CN111166286A - 一种梦游检测方法、存储介质以及梦游检测装置 - Google Patents

一种梦游检测方法、存储介质以及梦游检测装置 Download PDF

Info

Publication number
CN111166286A
CN111166286A CN202010006821.1A CN202010006821A CN111166286A CN 111166286 A CN111166286 A CN 111166286A CN 202010006821 A CN202010006821 A CN 202010006821A CN 111166286 A CN111166286 A CN 111166286A
Authority
CN
China
Prior art keywords
target object
dream
prediction result
trip
sleep
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010006821.1A
Other languages
English (en)
Inventor
董明珠
李绍斌
赵杰磊
徐洪伟
李喜林
薛凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010006821.1A priority Critical patent/CN111166286A/zh
Publication of CN111166286A publication Critical patent/CN111166286A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种梦游检测方法、存储介质以及梦游检测装置，通监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象离开时刻之前的第一时段内的生理指标数据，将该第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到梦游前段预测分析模型输出的第一预测结果，该第一预测结果用于指示目标对象是否处于梦游期睡眠状态，基于梦游期睡眠状态，确定目标对象是否发生梦游。该方法简单有效，可以及时检测出目标对象出现梦游的状况，以为梦游症患者提供实时监护功能，并进行梦游预警。

Description

一种梦游检测方法、存储介质以及梦游检测装置
技术领域
本发明涉及睡眠监测技术领域，尤其涉及一种梦游检测方法、存储介质以及梦游检测装置。
背景技术
在现有技术中，随着智能家居产品的日渐普及，人们的生活越来越智能化，与此同时，关注人体睡眠质量的智慧卧室的发展亦随之引发极大关注。目前已存在的构成智慧卧室的智能床垫、智能枕头等智能单品虽然能检测人体心率、脑电波、体动等睡眠时的生理状态，但于一般人而言参考意义大于实用意义，获取到的生理指标数据没有得到合理的利用。此外，无法在危险情况，做出判断和预警。
发明内容
本发明要解决的技术问题是：如何基于目标对象的生理指标数据，快速、有效的确定出目标对象发生梦游。
为解决上述技术问题，本发明提供了一种梦游检测方法、存储介质以及梦游检测装置。
本发明的第一个方面，提供了一种梦游检测方法，其包括：
监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象于离开睡眠区域时刻之前的第一时段内的生理指标数据；
将所述第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到所述梦游前段预测分析模型输出的第一预测结果，所述第一预测结果用于指示目标对象是否处于梦游期睡眠状态；
基于所述第一预测结果，确定目标对象是否发生梦游。
优选的，监测目标对象是否离开睡眠区域，包括：
根据检测到的目标对象的体动参数来判断目标对象是否离开睡眠区域。
优选的，利用神经网络算法建立所述梦游前段预测分析模型，其中，所述神经网络算法包括极限学习机算法或二分类算法。
优选的，所述梦游前段预测分析模型为基于极限学习机算法建立的，利用极限学习机算法建立所述梦游前段预测分析模型，包括以下步骤：
选择激活函数并设定隐含层神经元个数、输入层与隐含层的连接权值以及隐含层神经元的阈值；
选择确定为发生梦游状态时刻之前对应的生理指标数据以及未发生梦游状态时刻对应的生理指标数据作为训练样本，对所述训练样本进行预处理后提取特征数据作为输入向量；
将所述输入向量、输入层与隐含层的连接权值以及隐含层神经元的阈值代入到所述激活函数，计算输出矩阵；
将是否处于梦游期睡眠状态的判断结果作为目标输出，根据所述输出矩阵反向求出输出权重，从而完成所述梦游前段预测分析模型的建立。
优选的，基于所述第一预测结果，确定目标对象是否发生梦游，包括：
