡眠时段期间基于睡眠-觉醒信号为用户确定的一个或多个睡眠相关参数包括例如睡眠质量度量，如总卧床时间、总睡眠时间、睡眠开始等待时间、睡眠开始后觉醒参数、睡眠效率、分段指数、或它们的任何组合。
77.由一个或多个传感器130生成的生理数据和/或音频数据还可以用于确定与睡眠时段期间的用户相关联的呼吸信号。呼吸信号通常指示用户在睡眠时段期间的呼吸(respiration/breathing)。呼吸信号可以指示例如呼吸速率、呼吸速率可变性、吸气幅度、呼气幅度、吸气-呼气比、吸气持续时间和呼气持续时间、每小时的事件数量、事件的模式、呼吸治疗设备122的压力设置、或它们的任何组合。事件可包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、低通气、嘴泄漏、面罩泄漏(例如，从用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、惊厥、或它们的任何组合。
78.通常，睡眠时段包括用户210已经躺在或坐在床230(或他们打算睡觉的另一区域或对象)中，并且已经打开呼吸治疗设备122并戴上用户接口124之后的任何时间点。睡眠时段因此可包括当用户210正在使用cpap系统时但在用户210试图入睡之前(例如当用户210躺在床230中阅读书时)的时间段(i)；(ii)当用户210开始尝试入睡但仍清醒时；(iii)当用户210处于浅睡眠时(也称为非快速眼动(nrem)睡眠的阶段1和阶段2)；(iv)当用户210处于深睡眠(也称为慢波睡眠sws或nrem睡眠的阶段3)时；(v)当所述用户210处于快速眼动(rem)睡眠时；(vi)当用户210在浅睡眠、深睡眠或rem睡眠之间周期性地醒来时；或者(vii)当用户210醒来而不再次入睡时。
79.睡眠时段通常被定义为一旦用户210移除用户接口124、关闭呼吸治疗设备122和离开床230就结束。在一些实施方式中，睡眠时段可以包括附加时间段，或者可以限制到仅以上公开的时间段中的一些。例如，可以将睡眠时段定义为涵盖在呼吸治疗设备122开始向气道或用户210供应加压空气时开始，在呼吸治疗设备122停止向用户210的气道供应加压空气时结束，以及包括在用户210入睡或清醒时之间的一些或全部时间点的时间段。在一些实施方式中，睡眠时段可以包括在用户开始或结束使用呼吸治疗设备之前和/或之后用户处于睡眠位置的时段。
80.压力传感器132输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的压力数据。在一些实施方式中，压力传感器132是生成指示呼吸治疗系统120的用户的呼吸(例如，吸入和/或呼出)和/或环境压力的传感器数据的空气压力传感器(例如，大气压力传感器)。在此类实施方式中，压力传感器132可以联接至呼吸治疗设备122、用户接
口124或导管126，或集成在呼吸治疗设备122、用户接口124或导管126中。压力传感器132可用于确定呼吸治疗设备122中的空气压力、导管126中的空气压力、用户接口124中的空气压力其任何组合。压力传感器132可以是例如电容传感器、电磁传感器、电感传感器、电阻传感器、压电传感器、应变片传感器、光学传感器、电位传感器、或它们的任何组合。在一个实例中，压力传感器132可用于确定用户的血压。
81.流量传感器134输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的流量数据。在一些实例中，“流量数据(flow rate data)”也可以称为“流量数据(flow data)”，而“流量”是由流量传感器134测量的气流量率。在国际公开第wo 2012/012835号和美国专利第10,328,219号中描述了流量传感器(如流量传感器214)的实例，两个专利中的每一者在此通过引用整体并入本文。在一些实施方式中，流量传感器134用于确定来自呼吸治疗设备122的空气流量、通过导管126的空气流量、通过用户接口124的空气流量、或它们的任何组合。在此类实施方式中，流量传感器134可以联接至呼吸治疗设备122、用户接口124或导管126，或集成在其中。流量传感器134可以是质量流量传感器，如旋转流量计(例如，霍尔效应流量计)、涡轮流量计、孔口流量计、超声流量计、热线传感器、涡流传感器、膜传感器、或它们的任何组合。
82.流量传感器134可用于在睡眠时段期间生成与呼吸治疗设备122的用户210(图2)相关联的流量数据。在国际公开第wo 2012/012835号中描述了流量传感器(如流量传感器134)的实例，该专利在此通过引用整体并入本文。在一些实施方式中，流量传感器134被配置成测量通气流量(例如，有意的“泄漏”)、无意的泄漏(例如，嘴泄漏和/或面罩泄漏)、患者流量(例如，进入和/或离开肺的空气)、或它们的任何组合。在一些实施方式中，可以分析流量数据以确定用户的心原性振动。
83.温度传感器136输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的温度数据。在一些实施方式中，温度传感器136生成指示用户210(图2)的核心体温、用户210的皮肤温度、从呼吸治疗设备122和/或通过导管126流动的空气的温度、用户接口124中的空气的温度、环境温度、或它们的任何组合的温度数据。温度传感器136可以是例如热电偶传感器、热敏电阻传感器、硅带隙温度传感器或基于半导体的传感器、电阻温度检测器、或它们的任何组合。
84.运动传感器138输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的运动数据。运动传感器138可用于在睡眠时段期间检测用户210的移动，和/或检测呼吸治疗系统120的任何部件(如呼吸治疗设备122、用户接口124或导管126)的移动。运动传感器138可以包括一个或多个惯性传感器，如加速度计、陀螺仪和磁力计。在一些实施方式中，运动传感器138替代地或附加地生成表示用户的身体移动的一个或多个信号，从该一个或多个信号可以获得表示用户的睡眠状态的信号；例如，经由用户的呼吸运动。在一些实施方式中，来自运动传感器138的运动数据可以与来自另一传感器130的附加数据结合使用，以确定用户的睡眠状态。
85.麦克风140输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的声音数据。麦克风140可用于记录睡眠时段期间的声音(例如，来自用户210的声音)以确定(例如，使用控制系统110)一个或多个睡眠相关参数，该一个或多个睡眠相关参数可包括一个或多个事件(例如，呼吸事件)，如本文进一步详细描述。麦克风140可以联接至呼吸
治疗设备122、用户接口124、导管126或用户设备170或集成在呼吸治疗设备122、用户接口124、导管126或用户设备170中。在一些实施方式中，系统100包括多个麦克风(例如，两个或更多个麦克风和/或具有波束成形的麦克风阵列)，使得由多个麦克风中的每个麦克风生成的声音数据可以用于区分由多个麦克风中的另一麦克风生成的声音数据。
86.扬声器142输出声波。在一个或多个实施方式中，声波对于系统100的用户是可听见的(例如，图2的用户210)或对于系统的用户是听不见的(例如，超声波)。扬声器142可以用作例如闹钟或向用户210播放警报或消息(例如，响应于所识别的身体位置和/或身体位置的变化)。在一些实施方式中，扬声器142可用于将由麦克风140生成的音频数据传达给用户。扬声器142可以联接至呼吸治疗设备122、用户接口124、导管126或外部设备170或集成在呼吸治疗设备122、用户接口124、导管126或外部设备170中。
87.麦克风140和扬声器142可以用作单独的设备。在一些实施方式中，麦克风140和扬声器142可以组合成声学传感器141(例如，sonar传感器)，如在例如wo 2018/050913和wo 2020/104465中所描述的，两个专利中的每一个在此通过引用整体并入本文。在此类实施方式中，扬声器142以预定间隔产生成或发射声波，并且麦克风140检测来自扬声器142的发射的声波的反射。在一个或多个实施方式中，由扬声器142生成或发射的声波可以具有人耳听不见的频率(例如，低于20hz或高于约18khz)，以便不干扰用户210或床伴220(图2)的睡眠。至少部分地基于来自麦克风140和/或扬声器142的数据，控制系统110可以确定用户210(图2)的位置和/或本文描述的睡眠相关参数(例如，所识别的身体位置和/或身体位置的变化)中的一个或多个，如呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、睡眠状态、呼吸治疗设备122的压力设置、或它们的任何组合。在该上下文中，声纳传感器可以理解为涉及主动声学传感，如通过生成/发射通过空气的超声或低频超声传感信号(例如，在约17至23khz、18至22khz或17至18khz的频率范围内)。这种系统可以相对于本文提及的wo2018/050913和wo 2020/104465来考虑。
88.在一些实施方式中，传感器130包括(i)第一麦克风，该第一麦克风与麦克风140相同或类似，并且集成在声学传感器141中；以及(ii)第二麦克风，该第二麦克风与麦克风140相同或类似，但是与集成在声学传感器141中的第一麦克风分开且不同。
89.rf发射器148生成和/或发射具有预定频率和/或预定幅度(例如，在高频带内、在低频带内、长波信号、短波信号等)的无线电波。rf接收器146检测从rf发射器148发射的无线电波的反射，并且该数据可以由控制系统110分析以确定用户210(图2)的位置和/或身体位置和/或本文所述的一个或多个睡眠相关参数。rf接收器(rf接收器146和rf发射器148或另一rf对)也可用于控制系统110、呼吸治疗设备122、一个或多个传感器130、用户设备170、或它们的任何组合之间的无线通信。虽然rf接收器146和rf发射器148在图1中被示出为分开且不同的元件，但是在一些实施方式中，rf接收器146和rf发射器148被组合成rf传感器147的一部分。在一些此类实施方式中，rf传感器147包括控制电路。rf通信的特定格式可以是wi-fi、蓝牙等。
90.在一些实施方式中，rf传感器147是网格系统的一部分。网格系统的一个实例是wi-fi网格系统，其可以包括网格节点、(一个或多个)网格路由器和(一个或多个)网格网关，它们中的每一者都可以是移动的/可移动的或固定的。在此类实施方式中，wi-fi网格系统包括wi-fi路由器和/或wi-fi控制器以及一个或多个卫星(例如，接入点)，该一个或多个
卫星中的每一个包括与rf传感器147相同或类似的rf传感器。wi-fi路由器和卫星使用wi-fi信号彼此连续通信。wi-fi网格系统可用于基于路由器和卫星之间的wi-fi信号中的变化(例如，接收信号强度中的差异)来生成运动数据，该wi-fi信号中的变化是由于移动的物体或人部分地阻挡了信号而引起的。运动数据可以指示运动、呼吸、心率、步态、跌倒、行为等、或它们的任何组合。
