将代表患者呼吸的信号分成长度相等的时元。从每个充当信号事件的压缩表示的时元提取主要特征。对主要特征进行统计分析，从而产生一个或多个表示整个时元的次要特征。根据一个或多个从整个时元而不是所选择的时元事件提取的其他特征，对每个次要特征进行分组。这种分组就是时元模式。使用合适的分类算法操纵所述模式，并在算法内产生每个类别的概率，其中所述信号可以代表疾病状态(Cheyne-Stokes呼吸，OSA等)。所述时元被分配给概率最高的类别。此外，还定义了通过分析信号以检测一个或多个呼吸过度区域来检测Cheyne-Stokes呼吸的方法，并且如果呼吸过度长度超过了一个参数，那么就存在Cheyne-Stokes呼吸。