当所述第一预测结果指示为目标对象处于梦游期睡眠状态时，判断当前目标对象离开睡眠区域的时间是否大于预设时间阈值；
当所述目标对象离开睡眠区域的时间大于预设时间阈值时，确定所述目标对象发生梦游。
优选的，判断所述目标对象发生梦游之后，所述方法还包括：向预设接收端发送目标对象梦游的提示信息。
优选的，基于所述第一预测结果，确定目标对象是否发生梦游，包括：
当所述第一预测结果指示为目标对象处于梦游期睡眠状态时，判断当前目标对象离开睡眠区域的时间是否小于或等于预设时间阈值；
当目标对象离开睡眠区域的时间小于或等于预设时间阈值时，获取目标对象返回所述睡眠区域时刻之后第二时段内的生理指标数据；
将所述第二时段内的生理指标数据输入预先建立的梦游后段预测分析模型，以得到所述梦游后段预测分析模型输出的用于指示目标对象是否处于梦游期睡眠状态的第二预测结果；
结合所述第一预测结果和所述第二预测结果，确定目标对象是否发生梦游。
优选的，结合所述第一预测结果和所述第二预测结果，确定目标对象是否发生梦游，包括：
当所述第一预测结果和所述第二预测结果均指示为目标对象处于梦游期睡眠状态时，确定目标对象发生梦游，并记录为一次梦游状态；
当所述第二预测结果指示为目标对象不处于梦游期睡眠状态时，则通过以下表达式确定目标对象是否发生梦游：
Y＝Y1*W1+Y2*W2，其中，Y1代表所述第一预测结果的参数值，Y1∈(0,1)时表征目标对象处于梦游期睡眠状态，当Y1∈(-1,0]时表征目标对象不处于梦游期睡眠状态；Y2代表所述第二预测结果的参数值，Y2∈(0,1)时表征目标对象处于梦游期睡眠状态，当Y2∈(-1,0]时表征目标对象不处于梦游期睡眠状态；W1代表所述第一预测结果的权重，W2代表所述第二预测结果的权重，W1+W2＝1；Y为用于判定目标对象是否发生梦游的参数值；其中，当Y>0时，判定目标对象发生梦游；当Y≤0时，判定目标对象未发生梦游。
优选的，所述生理指标数据至少包括脑电波、心率和呼吸中的一种。
本申请的第二个方面，提供了一种存储介质，该存储介质中存储有计算机程序，该计算机程序被处理器执行时能够实现如上所述的梦游检测方法。
本申请的第三个方面，提供了一种梦游检测装置，其包括处理器和存储有计算机程序的计算机可读存储介质，该计算机程序被处理器执行时能够实现如上所述的梦游检测方法
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
应用本发明的梦游检测方法，监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象离开时刻之前的第一时段内的生理指标数据，将该第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到梦游前段预测分析模型输出的第一预测结果，该第一预测结果用于指示目标对象是否处于梦游期睡眠状态，基于梦游期睡眠状态，确定目标对象是否发生梦游。该方法至少具有以下有益效果：
简单有效，可以及时检测到目标对象出现梦游的状况；
能判断出潜在危险，并将目标对象的梦游状况通知给紧急联系人；
可进行双重预测，显著提高检测梦游的准确度；
为梦游症患者提供监护功能，并进行梦游预警。
附图说明
通过结合附图阅读下文示例性实施例的详细描述可更好地理解本公开的范围。其中所包括的附图是：
图1示出了本申请实施例提供的一种梦游检测方法的流程示意图；
图2示出了本申请实施例提供的另一种梦游检测方法的流程示意图；
图3示出了本申请实施例中结合第一预测结果和第二预测结果确定目标对象是否发生梦游的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将结合附图及实施例来详细说明本发明的实施方法，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。
在现有技术中，随着智能家居产品的日渐普及，人们的生活越来越智能化，与此同时，关注人体睡眠质量的智慧卧室的发展亦随之引发极大关注。目前已存在的构成智慧卧室的智能床垫、智能枕头等智能单品虽然能检测人体心率、脑电波、体动等睡眠时的生理状态，但于一般人而言参考意义大于实用意义，获取到的生理指标数据没有得到合理的利用。此外，无法在危险情况，做出判断和预警。
有鉴于此，本申请梦游检测方法，通监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象离开时刻之前的第一时段内的生理指标数据，将该第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到梦游前段预测分析模型输出的第一预测结果，该第一预测结果用于指示目标对象是否处于梦游期睡眠状态，基于梦游期睡眠状态，确定目标对象是否发生梦游。该方法至少具有以下有益效果：
简单有效，可以及时检测到目标对象出现梦游的状况；
能判断出潜在危险，并将目标对象的梦游状况通知给紧急联系人；