91.相机150输出可再现为可存储在存储器设备114中的一个或多个图像(例如，静止图像、视频图像、热图像、或它们的任何组合)的图像数据。来自相机150的图像数据可由控制系统110用于确定本文所述的睡眠相关参数中的一个或多个。来自相机150的图像数据可由控制系统110使用来确定本文所述的睡眠相关参数中的一个或多个，例如一个或多个事件(例如，周期性肢体运动或不宁腿综合征)、呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、睡眠状态、睡眠阶段、或它们的任何组合。此外，来自相机150的图像数据可用于识别用户的位置和/或身体位置，确定用户210的胸部移动，确定用户210的嘴和/或鼻子的气流，确定用户210上床230的时间，以及确定用户210下床230的时间。相机150还可用于追踪眼睛移动、瞳孔放大(假设用户210的一只或两只眼睛睁开)、眨眼率或rem睡眠期间的任何变化。
92.红外(ir)传感器152输出可再现为可存储在存储器设备114中的一个或多个红外图像(例如，静止图像、视频图像或两者)的红外图像数据。来自ir传感器152的红外数据可以用于确定睡眠时段期间的一个或多个睡眠相关参数，包括用户210的温度和/或用户210的移动。当测量用户210的存在、位置和/或移动时，ir传感器152也可以与相机150结合使用。例如，ir传感器152可以检测波长为约700nm至约1mm的红外光，而相机150可以检测波长为约380nm至约740nm的可见光。
93.ppg传感器154输出与用户210(图2)相关联的生理数据，该生理数据可用于确定一个或多个睡眠相关参数，如心率、心率模式、心率可变性、心动周期、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、所估计的血压参数、或它们的任何组合。ppg传感器154可由用户210佩戴，嵌入在由用户210穿着的衣服和/或织物中，嵌入在和/或联接至用户接口124和/或其相关联的头戴设备(例如，带等)等。
94.ecg传感器156输出与用户210的心脏的电活动相关联的生理数据。在一些实施方式中，ecg传感器156包括在睡眠时段期间定位在用户210的一部分上或周围的一个或多个电极。来自ecg传感器156的生理数据可以用于例如，确定本文所述的睡眠相关参数中的一个或多个睡眠相关参数。
95.eeg传感器158输出与用户210的大脑的电活动相关联的生理数据。在一些实施方式中，eeg传感器158包括在睡眠时段期间定位在用户210的头皮上或周围的一个或多个电极。来自eeg传感器158的生理数据可以用于例如在睡眠时段期间的任何给定时间确定用户210的睡眠状态。在一些实施方式中，eeg传感器158可以集成在用户接口124和/或相关联的头戴设备(例如，带等)中。
96.电容传感器160、力传感器162和应变仪传感器164输出数据，其可以存储在存储器设备114中且由控制系统110使用以确定本文所述的睡眠相关参数中的一个或多个睡眠相关参数。emg传感器166输出与由一个或多个肌肉产生的电活动相关联的生理数据。氧传感器168输出指示以下的氧数据：气体(例如，在导管126中或在用户接口124处)的氧浓度。氧
传感器168可以是例如超声波氧传感器、电氧传感器、化学氧传感器、光学氧传感器、或它们的任何组合。在一些实施方式中，一个或多个传感器130还包括皮肤电反应(gsr)传感器、血流传感器、呼吸传感器、脉搏传感器、血压计传感器、血氧测定传感器、或它们的任何组合。
97.分析物传感器174可以用于检测用户210呼气中分析物的存在。由分析物传感器174输出的数据可以存储在存储器设备114中，并由控制系统110使用以确定用户210的呼吸中的任何分析物的身份和浓度。在一些实施方式中，分析物传感器174定位在用户210的嘴附近，以检测从用户210的嘴呼出的呼吸中的分析物。例如，当用户接口124是覆盖用户210的鼻子和嘴的面罩时，分析物传感器174可以定位在面罩内以监测用户210的嘴呼吸。在其他实施方式中，如当用户接口124是鼻罩或鼻枕罩时，分析物传感器174可以定位在用户210的鼻子附近以检测通过用户的鼻子呼出的呼吸中的分析物。在更多其他实施方式中，当用户接口124是鼻罩或鼻枕罩时，分析物传感器174可以定位在用户210的嘴附近。在一些实施方式中，分析物传感器174可以用于检测是否有任何空气无意中从用户210的嘴泄漏。在一些实施方式中，分析物传感器174是挥发性有机化合物(voc)传感器，该voc传感器可以用于检测碳基化学品或化合物。在一些实施方式中，分析物传感器174还可以用于检测用户210是否正在通过他们的鼻子或嘴呼吸。例如，如果由定位在用户210的嘴附近或面罩内(在用户接口124是面罩的实施方式中)的分析物传感器174输出的数据检测到分析物的存在，则控制系统110可以使用该数据作为用户210正在通过他的嘴呼吸的指示。
98.湿度传感器176输出可以存储在存储器设备114中并由控制系统110使用的数据。湿度传感器176可用于检测围绕用户的各个区域中的水分(例如，在导管126或用户接口124内部、在用户210的面部附近、在导管126和用户接口124之间的连接附近、在导管126和呼吸治疗设备122之间的连接附近等)。因此，在一些实施方式中，湿度传感器176可以定位在用户接口124中或导管126中以监测来自呼吸治疗设备122的加压空气的湿度。在其他实施方式中，湿度传感器176被放置在需要监测水分水平的任何区域附近。湿度传感器176还可用于监测围绕用户210的周围环境的湿度，例如，用户210的卧室内部的空气。湿度传感器176还可用于追踪用户210对环境变化的生物测定响应。
99.一个或多个光检测和测距(lidar)传感器178可用于深度感测。这种类型的光学传感器(例如，激光传感器)可用于检测受试者并构建周围环境(如生活空间)的三维(3d)图。lidar通常可以利用脉冲激光来进行飞行时间测量。lidar也被称为3d激光扫描。在使用这种传感器的实例中，具有lidar传感器178的固定或移动设备(如智能手机)可以测量和映射从传感器延伸5米或更远的区域。例如，lidar数据可以与由电磁式radar传感器估计的点云数据融合。lidar传感器178还可以使用人工智能(ai)通过检测和分类可能引起radar系统的问题的空间中的特征来自动地对radar系统建立地理围栏，如玻璃窗(其可以是对radar高度反射的)。例如，lidar还可用于提供人的身高的估计，以及当人坐下或跌倒时身高的变化。lidar可以用于形成环境的3d网格表示。在进一步的用途中，对于无线电波穿过的固体表面(例如，无线电半透明材料)，lidar可以反射离开此类表面，从而允许对不同类型的障碍物进行分类。
100.在一些实施方式中，一个或多个传感器130还包括皮肤电反应(gsr)传感器、血流传感器、呼吸传感器、心率传感器(例如，脉搏传感器)、血压传感器(例如，血压计传感器)、血氧测定传感器、声纳传感器、radar传感器、lidar传感器、血糖传感器、相机(例如，颜色传
感器)、ph传感器、倾斜传感器(其测量参考平面的多个轴上的倾斜)、定向传感器(其测量设备相对于直角坐标框架的定向)、或它们的任何组合。
101.虽然在图1中单独示出，但是一个或多个传感器130的任何组合可以集成在系统100的部件中的任何一个或多个中和/或联接至系统100的部件中的任何一个或多个，这些部件包括呼吸治疗设备122、用户接口124、导管126、湿化罐129、控制系统110、用户设备170、或它们的任何组合。例如，声学传感器141和/或rf传感器147可以集成在用户设备170中且/或联接至用户设备170。在此类实施方式中，根据本公开的一些方面，用户设备170可以被认为是生成供系统100(例如，控制系统110)使用的附加或辅助数据的辅助设备。在一些实施方式中，一个或多个传感器130中的至少一个不物理地和/或通信地联接至呼吸治疗设备122、控制系统110或用户设备170，并且在睡眠时段期间通常邻近用户210定位(例如，定位在用户210的一部分上或与用户210的一部分接触、由用户210佩戴、联接至床头柜或定位在床头柜上、联接至床垫、联接至天花板等)。
102.可以分析来自一个或多个传感器130的数据，以确定一个或多个睡眠相关参数，一个或多个睡眠相关参数可以包括呼吸信号、呼吸速率、呼吸模式、吸气幅度、呼气幅度、吸气-呼气比、一个或多个事件的发生、每小时的事件数量、事件模式、睡眠状态、呼吸暂停低通气指数(ahi)、或它们的任何组合。一种或多种事件可包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、低通气、有意的面罩泄漏、无意的面罩泄漏、嘴泄漏、咳嗽、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、惊厥、血压增加、或它们的任何组合。尽管睡眠相关参数的一些参数可以被认为是非生理参数，这些睡眠相关参数的许多参数是生理参数。非生理参数还可以包括呼吸治疗系统的操作参数，包括流量、压力、加压空气的湿度、马达的速度等。还可以根据来自一个或多个传感器130的数据或根据其他类型的数据来确定其他类型的生理和非生理参数。
103.用户设备170(图1)包括显示设备172。用户设备170例如可以是例如移动设备，如智能电话、平板电脑、游戏机、智能手表、膝上型电脑等。替代地，用户设备170可以是外部传感系统、电视(例如，智能电视)或另一智能家庭设备(例如，智能扬声器，如google nest hub、google home、amazon echo、amazon show、alexa
tm
使能设备等)。在一些实施方式中，用户设备是可佩戴设备(例如，智能手表)。显示设备172通常用于显示包括静止图像、视频图像或两者的图像。在一些实施方式中，显示设备172充当人机界面(hmi)，该hmi包括被配置成显示图像的图形用户界面(gui)和输入界面。显示设备172可以是led显示器、oled显示器、lcd显示器等。输入界面可以是例如，触摸屏或触敏基板、鼠标、键盘或被配置成感测由与用户设备170交互的人类用户做出的输入的任何传感器系统。在一些实施方式中，系统100可以使用和/或包括一个或多个用户设备。
104.虽然控制系统110和存储器设备114在图1中被描述和示出为系统100的分开且不同的部件，但是在一些实施方式中，控制系统110和/或存储器设备114集成在用户设备170和/或呼吸治疗设备122中。替代地，在一些实施方式中，控制系统110或其一部分(例如，处理器112)可以位于云中(例如，集成在服务器中、集成在物联网(iot)设备中、连接至云、经受边缘云处理等)、位于一个或多个服务器(例如，远程服务器、本地服务器等)、或它们的任何组合中。
105.虽然系统100被示出为包括上述所有部件，但是根据本公开的实施方式，在用于分
析与呼吸治疗系统120的用户使用相关联的数据的系统中可以包括更多或更少的部件。例如，第一替代系统包括控制系统110、存储器设备114和一个或多个传感器130中的至少一个传感器。作为另一实例，第二替代系统包括控制系统110、存储器设备114、一个或多个传感器130中的至少一个，以及用户设备170。作为又另一实例，第三替代系统包括控制系统110、存储器设备114、呼吸治疗系统120、一个或多个传感器130中的至少一个和用户设备170。因此，可以使用本文示出和描述的部件的任何部分或多个部分和/或与一个或多个其他部件组合来形成用于实施本公开的各种系统。
106.图3a图示了根据本公开的一些实施方式的人在睡觉时的呼吸波形。横轴为时间，并且纵轴为呼吸流量。虽然参数值可以变化，但是示例呼吸周期可以具有以下近似值：潮气量v
t 0.5l、吸入时间t
i 1.6s、峰值吸入流量q
峰值
0.4l/s、呼出时间t
e 2.4s、峰值呼出流量q
峰值-0.5l/s。呼吸周期的总持续时间t
tot
为约四(4)秒。个体通常以每分钟呼吸次数(bpm)约15次的速率呼吸，通气量为约7.5l/分钟。对于示例呼吸周期，ti与t
tot
之比为约40％。
107.图3b图示了在约90秒的时段内正常呼吸的个体在非rem睡眠期间的选定多导睡眠图通道(脉搏血氧计、流量、胸部运动、和腹部运动)，呼吸约34次，用自动pap治疗方法治疗，并且接口压力为约11cmh2o。顶部通道显示脉搏血氧测定(氧饱和度或spo2)，并且标度在垂直方向上具有从90％至99％的饱和度范围。个体在示出的整个时段维持约95％的饱和度。第二通道显示定量的呼吸气流，并且标度在垂直方向上的范围为从-1至+1lps，并且吸气为正。在第三通道和第四通道中显示了胸部和腹部运动。
108.图3c图示了根据本公开的一些实施方式的个体在治疗之前的多导睡眠图。从上到下有11个信号通道，具有6分钟的水平时间跨度。头两个通道是来自不同头皮位置的脑电图(eeg)。第二eeg中的周期性尖峰表示皮层微觉醒和相关活动。第三通道向下是颏下肌电图(emg)。在微觉醒时间附近增加活性表示颏舌肌募集。第四通道和第五通道是眼电图(eog)。第六通道是心电图(ecg)。第七通道显示脉搏血氧测定(spo2)从约90％反复去饱和到70％以下。第八通道是使用连接到压差传感器的鼻插管的呼吸气流。25秒至35秒的重复呼吸暂停与10秒至15秒的恢复呼吸突发交替，与eeg微觉醒和增加的emg活性一致。第九通道显示胸部的运动，并且第十通道显示腹部的运动。腹部在导致微觉醒的呼吸暂停期间显示出渐强的运动。由于恢复呼吸增强期间的总体身体运动，两者在微觉醒期间都变得凌乱。因此，呼吸暂停是阻塞性的，并且病症是严重的。最低的通道是姿势，并且在本实例中它不显示变化。
109.图3d图示了根据本公开的一些实施方式的个体正在经历一系列完全阻塞性呼吸暂停时的流量数据。记录的持续时间大约为160秒。流量范围为从约+1l/s至约-1.5l/s。每次呼吸暂停持续大约10至15秒。
110.在一些实施方式中，本公开的系统包括流量传感器(例如，图1的流量传感器134)和压力传感器(例如，图1的压力传感器132)。流量传感器被配置成在治疗时间段内生成流量数据。例如，图4a图示了根据本公开的一些实施方式的与呼吸治疗系统(例如，图1的呼吸治疗系统120)的用户(例如，图2的用户210)相关联的此类流量数据的一部分。如图4a所示，绘制在约七个完全呼吸周期(401至407)内测量的多个流量值的作为连续曲线410的图表。
111.在一些实施方式中，压力传感器被配置成在治疗时间段内生成压力数据。例如，图4b图示了根据本公开的一些实施方式的与cpap系统的用户相关联的压力数据。图4b所示的
压力数据是在与图4a相同的治疗时间段内生成的。如图4b所示，绘制在约七个完全呼吸周期(401至407)内测量的多个压力值的作为连续曲线420的图表。因为使用了cpap系统，所以图4b的连续压力曲线表现出具有相对较小幅度的大致正弦图案，因为cpap系统试图在七个完全呼吸周期期间维持系统的恒定预定空气压力。
112.参照图4c，图示了根据本公开的一些实施方式的与具有呼气减压(epr)模块的呼吸治疗系统的用户相关联的压力数据。图4c所示的压力数据是在与图4a相同的治疗时间段内生成的。如图4c所示，绘制在约七个完全呼吸周期(401至407)内测量的多个压力值的作为连续曲线430的图表。图4c的连续曲线不同于图4b的连续曲线，因为epr模块(用于图4c中的压力数据)可以具有用于epr水平的不同设置，该epr水平与吸气期间的压力水平和呼气期间的降低的压力水平之间的差异相关联。
113.根据本公开的并且在本文更详细地描述的一些实施方式(如图19中的方法1900)，系统100(图1)提供了一种低成本且有效的解决方案，以使用从流量数据获得和/或导出的特征(如呼吸速率、幅度变化、检测到的呼吸暂停事件的数量、可以指示位置的变化的噪声部分(例如，干扰信号)、信号的符号分析(例如，数学方法))来确定用户的头部和/或身体在其睡眠期间的转动。该确定的转动(例如，身体位置)可用于调整治疗设置和/或简单地将数据作为治疗信息呈现给用户和/或护理提供者。
114.在一些实例中，如果在诊断阶段期间使用多导睡眠图(psg)系统、cpap滴定、家庭睡眠测试(hst)夜晚来收集这些流量特征，则可以提取用户的“指纹”，该指纹指示用户的呼吸和睡眠偏好(例如，对用户个性化)，并且然后可以开发模型以供在正常治疗期间使用。在一些实例中，这种模型可以是基于流量特征和/或关于用户的其他信息的一组规则(例如，决策树、基于规则的专家系统)，或者是在呼吸治疗设备的数据管道中处理的模型(例如，递归神经网络、回声状态网络、马尔可夫模型)。此外，该模型可以提供一定程度的预测，从而检测用户睡眠期间恶化的模式或位置的变化，以及(i)在呼吸暂停发生之前主动地改变治疗设置，或(ii)如果呼吸保持正常，则减小治疗强度。
115.在一些实施方式中，流量信号中的变化和/或失真可以指示用户正在移动和/或改变身体位置。因此，可以跟踪从流量信号获得和/或导出的特征(例如，呼吸速率、幅度、呼吸之间的变化)以训练算法来学习用户是否处于特定身体位置，和/或是否已经改变位置。在一些实施方式中，可以使用与信号的脉冲性、信号的频谱成分或信号的随机性的变化相关联的流量信号的特征来指示用户的移动。例如，在人呼吸速率的基本频率处或其附近的信号的频率成分的相对减少(例如，每分钟6至30次呼吸，或对于儿童可能更高的频率)，和/或频率成分或信号幅度的增加和/或在更高频率处的脉冲性可以指示用户移动的特征。流量信号的分析可以包括频谱分析，如通过对信号进行傅立叶变换并比较在不同频率范围处的信号的幅度。例如，将人呼吸的基本频率范围中的信号幅度与在高于呼吸的基本频率的频率范围处的幅度进行比较。在一些实施方式中，该分析可以包括对呼吸的基本频率范围中的信号的较高频率分量的幅度调制的估计。以这种方式，可以区分由于患者移动引起的信号噪声和与呼吸相关联的信号噪声，如打鼾。在一些实施方式中，用于估计用户移动的流量信号的特征可以包括信号的峰度、信号的谱熵、信号的方差、信号的包络的方差、信号的均方根以及信号的均方根的方差中的任何一者或多者或全部。可以基于(i)指定的时间段(例如，三秒、五秒、十秒、三十秒、一分钟、三分钟、五分钟、十分钟、十五分钟等)、(ii)指定的呼
吸次数(例如，一次呼吸、两次呼吸、三次呼吸、五次呼吸、十次呼吸、三十次呼吸等)，和/或(iii)在流量信号中检测到的变化量和/或失真量来分割流量信号。在一些实施方式中，可以处理和/或分析从流量信号获得和/或导出的特征以确定位置性呼吸暂停和/或位置性变化。
116.参照图5，图示了在用户的位置变化期间与呼吸治疗系统的用户相关联的示例位置性数据和流量数据。从运动传感器(例如，系统100的运动传感器138)获得的重力x信号和重力y信号与流量信号(例如，从呼吸治疗系统120的呼吸治疗设备122获得的)重叠。对于一些用户，睡眠时段期间的位置变化很少发生，因此所公开的用于识别身体位置和/或位置变化的系统不需要以严格的实时等待时间运行。例如，当检测到位置变化时，该系统可以使用前2至3分钟来估计新的位置，然后随时间斜升/斜降治疗压力。如图5所示，重力x信号和重力y信号的变化对应于流量信号的失真。在该实例中，该位置性数据和流量数据基于固定时间段(示出为等间隔的垂直线)被分割。
117.在一些实施方式中，当数据段改变时，可以从流量数据中提取不同的统计特征，如呼吸速率、流量幅度平均值和标准偏差，这又可以暗示用户位置的变化。该信息对于确认用户是否正经历位置性睡眠呼吸暂停是有用的，位置性睡眠呼吸暂停可以在治疗期间基于用户的身体位置影响治疗参数，或者可以用于推荐替代治疗方法，如位置性阻塞性睡眠呼吸暂停治疗方法。
118.在一些实施方式中，可能期望根据睡眠时段期间的移动模式对用户进行分级或分类，例如，在每次位置转移之间具有相对集中的睡眠的相对频繁的位置变化可能是良好睡眠或良好健康的征兆。在这种情况下，可能期望通过该标准通知用户或第三方用户的睡眠或健康看起来良好或正常。替代地，具有非常频繁的位置转移可能是不佳睡眠或健康的指示。同样，具有非常少的位置转移可能是不佳睡眠或不佳健康的征兆。在一些情况下，可能期望通知用户或第三方位置转移的频率可能指示问题。在一些实施方式中，位置转移次数或速率可用于预测或筛选其他状况，如心力衰竭、中风风险、肥胖、肺病，或仅作为用户年龄或健康状况的预测因子。在一些实施方式中，期望基于人口统计信息(如年龄)和/或其他状况(如特定疾病状态，如心力衰竭)来估计位置转移的基线期望速率，并且期望参考基线来评估个体用户，以便确定如心律不齐的附加状况的风险。在一些实施方式中，可能期望使用睡眠期间的位置转移次数来估计用户的年龄范围或一般健康状况。在一些实施方式中，期望引导用户寻求进一步的诊断或治疗，如针对心力衰竭、心律不齐、失眠症和/或呼吸状况。
119.图6图示了在呼吸治疗系统的用户的位置变化之后呼吸模式的示例对应性变化(例如，示出为从流量信号导出的特征)。“间距”图表图示了以分钟计的时间作为x轴，且以度数计的身体角度作为y轴。角度可以根据从运动传感器(例如，系统100的运动传感器138)获得的加速度计数据来估计，其中重力x信号和重力y信号被转换成角度。在一些实例中，零(或约零)对应于仰卧身体位置，因此任何其他身体位置产生一个非零角度(例如，-90
°
或约-90
°
是完全在左侧；并且+90
°
或约+90
°
是完全在右侧)。在一些实例中，该角度是-180
°
至+180
°
的值。为正值的角度与右侧身体位置相关联，为负值的角度与左侧身体位置相关联，为零的角度与仰卧身体位置相关联，且为+180(或约+180)度数或-180(或约-180)度数的角度与俯卧身体位置相关联。如图6所示，轴角处的零对应于仰卧身体位置，-50
°
(或约-50
°
)是在左边，且+50
°
(或约+50
°
)是在右边。
[0120]“呼吸速率”图表图示了以分钟计的时间作为x轴，且每分钟呼吸次数作为y轴。对于由“间距”图表确定的每个位置，呼吸速率的中值和标准偏差在“呼吸速率”图表中图示出。该标准偏差可以指示在特定身体位置期间用户的呼吸速率是否不稳定。在该实例中，每次用户移动到新的身体位置时，中值呼吸速率增加。然而，当用户在左侧时用户的呼吸速率比在右侧时更不稳定。
[0121]“呼吸幅度”图表图示了以分钟计的时间作为x轴，且相对流量幅度作为y轴。对于由“间距”图表确定的每个位置，相对流量幅度的中值和标准偏差在“呼吸幅度”图表中图示出。在该实例中，每次用户移动到新的身体位置时，中值相对流量幅度也增加，其中每个水平对应于不同的身体位置。在一些实施方式中，呼吸幅度的规则模式(例如，表示为相对流量幅度)可以指示恢复性睡眠阶段，而不稳定的呼吸幅度可以指示受限气流的存在、呼吸暂停和/或用户睡眠期间的次优身体位置。
[0122]
图7图示了在呼吸治疗系统的用户的位置变化和相关联的呼吸暂停/低通气数据之后呼吸模式的示例对应性变化(例如，示出为从流量信号导出的特征)。类似于图6，“间距”图表图示了以分钟计的时间作为x轴，且以度数计的角度作为y轴。“呼吸速率”图表图示了以分钟计的时间作为x轴，且每分钟呼吸次数作为y轴。对于由“间距”图表确定的每个位置，呼吸速率的中值和标准偏差在“呼吸速率”图表中图示出。在该实例中，每次用户移动到新的身体位置时，中值呼吸速率增加。然而，在从左侧移动到右侧身体位置(从大约-45至大约+65)之后，用户的呼吸速率比停留在左侧或右侧而没有太多移动更不稳定。