可进行双重预测，显著提高检测梦游的准确度；
为梦游症患者提供监护功能，并进行梦游预警。
实施例一
参见图1所示，图1示出了本申请实施例提供的一种梦游检测方法，其包括步骤S101至步骤S103。
在步骤S101中，监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象于离开睡眠区域时刻之前的第一时段内的生理指标数据。
该步骤可以具体为，根据检测到的目标对象的体动参数来判断目标对象是否离开睡眠区域，具体的，体动参数可以为翻身次数、身体摆动次数或由压力传感器获取的目标对象和智能床垫等接触的压力值等，通过体动参数可以判断出目标对象是否离开床垫或智能枕头等。另外，获取目标对象于离开睡眠区域时刻之前第一时段内的生理指标数据可以为，基于和目标对象接触的智能床垫、智能枕头等产品上的传感器采集目标对象的生理指标数据。其中，生理指标数据包括目标对象的脑电波、心率和呼吸中的至少一种生理参数的数据。另外，第一时段可以根据需求设置，为了检测的准确性可以选择合适长度的时间段作为第一时段。
在步骤S102中，将第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到梦游前段预测分析模型输出的第一预测结果，第一预测结果用于指示目标对象是否处于梦游期睡眠状态。
在本申请实施例中，梦游前段预测分析模型可以为利用神经网络算法建立的，其中，神经网络算法包括极限学习机算法或二分类算法。作为一优选示例，利用极限学习机算法建立梦游前段预测分析模型。
需要说明的是，在将获取到的第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型之前，还可以通过滤波、插值的方法对第一时段内的生理指标数据进行预处理，以提高预测结果的有效性和分析速度。
在步骤S103中，基于第一预测结果，确定目标对象是否发生梦游。
在该步骤中，第一预测结果指示目标对象处于梦游期睡眠时，可以初步判断目标对象可能发生梦游，可以结合目标对象离开睡眠区域的时间以及结合梦游后段分析预测模型，进一步确定目标对象是否发生梦游；在第一预测结果指示目标对象不处于梦游期睡眠时，则可以确定目标对象没有发生梦游。
以上为本申请实施例提供的一种梦游检测方法，通监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象离开时刻之前的第一时段内的生理指标数据，将该第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到梦游前段预测分析模型输出的第一预测结果，该第一预测结果用于指示目标对象是否处于梦游期睡眠状态，基于梦游期睡眠状态，确定目标对象是否发生梦游。该方法简单有效，可以及时检测出目标对象出现梦游的状况。
实施例二
参见图2所示，图2示出了本申请实施例提供的一种梦游检测方法，其包括步骤S201至步骤S210。
在步骤S201中，监测目标对象是否离开睡眠区域，当目标对象离开睡眠区域时，获取目标对象于离开睡眠区域时刻之前第一时段内的生理指标数据。
该步骤可以具体为，根据检测到的目标对象的体动参数来判断目标对象是否离开睡眠区域，具体的，体动参数可以为翻身次数、身体摆动次数或由压力传感器获取的目标对象和智能床垫等接触的压力值等，通过体动参数可以判断出目标对象是否离开床垫或智能枕头等。另外，获取目标对象于离开睡眠区域时刻之前第一时段内的生理指标数据可以为，基于和目标对象接触的智能床垫、智能枕头等产品上的传感器采集目标对象的生理指标数据。其中，生理指标数据包括目标对象的脑电波、心率和呼吸中的至少一种生理参数的数据。另外，第一时段可以根据需求设置，为了检测的准确性可以选择合适长度的时间段作为第一时段。
在步骤S202中：将第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到梦游前段预测分析模型输出的第一预测结果，该第一预测结果用于指示目标对象是否处于梦游期睡眠状态。
在本申请实施例中，梦游前段预测分析模型可以为利用神经网络算法建立的，其中，神经网络算法包括极限学习机算法或二分类算法。作为一优选示例，利用极限学习机算法建立梦游前段预测分析模型，其包括以下步骤：
步骤一，选择激活函数并设定隐含层神经元个数、输入层与隐含层的连接权值以及隐含层神经元的阈值；
步骤二，选择确定为发生梦游状态时刻之前对应的生理指标数据以及未发生梦游状态时刻对应的生理指标数据作为训练样本，对训练样本进行预处理后提取特征数据作为输入向量；
步骤三，将输入向量、输入层与隐含层的连接权值以及隐含层神经元的阈值代入到激活函数，计算输出矩阵；
步骤四，将是否处于梦游期睡眠状态的判断结果作为目标输出，根据输出矩阵反向求出输出权重，从而完成梦游前段预测分析模型的建立。
在步骤一中，可以通过滤波、插值的方法对训练样本进行预处理，以提高梦游前段预测模型的预测速度和效率。另外，作为一具体示例，可以基于如下极限学习机数学模型的表达式构建梦游前段预测分析模型：