[0123]“呼吸幅度”图表图示了以分钟计的时间作为x轴，且相对流量幅度作为y轴。对于由“间距”图表确定的每个位置，相对流量幅度的中值和标准偏差在“呼吸幅度”图表中图示出。在该实例中，中值相对流量幅度并不总是响应于身体位置的变化而增加。然而，对于该用户，相对流量幅度比停留在左侧或右侧而没有太多移动更不稳定。
[0124]
附加地或替代地，在一些实施方式中，ahi的检测可以指示相对于用户的特定身体位置。“呼吸暂停/低通气事件计数”图表图示了以分钟计的时间作为x轴，且以事件数量作为y轴。“呼吸暂停/低通气事件平均持续时间”图表图示了以分钟计的时间作为x轴，且以秒计的平均持续时间作为y轴。对于该用户，在中心段，事件数量增加，这反映在呼吸速率的标准偏差中。因此，该用户可能具有位置性呼吸暂停，当用户从左侧切换到右侧身体位置时，该位置性呼吸暂停更加严重。
[0125]
图8至图10图示了与其对应的呼吸治疗系统的三个不同用户相关联的示例位置性数据和流量数据。“位置”线表示根据从三轴加速度计(示出为“加速度计x轴”、“加速度计y轴”、“加速度计z轴”)获得的数据计算的角度，其中正值指示用户在右侧，负值指示用户在左侧，且零指示用户在仰卧身体位置。“鼻呼吸(resp nasal)”线表示由对应的呼吸治疗系统为每个用户生成的流量信号。
[0126]
如图8所示，从右侧到左侧的更剧烈的移动(短暂地停留在仰卧身体位置)对应于由此引起的流量信号中的不规则性。如图9所示，从右侧到仰卧身体位置的移动也对应于由此引起的流量信号中的不规则性。参考图10，用户没有移动，但是正在经历低通气，这反映在流量信号中(参见例如“鼻呼吸”信号的“平坦”部分)。因此，根据本公开的一些实施方式，可以分析流量信号以区分与睡眠障碍相关的事件的影响和与身体位置相关的事件的影响。
[0127]
如本文所描述的，有不同的方法来分割流量数据以提取和/或确定用于将特征与
身体位置相关联的特征。在一些实施方式中，可以针对每个确定的身体位置来分析流量数据，如图11、图13、图15、图17所示。附加地或替代地，在一些实施方式中，可以针对每个特定的时间段来分析流量数据，如图12、图14、图16、图18所示。
[0128]
图11至图18中的每一者中的五个图表图示了与图7中图示的那些相同或类似的参数。图11图示了经分析的位置性数据、从流量数据导出的特征，以及与呼吸治疗系统的用户相关联的被每个确定的角度分割的呼吸暂停/低通气数据。图12图示了经分析的位置性数据、从流量数据导出的特征，以及与图11的用户相关联的在15分钟内被分割的呼吸暂停/低通气数据。除了分割方法不同之外，图11至图12中的原始数据是相同的。
[0129]
总体上参考图11至图12，用户大部分停留在右侧(例如，从0分钟至大约108分钟)，然后切换到左侧(例如，从大约108分钟至大约156分钟)。当用户在左侧时存在一些轻微的移动(例如，在大约38分钟处和大约50分钟处)，且当用户在右侧时存在一些轻微的移动(例如，在大约120分钟处)。
[0130]
如图11所示，以时间(以分钟计)作为x轴，以角度(以度数计)作为y轴，绘制用户的间距的图表。以时间(以分钟计)作为x轴，且以每分钟呼吸次数(bpm)作为y轴，绘制用户的对应的呼吸速率的中值和标准偏差的图表。以时间(以分钟计)作为x轴，且以相对值作为y轴，绘制对应的呼吸幅度的中值和标准偏差的图表。以时间(以分钟计)作为x轴，且以呼吸暂停或低通气事件的数量作为y轴，绘制呼吸暂停/低通气事件计数的图表。以时间(以分钟计)作为x轴，且以呼吸暂停或低通气事件的持续时间(以秒计)作为y轴，绘制呼吸暂停/低通气事件的平均持续时间的图表。对于该用户，身体位置的每个变化对应于中值呼吸速率的变化(例如，增加或减少)和中值相对流量幅度的变化(例如，增加或减少)。呼吸速率更不稳定，导致呼吸暂停/低通气事件。当在左侧而不是右侧时，用户经历呼吸暂停/低通气，这也反映在中值相对流量幅度中。
[0131]
如图12所示，虽然原始数据与图11中的原始数据相同，但是因为分割方法不同，所以在图12中没有检测到呼吸暂停/低通气事件。通过每15分钟分割，图12示出了呼吸速率和相对流量幅度在用户从在右侧睡觉改变到左侧之前(例如大约45分钟之前)、期间和之后更加不稳定。此外，当用户停留在左侧时，相对流量幅度增加，这表明用户在左侧身体位置呼吸更沉重。
[0132]
图13图示了经分析的位置性数据、从流量数据导出的特征，以及与呼吸治疗系统的用户相关联的被每个确定的角度分割的呼吸暂停/低通气数据。图14图示了经分析的位置性数据、从流量数据导出的特征，以及与图13的用户相关联的在15分钟内被分割的呼吸暂停/低通气数据。除了分割方法不同之外，图13至图14中的原始数据是相同的。
[0133]
通常参考图13至图14，用户在所示的整个持续时间内在左侧睡觉，但是在大约90度至大约45度之间来回移动。如图13所示，对于该用户，身体位置的每个变化对应于中值呼吸速率的变化(例如，增加或减少)和中值相对流量幅度的变化(例如，增加或减少)。当用户经历呼吸暂停/低通气事件时，呼吸速率更加不稳定。如图14所示，虽然原始数据与图13中的原始数据相同，但是因为分割方法不同，所以图14示出了当用户经历呼吸暂停/低通气事件时呼吸速率更加不稳定，而不是相对流量幅度。
[0134]
图15图示了经分析的位置性数据、从流量数据导出的特征，以及与呼吸治疗系统的用户相关联的被每个确定的角度分割的呼吸暂停/低通气数据。图16图示了经分析的位
置性数据、从流量数据导出的特征，以及与图15的用户相关联的在15分钟内被分割的呼吸暂停/低通气数据。除了分割方法不同之外，图15至图16中的原始数据是相同的。
[0135]
在一些实施方式中，呼吸暂停/低通气事件计数和呼吸暂停/低通气事件的持续时间可以从(i)呼吸速率、(ii)呼吸幅度，或(iii)(i)和(ii)两者中导出，和/或根据(i)呼吸速率、(ii)呼吸幅度，或(iii)(i)和(ii)两者确定。因此，在一些此类实施方式中，仅需要呼吸速率和/或呼吸幅度来与用户的角度相关联，从而识别用户的身体位置。在一些实例中，呼吸速率和呼吸幅度两者都是从气流数据(如流量数据、压力数据或两者)导出和/或根据气流数据确定的。
[0136]
在一些实施方式中，呼吸暂停/低通气事件计数和呼吸暂停/低通气事件的持续时间对于确定用户的身体位置是不必要的(例如，在健康用户中、在特定时间段内未经历呼吸暂停/低通气事件的经治疗的用户中，或者在经历呼吸暂停/低通气事件的用户中)。在一些此类实施方式中，系统(例如，训练的机器学习模型)可以仅用呼吸速率(中值、标准偏差或两者)和/或呼吸幅度(中值、标准偏差或两者)来识别用户的身体位置。
[0137]
在一些实施方式中，呼吸压力治疗水平可以自动地调整以治疗与上气道流动阻力相关联的事件，如呼吸暂停、低通气、吸气流量限制或打鼾，使得阈值水平的变化(低于该阈值水平特定事件发生)可以预测位置性osa。在一些实施方式中，呼吸治疗设备可以检测用户位置的可疑变化，并通过等待预定的时间长度(如5分钟)或动态确定的时间段(如直到已经建立呼吸模式)来响应，并且然后逐渐降低治疗压力以确定阈值压力，低于该阈值压力呼吸相关事件发生。在确定阈值时，治疗模式可以恢复到其正常操作。
[0138]
总体上参考图15至图16，用户停留在左侧(例如，从0分钟至大约60分钟)，然后切换到俯卧身体位置(例如，从大约60分钟至大约90分钟)，否则移动很小。如图15所示，对于该用户，身体位置的变化对应于中值呼吸速率的变化(例如，减小)和中值相对流量幅度的变化(例如，减小)。用户在两个身体位置都经历呼吸暂停/低通气，但是当用户处于俯卧身体位置时，这些事件平均持续更长的时间。
[0139]
如图16所示，虽然原始数据与图15中的原始数据相同，但是因为分割方法不同，图16示出了当用户经历更频繁的呼吸暂停/低通气事件时呼吸速率更不稳定，而当用户经历更频繁的呼吸暂停/低通气事件时相对流量幅度更不稳定。
[0140]
图17图示了经分析的位置性数据、从流量数据导出的特征，以及与呼吸治疗系统的用户相关联的被每个确定的角度分割的呼吸暂停/低通气数据。图18图示了经分析的位置性数据、从流量数据导出的特征，以及与图18的用户相关联的在15分钟内被分割的呼吸暂停/低通气数据。除了分割方法不同之外，图17至图18中的原始数据是相同的。
[0141]
图17至图18中的用户没有佩戴运动传感器(例如，三轴加速度计)，因此图17示出了任何图表中没有变化。然而，因为图18按15分钟分割，所以每个段的中值和标准偏差随呼吸速率和流量幅度而变化。图18还示出了呼吸暂停/低通气事件计数以及随时间变化的平均持续时间。在该实例和其他实例中，可以分析从流量信号提取和/或根据流量信号确定的特征，以识别用户的身体位置和/或身体位置的变化，同时考虑来自呼吸暂停/低通气事件的影响。
[0142]
参考图19，公开了用于在睡眠时段期间识别呼吸治疗系统的用户的身体位置的方法1900的流程图。方法1900的一个或多个步骤可以使用本文描述的系统100(图1至图2)的
任何元件或方面来实施。用于在治疗时识别身体位置的方法1900是有利的，因为基于从用户收集的数据，可以在治疗期间提供主动动作以确保有效和舒适的治疗设置。此外，不需要笨重的外部设备(例如汗衫缓冲器、胸带)来提供位置性治疗。
[0143]
在步骤1910，接收在睡眠时段期间与呼吸治疗系统的用户相关联的气流数据(例如，流量数据、压力数据或两者)。在步骤1920，确定与气流数据相关联的一个或多个特征。在一些实施方式中，从原始流量信号(或流量信号)导出和/或根据原始流量信号(或流量信号)计算一个或多个特征。在一些实施方式中，在步骤1920确定的一个或多个特征包括呼吸速率、呼吸速率的变化、流量信号的幅度(“呼吸幅度”)、流量信号的幅度的变化(“呼吸幅度的变化”)、呼吸暂停事件的数量、低通气事件的数量、呼吸暂停事件的持续时间、低通气事件的持续时间、或它们的任何组合。在一些此类实施方式中，所确定的一个或多个特征是从气流数据导出的。在一些此类实施方式中，该气流数据是根据流量信号确定的流量数据。
[0144]
例如，在一些实施方式中，所确定的一个或多个特征包括呼吸速率、流量信号的幅度或两者。在一些此类实施方式中，所确定的一个或多个特征还包括呼吸暂停或低通气事件的数量、呼吸暂停或低通气事件的持续时间或两者。
[0145]
作为另一实例，在一些实施方式中，所确定的一个或多个特征包括呼吸速率、呼吸速率的变化或两者。在一些实施方式中，所确定的一个或多个特征包括流量信号的幅度、流量信号的幅度的变化或两者。因此，在一些实施方式中，所确定的一个或多个特征包括呼吸速率和流量信号的幅度。在一些实施方式中，所确定的一个或多个特征包括呼吸速率和流量信号的幅度的变化。在一些实施方式中，所确定的一个或多个特征包括呼吸速率的变化和流量信号的幅度。在一些实施方式中，所确定的一个或多个特征包括呼吸速率的变化和流量信号的幅度的变化。在一些实施方式中，所确定的一个或多个特征包括或还包括呼吸暂停或低通气事件的数量、呼吸暂停或低通气事件的持续时间或两者。因此，在一些实施方式中，所确定的一个或多个特征包括呼吸速率、呼吸暂停或低通气事件的数量或两者。在一些实施方式中，所确定的一个或多个特征包括呼吸速率、呼吸暂停或低通气事件的持续时间或两者。在一些实施方式中，所确定的一个或多个特征包括流量信号的幅度、呼吸暂停或低通气事件的数量或两者。在一些实施方式中，所确定的一个或多个特征包括流量信号的幅度、呼吸暂停或低通气事件的持续时间或两者。在一些实施方式中，所确定的一个或多个特征包括呼吸速率的变化、呼吸暂停或低通气事件的数量或两者。在一些实施方式中，所确定的一个或多个特征包括呼吸速率的变化、呼吸暂停或低通气事件的持续时间或两者。在一些实施方式中，所确定的一个或多个特征包括流量信号的幅度的变化、呼吸暂停或低通气事件的数量或两者。在一些实施方式中，所确定的一个或多个特征包括流量信号的幅度的变化、呼吸暂停或低通气事件的持续时间或两者。