Figure BDA0002355557580000071
其中，L为隐含层神经元个数、g(ωi·xj+bi)为激活函数，ωi为输入层与隐含层第i个隐含层神经元的连接权值，bi为第i个隐含层神经元的阈值，βi为隐含层第i个隐含层神经元与输出层间的连接权值，xj和yj分别为第j个输入向量和第j个输出向量，作为一优选示例，隐含层神经元个数设定为1000时效果最佳。
需要说明的是，在将获取到的第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型之前，还可以通过滤波、插值的方法对第一时段内的生理指标数据进行预处理，以提高预测结果的有效性和分析速度。
在步骤S203中，当第一预测结果指示为目标对象处于梦游期睡眠状态时，判断当前目标对象离开睡眠区域的时间是否大于预设时间阈值。
其中，预设时间阈值可以根据目标对象自身的情况设置，设置合适的预设时间阈值，以基于预设时间阈值可以区分出目标对象的是否为正常离开。当第一预测结果指示为目标对象处于梦游期睡眠状态时，且判断出目标对象离开睡眠区域的时间大于预设时间阈值时，则执行步骤S204至步骤S206；当第一预测结果指示为目标对象发生梦游时，且判断出目标对象离开睡眠区域的时间小于或等于预设时间阈值时，则执行步骤S207至步骤S210。
在步骤S204中：当目标对象离开睡眠区域的时间大于预设时间阈值时，确定目标对象发生梦游。
具体的，目标对象离开睡眠区域的时间大于预设时间阈值时，可以确定出目标对象为非正常离开，基于第一预测结果指示目标对象处于梦游期睡眠状态的结果和目标对象离开睡眠区域的时间大于预设时间阈值的判断结果，可以确定出目标对象发生梦游。基于第一预测结果和预设时间阈值，进行目标对象是否发生梦游的判断，有利于提高检测目标对象发生梦游的准确性。
在步骤S205中，向预设接收端发送目标对象梦游的提示信息。
在本申请实施例中，当基于第一预测结果和目标对象离开睡眠区域的时间是否大于预设时间的判断结果，确定出目标对象发生梦游时，可以向预设接收端发送目标对象梦游的提示信息。作为示例，该步骤可以为，通过短信或微信的方式向预先设置的紧急联系人发送该目标对象梦游的提示信息，从而能够对目标对象进行实时监护，及时发现危险。
另外，当确定出目标对象发生梦游时，还可以执行步骤S206。
在步骤S206中，在确定目标对象发生梦游时，将第一时段内的生理指标数据保存，并记录为一次梦游状态，以用于更新梦游前段分析预测模型。
通过根据目标对象的使用状态，更新梦游前段分析预测模型，可以提高该梦游前段分析预测模型的准确度，并且有利于根据不同的目标对象进行个性化调整。
在步骤S207中，当目标对象离开睡眠区域的时间小于或等于预设时间阈值时，获取目标对象返回睡眠区域时刻之后第二时段内的生理指标数据。
其中，第二时段可以和第一时段设置的时间长短相同，也可以不同，在本申请实施例中并不做具体的限制。获取目标对象返回睡眠区域时刻之后第二时段内的生理指标数据可以为采用和步骤S201中相同的方式，基于和目标对象接触的智能床垫、智能枕头等产品上的传感器采集目标对象的生理指标数据。其中，生理指标数据至少包括脑电波、心率和呼吸中的一种。
在步骤S208中，将第二时段内的生理指标数据输入预先建立的梦游后段预测分析模型，以得到梦游后段预测分析模型输出的用于指示目标对象是否处于梦游期睡眠状态的第二预测结果。
在本申请实施例中，梦游后段预测分析模型可以采用和梦游前段预测分析模型相同的方法进行构建，具体构建过程可参见步骤S202，为简要起见，在此不再赘述。
在步骤S209：结合第一预测结果和第二预测结果，确定目标对象是否发生梦游。
参见图3所示，该步骤可以具体为：
步骤S2091：当第一预测结果和第二预测结果均指示为目标对象处于梦游期睡眠状态时，确定目标对象发生梦游，并记录为一次梦游状态。
步骤S2092：当第二预测结果指示为目标对象不处于梦游期睡眠状态，则通过以下表达式确定目标对象是否发生梦游：
Y＝Y1*W1+Y2*W2，其中，Y1代表第一预测结果的参数值，Y1∈(0,1)时表征目标对象处于梦游期睡眠状态，当Y1∈(-1,0]时表征目标对象不处于梦游期睡眠状态；Y2代表第二预测结果的参数值，Y2∈(0,1)时表征目标对象处于梦游期睡眠状态，当Y2∈(-1,0]时表征目标对象不处于梦游期睡眠状态；W1代表第一预测结果的权重，W2代表所述第二预测结果的权重，W1+W2＝1；Y为用于判定目标对象是否发生梦游的参数值；其中，当Y>0时，判定目标对象发生梦游；当Y≤0时，判定目标对象未发生梦游。
在步骤S2091中，当第一预测结果和第二预测结果均指示目标对象处于梦游期睡眠状态时，则可以确定目标对象发生梦游，通过结合利用梦游前段预测分析模型和梦游后段预测分析模型对目标对象的梦游状态进行预测，可以提高判定目标对象是否发生梦游的准确度，有利于显著提高梦游检测结果的有效性。
在步骤S2092中，第一预测结果的权重和第二预测结果的权重可以通过以下步骤获取：
将用于验证的生理指标数据作为输入向量；获取其输入梦游前段预测分析模型后的输出结果；将输出结果和该验证生理指标数据对应的已知的结果进行对比，确定出梦游前段预测分析模型的准确度M1；
将用于验证的生理指标数据作为输入向量；获取其输入梦游后段预测分析模型后的输出结果；将输出结果和该验证生理指标数据对应的已知的结果进行对比，确定出梦游后段预测分析模型的准确度M2；
则第一预测结果的权重W1和第二预测结果的权重可以分别通过以下表达式确定：
Figure BDA0002355557580000091
作为一具体示例，当第二预测结果指示为目标对象不处于梦游期睡眠状态时，可以有第二预测结果的参数值为Y2＝-1，当第一预测结果指示为目标对象处于梦游期睡眠状态时，可以有第一预测结果的参数值为Y1＝1，当W1>0.5时，基于以下表达式计算出：Y＝Y1*W1+Y2*W2＝1*W1-1*W2＝2W1-1>0，则判定目标对象发生梦游。作为另一具体示例，当W1＝0.6，第二预测结果指示为目标对象不处于梦游期睡眠状态时，可以有第二预测结果的参数值为Y2＝-0.8，当第一预测结果指示为目标对象处于梦游期睡眠状态时，可以有第一预测结果的参数值为Y1＝0.3，基于以下表达式计算出：Y＝Y1*W1+Y2*W2＝0.3*0.6-0.8*(1-0.6)＝-0.14<0，则判定目标对象未发生梦游。
当结合第一预测结果和第二预测结果，确定出目标对象发生梦游时，还可以进一步执行步骤S210。
在步骤S210：当结合第一预测结果和第二预测结果，确定出目标对象发生梦游时，将第一时段内的生理指标数据和第二时段内的生理指标数据保存，并记录为一次梦游状态。
在该步骤中，将第一时段内的生理指标数据和第二时段内的生理指标数据保存至数据库，并记录为一次梦游状态。
根据该梦游状态下的生理指标数据，一方面，可以为目标对象的梦游状况提供分析依据；另一方面，还可以利用第一时段内的生理指标数据更新梦游前段预测分析模型和/或利用第二时段内的生理指标数据更新梦游后段预测分析模型，从而相应的提高梦游前段或梦游后段分析预测模型的准确性，有利于为目标对象提供有效梦游预警。
以上为本申请实施例提供的一种梦游检测方法，通过监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象离开时刻之前第一时段内的生理指标数据，将该第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，基于梦游前段预测分析模型，获取第一预测结果。在第一预测结果指示目标对象处于梦游期睡眠状态时，进一步判断目标对象离开睡眠区域的时间是否大于预设时间阈值，在目标对象离开睡眠区域的时间大于预设时间阈值时，确定目标对象发生梦游并可以向预设接收端发送提示信息，以在目标对象存在潜在危险时，能够及时进行预警；另外，当目标对象离开睡眠区域的时间小于或等于预设时间阈值时，则利用梦游后段预测分析模型进行二次预测获取第二预测结果，从而可以显著提高检测的准确度，最后再结合利用梦游前段和梦游后段预测分析模型获取到的预测结果确定目标对象是否发生梦游。该方法还可以将确定为发生梦游时对应的生理指标数据保存，以为目标对象梦游状况提供分析依据，并目标对象更新梦游前段或梦游后段预测分析模型，从而提高梦游检测的准确性。
本申请的另一个方面，提供了一种存储介质，该存储介质中存储有计算机程序，该计算机程序被处理器执行时能够实现如下所述的梦游检测步骤：
监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象于离开睡眠区域时刻之前的第一时段内的生理指标数据；
将所述第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到所述梦游前段预测分析模型输出的第一预测结果，所述第一预测结果用于指示目标对象是否处于梦游期睡眠状态；
基于所述第一预测结果，确定目标对象是否发生梦游。
本申请的另一个方面，提供了一种梦游检测装置，其包括处理器和存储有计算机程序的计算机可读存储介质，该计算机程序被处理器执行时能够实现如下所述的梦游检测步骤：
监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象于离开睡眠区域时刻之前的第一时段内的生理指标数据；
将所述第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到所述梦游前段预测分析模型输出的第一预测结果，所述第一预测结果用于指示目标对象是否处于梦游期睡眠状态；
基于所述第一预测结果，确定目标对象是否发生梦游。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (11)