[0146]
在一些实施方式中，在步骤1912，处理在步骤1910接收的睡眠时段的第一部分的气流数据，以确定与睡眠时段的第一部分的呼吸治疗系统的用户相关联的一个或多个特征。在一些实例中，睡眠时段的第一部分是两秒、三秒、四秒、五秒、六秒、七秒、八秒、九秒、十秒或更长。在一些实例中，睡眠时段的第一部分对应于呼吸次数，如一次呼吸、两次呼吸、三次呼吸、四次呼吸或五次呼吸。
[0147]
在一些实施方式中，在步骤1920确定的一个或多个特征包括睡眠时段的第一部分的中值呼吸速率、睡眠时段的第一部分的呼吸速率的标准偏差、睡眠时段的第一部分的流
量信号的中值幅度、睡眠时段的第一部分的流量信号的幅度的标准偏差、睡眠时段的第一部分的平均治疗压力、或它们的任何组合。
[0148]
例如，在一些实施方式中，所确定的一个或多个特征包括或还包括睡眠时段的第一部分的中值呼吸速率、睡眠时段的第一部分的呼吸速率的标准偏差或两者。在一些此类实施方式中，所确定的一个或多个特征可以还包括(i)睡眠时段的第一部分的流量信号的中值幅度、(ii)睡眠时段的第一部分的流量信号的幅度的标准偏差，或(iii)(i)和(ii)两者。
[0149]
作为另一实例，在一些实施方式中，所确定的一个或多个特征包括或还包括睡眠时段的第一部分的中值呼吸速率、睡眠时段的第一部分的流量信号的中值幅度或两者。在一些此类实施方式中，所确定的一个或多个特征还可以包括睡眠时段的第一部分的流量信号的幅度的标准偏差。
[0150]
作为另一实例，在一些实施方式中，所确定的一个或多个特征包括或还包括睡眠时段的第一部分的中值呼吸速率、睡眠时段的第一部分的流量信号的幅度的标准偏差或两者。在一些实施方式中，所确定的一个或多个特征包括或还包括睡眠时段的第一部分的呼吸速率的标准偏差、睡眠时段的第一部分的流量信号的中值幅度或两者。在一些实施方式中，所确定的一个或多个特征包括或还包括睡眠时段的第一部分的呼吸速率的标准偏差、睡眠时段的第一部分的流量信号的幅度的标准偏差或两者。在一些实施方式中，所确定的一个或多个特征包括或还包括睡眠时段的第一部分的流量信号的中值幅度、睡眠时段的第一部分的流量信号的幅度的标准偏差或两者。
[0151]
在一些实施方式中，在步骤1930，将在步骤1920确定的一个或多个特征与和多个历史身体位置相关联的多个历史特征进行比较。可以从与(i)呼吸治疗系统的用户、(ii)一个或多个其他呼吸治疗系统的一个或多个其他用户，或(iii)(i)和(ii)两者相关联的存储数据(例如，训练数据、客观地和/或主观地收集的数据等)获得该多个历史特征和多个历史身体位置。
[0152]
在一些实施方式中，在步骤1930的多个历史特征与在步骤1920确定的用于比较目的的一个或多个特征相同，尽管它们可以由相同或不同的传感器来测量。例如，在步骤1930的多个历史特征可以从由家庭睡眠测试测量的数据导出，而在步骤1920确定的一个或多个特征可以从由pap系统测量的数据导出。
[0153]
通过1932、1934、1936和1938中的一个或多个步骤将多个历史特征与多个历史身体位置相关联。在步骤1932，接收与多个历史睡眠时段(例如，至少5个、至少10个、至少50个、至少100个、至少500个、至少1000个等)相关联的历史气流数据(例如，历史流量数据、历史压力数据或两者)。在步骤1934，处理在步骤1932接收的历史气流数据以提取多个历史特征。在步骤1936，将多个历史身体位置中的一个历史身体位置与在步骤1934提取的多个历史特征中的一个或多个历史特征相关联。
[0154]
附加地或替代地，在一些实施方式中，在步骤1938，分析与多个历史睡眠时段相关联的历史位置性数据，以识别多个历史睡眠时段的一个或多个历史身体位置。从接触运动传感器、非接触运动传感器或两者接收历史位置性数据。接触运动传感器可以包括加速度计(例如，两轴加速度计、三轴加速度计)、陀螺仪、磁力计、或它们的任何组合。非接触运动传感器可以包括相机、移动设备、声纳传感器、radar传感器、lidar传感器、倾斜传感器、定
向传感器、或它们的任何组合。
[0155]
在一些实施方式中，历史位置性数据包括加速度计数据。因此，在步骤1938分析的历史位置性数据可以包括处理加速度计数据以确定角度(例如，如图6至图18所示)。所确定的角度可以与相对于用户的预定身体位置的度数相关联。在一些此类实施方式中，该预定身体位置是仰卧身体位置。在一些实例中，为正值的角度与右侧身体位置相关联，为负值的角度与左侧身体位置相关联，为零的角度与仰卧身体位置相关联，并且为+180(或约+180)度数或-180(或约-180)度数的角度与俯卧身体位置相关联。
[0156]
在步骤1940，至少部分地基于在步骤1920确定的一个或多个特征，识别在睡眠时段的第一部分期间用户的身体位置。在一些实施方式中，建立了身体位置与睡眠障碍性呼吸的严重性之间的关系的存在和/或量级。在一些实施方式中，识别用户的身体位置包括将所确定的一个或多个特征与和用户相关联的角度相关联。例如，在一些此类实施方式中，该角度与相对于用户的仰卧身体位置的度数相关联。即，在该实例中，将所确定的一个或多个特征与该角度相关联不需要参考历史数据(例如，如步骤1932至1938中所示的历史数据)。在一些此类实施方式中，这些特征被馈送到训练的机器学习模型中。历史数据可用于训练机器学习模型，但不再必须在气流数据特征与角度的分类和/或相关性中起作用。
[0157]
在一些实施方式中，身体位置可以被估计为根据其属于两个类别中的一者而被分类的任何数量的位置，其中第一类别包括与任何其他位置组相比增加睡眠障碍性呼吸的可能性的任何位置，使得任何其他位置将因此落入第二类别中，第二类别被定义为用户经历睡眠障碍性呼吸的可能性小于第一类别的可能性的任何位置。在估计多于两种不同可能性的情况下，分类模型可以被扩展以结合更多数量的类别。在一些实施方式中，分类模型可以限制到两个类别，这两个类别被用于估计用户经历睡眠障碍性呼吸的可能性的阈值分开。在一些实施方式中，落入分类系统的位置可以包括任何身体位置，包括各种身体部分(例如，头部和躯干)的定向的所有排列。因此，在一些实施方式中，不必确定用户的实际位置，而是通过确定变化的位置是否影响睡眠障碍性呼吸的可能性和/或影响到什么程度来提取有用的信息。
[0158]
在一些实施方式中，至少部分地基于在步骤1930的比较来识别在步骤1940的身体位置。如本文所述，呼吸治疗系统的用户的身体位置可以包括：大体上仰卧、大体上左侧、大体上右侧、或大体上俯卧。附加地或替代地，呼吸治疗系统的用户的身体位置可以是相对于仰卧的度数。进一步附加地或替代地，呼吸治疗系统的用户的身体位置相对于地面大体为水平或相对于地面偏离水平一定度数。
[0159]
在一些实施方式中，在步骤1950，至少部分地基于(i)在步骤1920确定的一个或多个特征、(ii)在步骤1940识别的睡眠时段的第一部分的用户的身体位置，或(iii)(i)和(ii)两者来确定呼吸治疗系统的用户的身体位置的变化。例如，在一些实施方式中，至少部分地基于在步骤1920确定的一个或多个特征，识别紧接在睡眠时段的第一部分之后的睡眠时段的第二部分的呼吸治疗系统的用户的身体位置。在该实例中，在步骤1950，至少部分地基于比较睡眠时段的第一部分的用户的身体位置和睡眠时段的第二部分的用户的身体位置来确定用户的身体位置的变化。
[0160]
附加地或替代地，在一些实施方式中，至少部分地基于在步骤1920确定的一个或多个特征，识别睡眠时段的第三部分的呼吸治疗系统的用户的身体位置，该第三部分没有
紧接在睡眠时段的第一部分之后。在一些此类实施方式中，在睡眠时段的第一部分与第三部分之间可以存在一个或多个居间部分，如本文中所描述的睡眠时段的第二部分。在一些此类实施方式中，在睡眠时段的第一部分和第三部分之间可以存在一个或多个居间身体位置或身体位置的变化。
[0161]
附加地或替代地，在一些实施方式中，在步骤1950，至少部分地基于在步骤1920确定的一个或多个特征的值的变化来确定呼吸治疗系统的用户的身体位置的变化。例如，可以将在步骤1920确定的一个或多个特征的值的变化与那些一个或多个特征的阈值进行比较。
[0162]
至少部分地基于在步骤1940识别的用户的身体位置，使得执行动作。在一些实施方式中，使得在(i)睡眠时段的第一部分、(ii)睡眠时段的后续部分(例如，睡眠时段的第二部分和/或第三部分)或(ii)后续(例如，下一个)睡眠时段期间执行动作。例如，在一些实施方式中，在步骤1952，至少部分地基于在步骤1940识别的用户的身体位置来修改呼吸治疗系统的一个或多个参数，如在睡眠时段的第一部分和/或任何附加部分期间。呼吸治疗系统的一个或多个参数可以包括马达速度、压力或两者。
[0163]
在一些实施方式中，在步骤1954，至少部分地基于在步骤1940识别的用户的身体位置来生成警报、通知或指令，并且可以经由例如外部设备170将警报、通知或指令传达给用户。附加地或替代地，在一些实施方式中，在步骤1956，在睡眠时段的另一部分(例如，后续部分或未来部分)或另一睡眠时段(例如，后续睡眠时段或未来睡眠时段)中向呼吸治疗系统的用户传达推荐的身体位置，以帮助(i)降低ahi、(ii)改善治疗、(iii)改善睡眠质量，或(iv)其任何组合。
[0164]
在一些实施方式中，在步骤1958，使得呼吸治疗系统的用户至少部分地基于在步骤1940识别的用户的身体位置和/或呼吸事件(例如呼吸暂停或低通气)的检测来改变身体位置。在一些实例中，可调整智能枕头，使得智能枕头促使用户改变用户头部的位置。在一些实例中，可调整智能床或智能床垫使得智能床或智能床垫促使用户改变用户身体的位置。
[0165]
附加地或替代地，在一些实施方式中，该动作包括生成将所识别的用户的身体位置与(i)用户的睡眠质量、(ii)用户的治疗功效，或(iii)(i)和(ii)两者相关联的报告。例如，用户的身体位置可以与用户处于该身体位置的睡眠时段(和/或治疗时段)的部分的睡眠质量和/或治疗功效相关。如本文所述，睡眠质量可以表示为睡眠评分，并且治疗功效可以表示为治疗评分，并且可以与睡眠和/或治疗时段或其部分期间的用户位置相关。
[0166]
通常，方法1900可以使用具有控制系统的系统来实施，该控制系统具有一个或多个处理器和存储机器可读指令的存储器。该控制系统可联接至存储器；当机器可读指令由控制系统的处理器中的至少一个执行时，可以实施方法1900。方法1900还可以使用包括指令的计算机程序产品(如非暂时性计算机可读介质)来实施，该指令在由计算机执行时使得计算机执行方法1900的步骤。
[0167]
虽然本文已经参考单个用户描述了系统100和方法1900，但是更通常，系统100和方法1900可以与多个用户同时使用(例如，2个用户、5个用户、10个用户、20个用户等)。例如，系统100和方法1900可以用在云监测设置中。