1.一种梦游检测方法，其特征在于，包括：
监测目标对象是否离开睡眠区域，当监测到目标对象离开睡眠区域时，获取目标对象于离开睡眠区域时刻之前的第一时段内的生理指标数据；
将所述第一时段内的生理指标数据输入预先建立的梦游前段预测分析模型，以得到所述梦游前段预测分析模型输出的第一预测结果，所述第一预测结果用于指示目标对象是否处于梦游期睡眠状态；
基于所述第一预测结果，确定目标对象是否发生梦游。
2.根据权利要求1所述的方法，其特征在于，监测目标对象是否离开睡眠区域，包括：
根据检测到的目标对象的体动参数来判断目标对象是否离开睡眠区域。
3.根据权利要求1或2所述的方法，其特征在于，利用神经网络算法建立所述梦游前段预测分析模型，其中，所述神经网络算法包括极限学习机算法或二分类算法。
4.根据权利要求1或2所述的方法，其特征在于，所述梦游前段预测分析模型为基于极限学习机算法建立的，利用极限学习机算法建立所述梦游前段预测分析模型，包括以下步骤：
选择激活函数并设定隐含层神经元个数、输入层与隐含层的连接权值以及隐含层神经元的阈值；
选择确定为发生梦游状态时刻之前对应的生理指标数据以及未发生梦游状态时刻对应的生理指标数据作为训练样本，对所述训练样本进行预处理后提取特征数据作为输入向量；
将所述输入向量、输入层与隐含层的连接权值以及隐含层神经元的阈值代入到所述激活函数，计算输出矩阵；
将是否处于梦游期睡眠状态的判断结果作为目标输出，根据所述输出矩阵反向求出输出权重，从而完成所述梦游前段预测分析模型的建立。
5.根据权利要求4所述的方法，其特征在于，基于所述第一预测结果，确定目标对象是否发生梦游，包括：
当所述第一预测结果指示为目标对象处于梦游期睡眠状态时，判断当前目标对象离开睡眠区域的时间是否大于预设时间阈值；
当所述目标对象离开睡眠区域的时间大于预设时间阈值时，确定所述目标对象发生梦游。
6.根据权利要求5所述的方法，其特征在于，判断所述目标对象发生梦游之后，所述方法还包括：向预设接收端发送目标对象梦游的提示信息。
7.根据权利要求4所述的方法，其特征在于，基于所述第一预测结果，确定目标对象是否发生梦游，包括：
当所述第一预测结果指示为目标对象处于梦游期睡眠状态时，判断当前目标对象离开睡眠区域的时间是否小于或等于预设时间阈值；
当目标对象离开睡眠区域的时间小于或等于预设时间阈值时，获取目标对象返回所述睡眠区域时刻之后第二时段内的生理指标数据；
将所述第二时段内的生理指标数据输入预先建立的梦游后段预测分析模型，以得到所述梦游后段预测分析模型输出的用于指示目标对象是否处于梦游期睡眠状态的第二预测结果；
结合所述第一预测结果和所述第二预测结果，确定目标对象是否发生梦游。
8.根据权利要求7所述的方法，其特征在于，结合所述第一预测结果和所述第二预测结果，确定目标对象是否发生梦游，包括：
当所述第一预测结果和所述第二预测结果均指示为目标对象处于梦游期睡眠状态时，确定目标对象发生梦游，并记录为一次梦游状态；
当所述第二预测结果指示为目标对象不处于梦游期睡眠状态时，则通过以下表达式确定目标对象是否发生梦游：
Y＝Y1*W1+Y2*W2，其中，Y1代表所述第一预测结果的参数值，Y1∈(0,1)时表征目标对象处于梦游期睡眠状态，当Y1∈(-1,0]时表征目标对象不处于梦游期睡眠状态；Y2代表所述第二预测结果的参数值，Y2∈(0,1)时表征目标对象处于梦游期睡眠状态，当Y2∈(-1,0]时表征目标对象不处于梦游期睡眠状态；W1代表所述第一预测结果的权重，W2代表所述第二预测结果的权重，W1+W2＝1；Y为用于判定目标对象是否发生梦游的参数值；其中，当Y>0时，判定目标对象发生梦游；当Y≤0时，判定目标对象未发生梦游。
9.根据权利要求1所述的方法，其特征在于，所述生理指标数据至少包括脑电波、心率和呼吸中的一种。
10.一种存储介质，其特征在于，该存储介质中存储有计算机程序，该计算机程序被处理器执行时能够实现如权利要求1至9中任一项所述的梦游检测方法。
11.一种梦游检测装置，其特征在于，包括处理器和存储有计算机程序的计算机可读存储介质，该计算机程序被处理器执行时能够实现如权利要求1至9中任一项所述的梦游检测方法。
CN202010006821.1A 2020-01-03 2020-01-03 一种梦游检测方法、存储介质以及梦游检测装置 Pending CN111166286A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010006821.1A CN111166286A (zh) 2020-01-03 2020-01-03 一种梦游检测方法、存储介质以及梦游检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010006821.1A CN111166286A (zh) 2020-01-03 2020-01-03 一种梦游检测方法、存储介质以及梦游检测装置