[0168]
附加地或替代地，在一些实施方式中，系统100和/或方法1900可用于在使用一个
或多个呼吸治疗系统(例如，本文描述的呼吸治疗系统)时监测一个或多个患者。例如，在一些此类实施方式中，可以将与移动事件相关联的通知和/或与一个或多个患者相关联的身体位置发送到监测设备或人员。可以使用方法1900的一个或多个步骤来确定移动事件和/或身体位置。附加地或替代地，在一些实施方式中，简单地记录移动事件和/或身体位置。
[0169]
来自以下权利要求1-153中任意项中的一者或多者的一个或多个元素或方面或步骤或其任何部分，可以与来自其他权利要求1-153中任意项中的一者或多者的一个或多个元素或方面或步骤或其任何部分组合，以形成本公开的一个或多个附加实施方式和/或权利要求。
[0170]
虽然已经参考一个或多个特定实施例或实施方式描述了本公开，但是本领域技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以对其进行许多改变。这些实施方式及其明显的变化中的每一者被认为落入本公开的精神和范围内。还可以设想，根据本公开的各方面的附加实施方式可以组合来自本文所述的任何实施方式的任何数量的特征。

技术特征：
1.一种用于识别呼吸治疗系统的用户的身体位置的系统，所述系统包括：传感器，所述传感器被配置来生成与所述用户相关联的气流数据；存储器，所述存储器存储机器可读指令；以及控制系统，所述控制系统包括一个或多个处理器，所述一个或多个处理器被配置来执行所述机器可读指令以：在睡眠时段期间接收与所述用户相关联的气流数据；确定与所述气流数据相关联的一个或多个特征；至少部分地基于所确定的一个或多个特征，在所述睡眠时段的第一部分期间识别所述用户的身体位置；以及至少部分地基于所识别的所述用户的身体位置，使动作被执行。2.根据权利要求1所述的系统，还包括电子设备，其中所述存储器和所述控制系统联接至所述电子设备。3.根据权利要求1或2所述的系统，其中所述气流数据包括流量数据、压力数据、或两者。4.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括呼吸速率、呼吸速率的变化、流量信号的幅度、所述流量信号的幅度的变化、呼吸暂停事件的数量、低通气事件的数量、呼吸暂停事件的持续时间、低通气事件的持续时间、或它们的任何组合。5.根据权利要求1至4中任一项所述的系统，其中所述气流数据是根据流量信号确定的流量数据。6.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括呼吸速率、流量信号的幅度、或两者。7.根据权利要求6所述的系统，其中所确定的一个或多个特征还包括呼吸暂停或低通气事件的数量。8.根据权利要求6或7所述的系统，其中所确定的一个或多个特征还包括呼吸暂停或低通气事件的持续时间。9.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括呼吸速率、呼吸速率的变化、或两者。10.根据权利要求1、2、3或9中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的幅度、所述流量信号的幅度的变化、或两者。11.根据权利要求1、2、3、9或10中任一项所述的系统，其中所确定的一个或多个特征包括呼吸暂停或低通气事件的数量、呼吸暂停或低通气事件的持续时间、或两者。12.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括呼吸速率、呼吸暂停或低通气事件的数量、或两者。13.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括呼吸速率、呼吸暂停或低通气事件的持续时间、或两者。14.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的幅度、呼吸暂停或低通气事件的数量、或两者。15.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量
信号的幅度、呼吸暂停或低通气事件的持续时间、或两者。16.根据权利要求1至15中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的脉冲性的变化、所述流量信号的频谱成分、所述流量信号的随机性、或它们的任何组合。17.根据权利要求1至16中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的频率成分。18.根据权利要求17所述的系统，其中，以下情况指示移动事件和/或身体位置的变化：(i)在呼吸速率的基本频率处或所述呼吸速率的基本频率附近的所述流量信号的频率成分的相对减少，(ii)在高于所述呼吸速率的基本频率的频率处的所述流量信号的频率成分的相对增加，或(iii)(i)和(ii)两者。19.根据权利要求18所述的系统，其中，以下情况指示移动事件和/或身体位置的变化：(i)在高于所述呼吸速率的基本频率的频率处的所述流量信号的幅度的增加，(ii)在高于所述呼吸速率的基本频率的频率处的流量信号的脉冲性的增加，或(iii)(i)和(ii)两者。20.根据权利要求18或19所述的系统，其中所述呼吸速率的基本频率为每分钟6至30次呼吸。21.根据权利要求16所述的系统，其中，以下情况指示移动事件和/或身体位置的变化：(i)所述流量信号的幅度的增加，(ii)流量信号的脉冲性的增加，或(iii)(i)和(ii)两者。22.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的幅度，其中所述控制系统还被配置成将人呼吸的基本频率范围中的流量信号的幅度与在高于所述人呼吸的基本频率的频率范围处的流量信号的幅度进行比较，并且其中所述用户的所述身体位置至少部分地基于所述比较来识别。23.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的峰度、所述流量信号的谱熵、所述流量信号的方差、所述流量信号的包络的方差、所述流量信号的均方根、所述流量信号的均方根的方差、或它们的任何组合。24.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的峰度、所述流量信号的谱熵、或两者。25.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的峰度、所述流量信号的方差、或两者。26.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的谱熵、所述流量信号的方差、或两者。27.根据权利要求25或26所述的系统，其中所确定的一个或多个特征还包括所述流量信号的包络的方差、所述流量信号的均方根、或两者。28.根据权利要求25或26所述的系统，其中所确定的一个或多个特征还包括所述流量信号的包络的方差、所述流量信号的均方根的方差、或两者。29.根据权利要求1至3中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的峰度、所述流量信号的谱熵、所述流量信号的方差、所述流量信号的包络的方差、所述流量信号的均方根、以及所述流量信号的均方根的方差。30.根据权利要求1至29中任一项所述的系统，其中处理所接收的所述睡眠时段的所述第一部分的气流数据，以确定与所述睡眠时段的所述第一部分的所述呼吸治疗系统的所述
用户相关联的所述一个或多个特征。31.根据权利要求1至30中任一项所述的系统，其中所述睡眠时段的所述第一部分是两秒、三秒、四秒、五秒、六秒、七秒、八秒、九秒、或十秒。32.根据权利要求1至31中任一项所述的系统，其中所述睡眠时段的所述第一部分对应于呼吸次数。33.根据权利要求32所述的系统，其中所述呼吸次数是一次呼吸、两次呼吸、三次呼吸、四次呼吸、或五次呼吸。34.根据权利要求1至33中任一项所述的系统，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的呼吸速率的标准偏差、所述睡眠时段的所述第一部分的流量信号的中值幅度、所述睡眠时段的所述第一部分的所述流量信号的幅度的标准偏差、或它们的任何组合。35.根据权利要求1至33中任一项所述的系统，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的呼吸速率的标准偏差、或两者。36.根据权利要求35所述的系统，其中所确定的一个或多个特征还包括所述睡眠时段的所述第一部分的流量信号的中值幅度。37.根据权利要求35或36所述的系统，其中所确定的一个或多个特征还包括所述睡眠时段的所述第一部分的流量信号的幅度的标准偏差。38.根据权利要求1至33中任一项所述的系统，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的流量信号的中值幅度、或两者。39.根据权利要求38所述的系统，其中所确定的一个或多个特征还包括所述睡眠时段的所述第一部分的所述流量信号的幅度的标准偏差。40.根据权利要求1至33中任一项所述的系统，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的流量信号的幅度的标准偏差、或两者。41.根据权利要求1至33中任一项所述的系统，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的呼吸速率的标准偏差、所述睡眠时段的所述第一部分的流量信号的中值幅度、或两者。42.根据权利要求1至33中任一项所述的系统，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的呼吸速率的标准偏差、所述睡眠时段的所述第一部分的流量信号的幅度的标准偏差、或两者。43.根据权利要求1至33中任一项所述的系统，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的流量信号的中值幅度、所述睡眠时段的所述第一部分的所述流量信号的幅度的标准偏差、或两者。44.根据权利要求1至40中任一项所述的系统，其中识别所述呼吸治疗系统的所述用户的身体位置包括将所确定的一个或多个特征与和多个对应的历史身体位置相关联的多个历史特征进行比较。45.根据权利要求44所述的系统，其中所述多个历史特征和所述多个对应的历史身体
位置从与(i)所述呼吸治疗系统的所述用户、(ii)一个或多个其他呼吸治疗系统的一个或多个其他用户，或(iii)(i)和(ii)两者相关联的存储数据中获得。46.根据权利要求44或45所述的系统，其中所述多个历史特征通过以下步骤与所述多个对应的历史身体位置相关联：接收与多个历史睡眠时段相关联的历史气流数据；处理所接收的历史气流数据以提取多个历史特征；以及将所述多个历史身体位置中的历史身体位置与所述多个历史特征中的一个或多个历史特征相关联。47.根据权利要求46所述的系统，其中所述历史身体位置是通过以下步骤确定：接收与所述多个历史睡眠时段相关联的历史位置性数据；以及分析所接收的历史位置性数据以识别所述多个历史睡眠时段的一个或多个历史身体位置。48.根据权利要求47所述的系统，其中所述历史位置性数据从接触运动传感器、非接触运动传感器、或两者接收。49.根据权利要求48所述的系统，其中所述接触运动传感器包括加速度计、陀螺仪、磁力计、或它们的任何组合。50.根据权利要求48或49所述的系统，其中所述非接触运动传感器包括相机、声纳传感器、radar传感器、倾斜传感器、定向传感器、或它们的任何组合。51.根据权利要求47至50中任一项所述的系统，其中所接收的历史位置性数据包括加速度计数据，并且其中分析所接收的历史位置性数据包括处理所述加速度计数据以确定所述用户的身体相对于参考位置的角度。52.根据权利要求51所述的系统，其中所述角度与相对于仰卧身体位置的度数相关联。53.根据权利要求52所述的系统，其中为正值的所述角度与右侧身体位置相关联，并且其中为负值的所述角度与左侧身体位置相关联。54.根据权利要求52或53所述的系统，其中为零的所述角度与所述仰卧身体位置相关联。55.根据权利要求53至54中任一项所述的系统，其中为+180度数或-180度数的所述角度与俯卧身体位置相关联。56.根据权利要求1至55中任一项所述的系统，其中所述控制系统还被配置成至少部分地基于(i)所确定的一个或多个特征、(ii)所识别的所述睡眠时段的所述第一部分的所述用户的身体位置，或(iii)(i)和(ii)两者，来确定所述呼吸治疗系统的所述用户的身体位置的变化。57.根据权利要求56所述的系统，其中所述控制系统还被配置成至少部分地基于所确定的一个或多个特征来识别紧跟在所述睡眠时段的所述第一部分之后的所述睡眠时段的第二部分的所述呼吸治疗系统的所述用户的身体位置，其中所述用户的身体位置的变化至少部分地基于所述睡眠时段的所述第一部分的所述用户的身体位置和所述睡眠时段的所述第二部分的所述用户的身体位置两者来确定。58.根据权利要求56或57所述的系统，其中所确定的所述呼吸治疗系统的所述用户的身体位置的变化与所确定的一个或多个特征的值的变化相关联。
59.根据权利要求58所述的系统，其中确定所述呼吸治疗系统的所述用户的身体位置的变化包括将所确定的一个或多个特征的值的所述变化与所确定的一个或多个特征的阈值进行比较。60.根据权利要求1至59中任一项所述的系统，其中使所述动作在以下期间被执行：(i)所述睡眠时段的第一部分、(ii)所述睡眠时段的后续部分、或(iii)后续睡眠时段。61.根据权利要求1至60中任一项所述的系统，其中所述动作包括在所述睡眠时段的所述第一部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来修改所述呼吸治疗系统的一个或多个参数。62.根据权利要求60或61所述的系统，其中所述动作包括在所述睡眠时段的所述后续部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来修改所述呼吸治疗系统的一个或多个参数。63.根据权利要求61或62所述的系统，其中所述呼吸治疗系统的所述一个或多个参数包括马达速度、压力、流量、或它们的任何组合。64.根据权利要求1至63中任一项所述的系统，其中所述动作包括在所述睡眠时段的所述第一部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来生成警报、通知、或指令。65.根据权利要求60至64中任一项所述的系统，其中所述动作包括在所述睡眠时段的所述后续部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来生成警报、通知、或指令。66.根据权利要求64或65所述的系统，其中所述动作包括使得在所述睡眠时段的另一部分或另一睡眠时段中向所述呼吸治疗系统的所述用户传达推荐的身体位置，以帮助(i)降低ahi、(ii)改善治疗、(iii)改善睡眠质量、或(iv)它们的任何组合。67.根据权利要求1至66中任一项所述的系统，其中所述动作包括使得所述呼吸治疗系统的所述用户在所述睡眠时段的所述第一部分期间至少部分地基于所识别的所述用户的身体位置来改变身体位置。68.根据权利要求60至67中任一项所述的系统，其中所述动作包括使得所述呼吸治疗系统的所述用户在所述睡眠时段的所述后续部分期间至少部分地基于所识别的所述用户的身体位置来改变身体位置。69.根据权利要求67或68所述的系统，其中使得所述呼吸治疗系统的所述用户改变身体位置包括：(i)调整智能枕头，使得所述智能枕头促使所述用户改变所述用户的头部的位置、(ii)调整智能床或智能床垫，使得所述智能床或所述智能床垫促使所述用户改变所述用户的身体的位置、或(iii)(i)和(ii)两者。70.根据权利要求1至69中任一项所述的系统，其中所述动作包括生成报告，所述报告将所识别的所述用户的身体位置与(i)所述用户的睡眠质量、(ii)所述用户的治疗功效、或(iii)(i)和(ii)两者相关联。71.根据权利要求1至70中任一项所述的系统，其中识别所述用户的身体位置包括将所确定的一个或多个特征与和所述用户相关联的角度相关联。72.根据权利要求71所述的系统，其中所述角度与相对于所述用户的预定身体位置的度数相关联。
73.根据权利要求1至72中任一项所述的系统，其中所述呼吸治疗系统的所述用户的身体位置为大体上仰卧、大体上左侧、大体上右侧、或大体上俯卧。74.根据权利要求1至73中任一项所述的系统，其中所述呼吸治疗系统的所述用户的身体位置相对于地面大体为水平或相对于地面偏离水平一定度数。75.一种用于识别呼吸治疗系统的用户的移动事件的系统，所述系统包括：传感器，所述传感器被配置来生成与所述用户相关联的气流数据；存储器，所述存储器存储机器可读指令；以及控制系统，所述控制系统包括一个或多个处理器，所述一个或多个处理器被配置来执行所述机器可读指令以：在睡眠时段期间接收与所述用户相关联的所述气流数据；确定与所述气流数据相关联的一个或多个特征；至少部分地基于所确定的一个或多个特征，在所述睡眠时段的第一部分期间识别所述用户的移动事件；以及至少部分地基于所识别的所述用户的移动事件，使动作被执行。76.根据权利要求75所述的系统，其中所述控制系统还被配置成至少部分地基于(i)所确定的一个或多个特征、(ii)所识别的所述用户的移动事件，或(iii)(i)和(ii)两者，来确定所述用户的身体位置。77.根据权利要求75或76中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的脉冲性的变化、所述流量信号的频谱成分、所述流量信号的随机性、或它们的任何组合。78.根据权利要求75至77中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的频率成分。79.根据权利要求78所述的系统，其中，以下情况指示移动事件和/或身体位置的变化：(i)在呼吸速率的基本频率处或所述呼吸速率的基本频率附近的所述流量信号的频率成分的相对减少，(ii)在高于所述呼吸速率的基本频率的频率处的所述流量信号的频率成分的相对增加，或(iii)(i)和(ii)两者。80.根据权利要求79所述的系统，其中，以下情况指示移动事件和/或身体位置的变化：(i)在高于所述呼吸速率的基本频率的频率处的所述流量信号的幅度的增加，(ii)在高于所述呼吸速率的基本频率的频率处的流量信号的脉冲性的增加，或(iii)(i)和(ii)两者。81.根据权利要求79或80所述的系统，其中所述呼吸速率的基本频率为每分钟6至30次呼吸。82.根据权利要求75至81中任一项所述的系统，其中，以下情况指示移动事件和/或身体位置的变化：(i)流量信号的幅度的增加，(ii)所述流量信号的脉冲性的增加，或(iii)(i)和(ii)两者。83.根据权利要求75至82中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的幅度，其中所述控制系统还被配置成将人呼吸的基本频率范围中的所述流量信号的幅度与在高于所述人呼吸的基本频率的频率范围处的所述流量信号的幅度进行比较，并且其中所述用户的所述移动事件至少部分地基于所述比较来识别。84.根据权利要求75至83中任一项所述的系统，其中所确定的一个或多个特征包括流
量信号的峰度、所述流量信号的谱熵、所述流量信号的方差、所述流量信号的包络的方差、所述流量信号的均方根、所述流量信号的均方根的方差、或它们的任何组合。85.根据权利要求75至83中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的峰度、所述流量信号的谱熵、或两者。86.根据权利要求75至83中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的峰度、所述流量信号的方差、或两者。87.根据权利要求75至83中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的谱熵、所述流量信号的方差、或两者。88.根据权利要求86或87所述的系统，其中所确定的一个或多个特征还包括所述流量信号的包络的方差、所述流量信号的均方根、或两者。89.根据权利要求86或87所述的系统，其中所确定的一个或多个特征还包括所述流量信号的包络的方差、所述流量信号的均方根的方差、或两者。90.根据权利要求75至83中任一项所述的系统，其中所确定的一个或多个特征包括流量信号的峰度、所述流量信号的谱熵、所述流量信号的方差、所述流量信号的包络的方差、所述流量信号的均方根、以及所述流量信号的均方根的方差。91.一种用于在睡眠时段期间识别呼吸治疗系统的用户的身体位置的方法，所述方法包括：在所述睡眠时段期间接收与所述呼吸治疗系统的所述用户相关联的气流数据；确定与所述气流数据相关联的一个或多个特征；至少部分地基于所确定的一个或多个特征，在所述睡眠时段的第一部分期间识别所述用户的身体位置；以及至少部分地基于所识别的所述用户的身体位置，使动作被执行。92.根据权利要求91所述的方法，其中所述气流数据包括流量数据、压力数据、或两者。93.根据权利要求91或92所述的方法，其中所确定的一个或多个特征包括呼吸速率、呼吸速率的变化、流量信号的幅度、所述流量信号的幅度的变化、呼吸暂停事件的数量、低通气事件的数量、呼吸暂停事件的持续时间、低通气事件的持续时间、或它们的任何组合。94.根据权利要求91至93中任一项所述的方法，其中所述气流数据是根据流量信号确定的流量数据。95.根据权利要求91或92所述的方法，其中所确定的一个或多个特征包括呼吸速率、流量信号的幅度、或两者。96.根据权利要求95所述的方法，其中所确定的一个或多个特征还包括呼吸暂停或低通气事件的数量。97.根据权利要求95或96所述的方法，其中所确定的一个或多个特征还包括呼吸暂停或低通气事件的持续时间。98.根据权利要求91或92所述的方法，其中所确定的一个或多个特征包括呼吸速率、呼吸速率的变化、或两者。99.根据权利要求91、92或98中任一项所述的方法，其中所确定的一个或多个特征包括流量信号的幅度、所述流量信号的幅度的变化、或两者。100.根据权利要求91、92、98或99中任一项所述的方法，其中所确定的一个或多个特征