Publications (1)

Publication Number Publication Date
CN111166286A true CN111166286A (zh) 2020-05-19

Family

ID=70618686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010006821.1A Pending CN111166286A (zh) 2020-01-03 2020-01-03 一种梦游检测方法、存储介质以及梦游检测装置

Country Status (1)

Country Link
CN (1) CN111166286A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489720A (zh) * 2020-10-16 2021-03-12 西安得眠堂健康管理工作部 一种用于提高改善睡眠质量的复合肽的智能制备方法和装置
WO2023200651A1 (en) * 2022-04-13 2023-10-19 Sleep Number Corporation Detecting and preventing sleepwalking events

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7855652B1 (en) * 2006-09-07 2010-12-21 Ric Investments, Llc System and method for detecting sleepwalking
CN103717125A (zh) * 2011-05-18 2014-04-09 V视股份有限公司 用于确定人的睡眠和睡眠阶段的***和方法
CN104063994A (zh) * 2014-03-13 2014-09-24 苏州天趣信息科技有限公司 一种基于摄像头识别人体意识的警示装置
WO2015042579A1 (en) * 2013-09-23 2015-03-26 The Board Of Trustees Of The Leland Stanford Junior University Monitoring and treating sleep disorders
CN105231998A (zh) * 2015-10-23 2016-01-13 深圳市冠旭电子有限公司 一种监测睡眠的方法和装置
CN105769203A (zh) * 2014-12-18 2016-07-20 西安发威电子科技有限公司 一种具有梦游检测提醒功能的布贴
CN106446552A (zh) * 2016-09-28 2017-02-22 湖南老码信息科技有限责任公司 一种基于增量式神经网络模型的睡眠障碍预测方法和预测***
US20170290528A1 (en) * 2016-04-12 2017-10-12 Cardiac Pacemakers, Inc. Sleep study using an implanted medical device
CN107374615A (zh) * 2017-08-15 2017-11-24 北京道贞健康科技发展有限责任公司 一种心电、呼吸、***监测的梦游报告***及方法
CN107875496A (zh) * 2017-11-22 2018-04-06 宁波德葳智能科技有限公司 一种智能睡眠管理眼罩装置及其控制方法
CN108010579A (zh) * 2017-11-30 2018-05-08 西安科锐盛创新科技有限公司 健康监护***
CN108125674A (zh) * 2017-12-21 2018-06-08 速眠创新科技（深圳）有限公司 睡眠监测装置
CN108882892A (zh) * 2016-03-31 2018-11-23 Zoll医疗公司 跟踪患者运动的***和方法
CN109091150A (zh) * 2017-11-29 2018-12-28 惠州市德赛工业研究院有限公司 睡眠体动的识别方法、睡眠质量评估方法及智能穿戴设备
CN208769772U (zh) * 2017-08-15 2019-04-23 北京道贞健康科技发展有限责任公司 一种心电、呼吸、***监测的梦游报告***
US20190117151A1 (en) * 2017-09-12 2019-04-25 Bluesleep Ny, Llc Method and System for Diagnosis and Prediction of Treatment Effectiveness for Sleep Apnea
CN109843171A (zh) * 2016-10-05 2019-06-04 个人医疗表饰私人有限公司 警报***
US20190223781A1 (en) * 2018-01-20 2019-07-25 Beacon Sleep Solutions Systems and methods for managing sleep disorders
US10395777B2 (en) * 2014-10-21 2019-08-27 uBiome, Inc. Method and system for characterizing microorganism-associated sleep-related conditions