包括呼吸暂停或低通气事件的数量、呼吸暂停或低通气事件的持续时间、或两者。101.根据权利要求91或92所述的方法，其中所确定的一个或多个特征包括呼吸速率、呼吸暂停或低通气事件的数量、或两者。102.根据权利要求91或92所述的方法，其中所确定的一个或多个特征包括呼吸速率、呼吸暂停或低通气事件的持续时间、或两者。103.根据权利要求91或92所述的方法，其中所确定的一个或多个特征包括流量信号的幅度、呼吸暂停或低通气事件的数量、或两者。104.根据权利要求91或92所述的方法，其中所确定的一个或多个特征包括流量信号的幅度、呼吸暂停或低通气事件的持续时间、或两者。105.根据权利要求91至104中任一项所述的方法，其中处理所接收的所述睡眠时段的所述第一部分的气流数据，以确定与所述睡眠时段的所述第一部分的所述呼吸治疗系统的所述用户相关联的所述一个或多个特征。106.根据权利要求91至105中任一项所述的方法，其中所述睡眠时段的所述第一部分是两秒、三秒、四秒、五秒、六秒、七秒、八秒、九秒、或十秒。107.根据权利要求91至106中任一项所述的方法，其中所述睡眠时段的所述第一部分对应于呼吸次数。108.根据权利要求107所述的方法，其中所述呼吸次数是一次呼吸、两次呼吸、三次呼吸、四次呼吸、或五次呼吸。109.根据权利要求91至108中任一项所述的方法，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的呼吸速率的标准偏差、所述睡眠时段的所述第一部分的流量信号的中值幅度、所述睡眠时段的所述第一部分的所述流量信号的幅度的标准偏差、或它们的任何组合。110.根据权利要求91至108中任一项所述的方法，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的呼吸速率的标准偏差、或两者。111.根据权利要求110所述的方法，其中所确定的一个或多个特征还包括所述睡眠时段的所述第一部分的流量信号的中值幅度。112.根据权利要求110或111所述的方法，其中所确定的一个或多个特征还包括所述睡眠时段的所述第一部分的流量信号的幅度的标准偏差。113.根据权利要求91至108中任一项所述的方法，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的流量信号的中值幅度、或两者。114.根据权利要求113所述的方法，其中所确定的一个或多个特征还包括所述睡眠时段的所述第一部分的所述流量信号的幅度的标准偏差。115.根据权利要求91至108中任一项所述的方法，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的中值呼吸速率、所述睡眠时段的所述第一部分的流量信号的幅度的标准偏差、或两者。116.根据权利要求91至108中任一项所述的方法，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的呼吸速率的标准偏差、所述睡眠时段的所述第一部分的流
量信号的中值幅度、或两者。117.根据权利要求91至108中任一项所述的方法，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的呼吸速率的标准偏差、所述睡眠时段的所述第一部分的流量信号的幅度的标准偏差、或两者。118.根据权利要求91至108中任一项所述的方法，其中所确定的一个或多个特征包括所述睡眠时段的所述第一部分的流量信号的中值幅度、所述睡眠时段的所述第一部分的所述流量信号的幅度的标准偏差、或两者。119.根据权利要求91至115中任一项所述的方法，其中识别所述呼吸治疗系统的所述用户的身体位置包括将所确定的一个或多个特征与和多个对应的历史身体位置相关联的多个历史特征进行比较。120.根据权利要求119所述的方法，其中所述多个历史特征和所述多个对应的历史身体位置从与(i)所述呼吸治疗系统的所述用户、(ii)一个或多个其他呼吸治疗系统的一个或多个其他用户，或(iii)(i)和(ii)两者相关联的存储数据中获得。121.根据权利要求119或120所述的方法，其中所述多个历史特征通过以下步骤与所述多个对应的历史身体位置相关联：接收与多个历史睡眠时段相关联的历史气流数据；处理所接收的历史气流数据以提取多个历史特征；以及将所述多个历史身体位置中的历史身体位置与所述多个历史特征中的一个或多个历史特征相关联。122.根据权利要求121所述的方法，其中所述历史身体位置通过以下步骤确定：接收与所述多个历史睡眠时段相关联的历史位置性数据；以及分析所接收的历史位置性数据以识别所述多个历史睡眠时段的一个或多个历史身体位置。123.根据权利要求122所述的方法，其中所述历史位置性数据从接触运动传感器、非接触运动传感器、或两者接收。124.根据权利要求123所述的方法，其中所述接触运动传感器包括加速度计、陀螺仪、磁力计、或它们的任何组合。125.根据权利要求123或124所述的方法，其中所述非接触运动传感器包括相机、声纳传感器、radar传感器、倾斜传感器、定向传感器、或它们的任何组合。126.根据权利要求122至125中任一项所述的方法，其中所接收的历史位置性数据包括加速度计数据，并且其中分析所接收的历史位置性数据包括处理所述加速度计数据以确定所述用户的身体相对于参考位置的角度。127.根据权利要求126所述的方法，其中所述角度与相对于仰卧身体位置的度数相关联。128.根据权利要求127所述的方法，其中为正值的所述角度与右侧身体位置相关联，并且其中为负值的所述角度与左侧身体位置相关联。129.根据权利要求127或128所述的方法，其中为零的所述角度与所述仰卧身体位置相关联。130.根据权利要求127至129中任一项所述的方法，其中为+180度数或-180度数的所述
角度与俯卧身体位置相关联。131.根据权利要求91至130中任一项所述的方法，还包括至少部分地基于(i)所确定的一个或多个特征、(ii)所识别的所述睡眠时段的所述第一部分的所述用户的身体位置，或(iii)(i)和(ii)两者，确定所述呼吸治疗系统的所述用户的身体位置的变化。132.根据权利要求131所述的方法，还包括至少部分地基于所确定的一个或多个特征，识别紧跟在所述睡眠时段的所述第一部分之后的所述睡眠时段的第二部分的所述呼吸治疗系统的所述用户的身体位置，其中所述用户的身体位置的变化至少部分地基于所述睡眠时段的所述第一部分的所述用户的身体位置和所述睡眠时段的所述第二部分的所述用户的身体位置两者来确定。133.根据权利要求131或132所述的方法，其中所确定的所述呼吸治疗系统的所述用户的身体位置的变化与所确定的一个或多个特征的值的变化相关联。134.根据权利要求133所述的方法，其中确定所述呼吸治疗系统的所述用户的身体位置的变化包括将所确定的一个或多个特征的值的变化与所确定的一个或多个特征的阈值进行比较。135.根据权利要求91至134中任一项所述的方法，其中使得所述动作在以下期间被执行：(i)所述睡眠时段的第一部分、(ii)所述睡眠时段的后续部分、或(iii)后续睡眠时段。136.根据权利要求91至135中任一项所述的方法，其中所述动作包括在所述睡眠时段的所述第一部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来修改所述呼吸治疗系统的一个或多个参数。137.根据权利要求135或136所述的方法，其中所述动作包括在所述睡眠时段的所述后续部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来修改所述呼吸治疗系统的一个或多个参数。138.根据权利要求136或137所述的方法，其中所述呼吸治疗系统的所述一个或多个参数包括马达速度、压力、流量、或它们的任何组合。139.根据权利要求91至138中任一项所述的方法，其中所述动作包括在所述睡眠时段的所述第一部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来生成警报、通知、或指令。140.根据权利要求135至139中任一项所述的方法，其中所述动作包括在所述睡眠时段的所述后续部分期间至少部分地基于所识别的所述呼吸治疗系统的所述用户的身体位置来生成警报、通知、或指令。141.根据权利要求139或140所述的方法，其中所述动作包括使得在所述睡眠时段的另一部分或另一睡眠时段中向所述呼吸治疗系统的所述用户传达推荐的身体位置，以帮助(i)降低ahi、(ii)改善治疗、(iii)改善睡眠质量、或(iv)它们的任何组合。142.根据权利要求91至141中任一项所述的方法，其中所述动作包括使得所述呼吸治疗系统的所述用户在所述睡眠时段的所述第一部分期间至少部分地基于所识别的所述用户的身体位置来改变身体位置。143.根据权利要求135至142中任一项所述的方法，其中所述动作包括使得所述呼吸治疗系统的所述用户在所述睡眠时段的所述后续部分期间至少部分地基于所识别的所述用户的身体位置来改变身体位置。
144.根据权利要求142或143所述的方法，其中使得所述呼吸治疗系统的所述用户改变身体位置包括：(i)调整智能枕头，使得所述智能枕头促使所述用户改变所述用户的头部的位置、(ii)调整智能床或智能床垫，使得所述智能床或所述智能床垫促使所述用户改变所述用户的身体的位置，或(iii)(i)和(ii)两者。145.根据权利要求91至144中任一项所述的方法，其中所述动作包括生成报告，所述报告将所识别的所述用户的身体位置与(i)所述用户的睡眠质量、(ii)所述用户的治疗功效、或(iii)(i)和(ii)两者相关联。146.根据权利要求91至145中任一项所述的方法，其中识别所述用户的身体位置包括将所确定的一个或多个特征与和所述用户相关联的角度相关联。147.根据权利要求146所述的方法，其中所述角度与相对于所述用户的预定身体位置的度数相关联。148.根据权利要求91至147中任一项所述的方法，其中所述呼吸治疗系统的所述用户的身体位置为大体上仰卧、大体上左侧、大体上右侧、或大体上俯卧。149.根据权利要求91至148中任一项所述的方法，其中所述呼吸治疗系统的所述用户的身体位置相对于地面大体为水平或相对于地面偏离水平一定度数。150.一种系统，包括：控制系统，所述控制系统包括一个或多个处理器；以及其上存储有机器可读指令的存储器；其中所述控制系统联接至所述存储器，并且当所述存储器中的机器可执行指令由所述控制系统的所述一个或多个处理器中的至少一个执行时，实施根据权利要求91至149中任一项所述的方法。151.一种用于在睡眠时段期间识别呼吸治疗系统的用户的身体位置的系统，所述系统包括被配置来实施根据权利要求91至149中任一项所述的方法的控制系统。152.一种包括指令的计算机程序产品，所述指令在由计算机执行时使得所述计算机执行根据权利要求91至149中任一项所述的方法。153.根据权利要求152所述的计算机程序产品，其中所述计算机程序产品是非暂时性计算机可读介质。

技术总结
一种用于识别呼吸治疗系统的用户的身体位置的系统包括传感器、存储器和控制系统。传感器被配置来生成与用户相关联的气流数据。存储器存储机器可读指令。控制系统包括一个或多个处理器，该一个或多个处理器被配置来执行机器可读指令以在睡眠时段期间接收与用户相关联的气流数据。控制系统还被配置来确定与气流数据相关联的一个或多个特征，并且至少部分地基于所确定的一个或多个特征来识别睡眠时段的第一部分期间用户的身体位置。控制系统还被配置成至少部分地基于所识别的用户的身体位置，使动作被执行。使动作被执行。使动作被执行。


技术研发人员：卢卡
受保护的技术使用者：瑞思迈私人有限公司
技术研发日：2021.11.26
技术公布日：2023/9/23