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7855652B1 (en) * 2006-09-07 2010-12-21 Ric Investments, Llc System and method for detecting sleepwalking
CN103717125A (zh) * 2011-05-18 2014-04-09 V视股份有限公司 用于确定人的睡眠和睡眠阶段的***和方法
WO2015042579A1 (en) * 2013-09-23 2015-03-26 The Board Of Trustees Of The Leland Stanford Junior University Monitoring and treating sleep disorders
CN104063994A (zh) * 2014-03-13 2014-09-24 苏州天趣信息科技有限公司 一种基于摄像头识别人体意识的警示装置
US10395777B2 (en) * 2014-10-21 2019-08-27 uBiome, Inc. Method and system for characterizing microorganism-associated sleep-related conditions
CN105769203A (zh) * 2014-12-18 2016-07-20 西安发威电子科技有限公司 一种具有梦游检测提醒功能的布贴
CN105231998A (zh) * 2015-10-23 2016-01-13 深圳市冠旭电子有限公司 一种监测睡眠的方法和装置
CN108882892A (zh) * 2016-03-31 2018-11-23 Zoll医疗公司 跟踪患者运动的***和方法
US20170290528A1 (en) * 2016-04-12 2017-10-12 Cardiac Pacemakers, Inc. Sleep study using an implanted medical device
CN106446552A (zh) * 2016-09-28 2017-02-22 湖南老码信息科技有限责任公司 一种基于增量式神经网络模型的睡眠障碍预测方法和预测***
CN109843171A (zh) * 2016-10-05 2019-06-04 个人医疗表饰私人有限公司 警报***
CN107374615A (zh) * 2017-08-15 2017-11-24 北京道贞健康科技发展有限责任公司 一种心电、呼吸、***监测的梦游报告***及方法
CN208769772U (zh) * 2017-08-15 2019-04-23 北京道贞健康科技发展有限责任公司 一种心电、呼吸、***监测的梦游报告***
US20190117151A1 (en) * 2017-09-12 2019-04-25 Bluesleep Ny, Llc Method and System for Diagnosis and Prediction of Treatment Effectiveness for Sleep Apnea
CN107875496A (zh) * 2017-11-22 2018-04-06 宁波德葳智能科技有限公司 一种智能睡眠管理眼罩装置及其控制方法
CN109091150A (zh) * 2017-11-29 2018-12-28 惠州市德赛工业研究院有限公司 睡眠体动的识别方法、睡眠质量评估方法及智能穿戴设备
CN108010579A (zh) * 2017-11-30 2018-05-08 西安科锐盛创新科技有限公司 健康监护***
CN108125674A (zh) * 2017-12-21 2018-06-08 速眠创新科技（深圳）有限公司 睡眠监测装置
US20190223781A1 (en) * 2018-01-20 2019-07-25 Beacon Sleep Solutions Systems and methods for managing sleep disorders

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WONGSIRICHOT T , PATTANAPHANCHAI J , SOPAYADA N , ET AL: "A Prototype of Sleepwalking Detection and Monitoring System Using Smart Devices", 《JOURNAL OF COMPUTATIONAL AND THEORETICAL NANOENCE》 *
刘振华: "《睡眠障碍中西医结合诊断学》", 31 October 2015 *
北京医学院: "《精神病学》", 31 October 1980 *
蒋雨平: "《新编精神疾病学》", 31 October 2014, 上海科学普及出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489720A (zh) * 2020-10-16 2021-03-12 西安得眠堂健康管理工作部 一种用于提高改善睡眠质量的复合肽的智能制备方法和装置
WO2023200651A1 (en) * 2022-04-13 2023-10-19 Sleep Number Corporation Detecting and preventing sleepwalking events

Similar Documents

Publication Publication Date Title
US20230342621A1 (en) Method and apparatus for performing anomaly detection using neural network
US20210269046A1 (en) Estimator generation apparatus, monitoring apparatus, estimator generation method, and computer-readable storage medium storing estimator generation program
CN110459328B (zh) 临床监护设备
Garcia-Ceja et al. Motor activity based classification of depression in unipolar and bipolar patients
CN107832737A (zh) 基于人工智能的心电图干扰识别方法
Ling et al. Genetic-algorithm-based multiple regression with fuzzy inference system for detection of nocturnal hypoglycemic episodes
CN111166286A (zh) 一种梦游检测方法、存储介质以及梦游检测装置
CN113689958A (zh) 一种基于大数据的慢性病病情预测方法、***及存储介质
KR20190105180A (ko) 합성곱 신경망 기반의 병변 진단 장치 및 방법
CN110491506A (zh) 心房颤动预测模型及其预测***
CN116092680B (zh) 基于随机森林算法的腹主动脉瘤早期预测方法及***
CN113096792B (zh) 一种基于机器学习的智能健康监测预警方法及***
CN117316453A (zh) 一种混合Barden量表和人工智能的压疮预警***及方法
CN111317458A (zh) 一种基于深度学习的血压检测***
CN112914506A (zh) 睡眠质量检测方法、装置和计算机可读存储介质
CN116595465A (zh) 基于自编码器和数据增强的高维稀疏数据离群点检测方法及***
CN114004258B (zh) 一种半监督的心电异常检测方法
CN115624437A (zh) 一种智能轮椅安全响应方法及***
CN115376638A (zh) 一种基于多源健康感知数据融合的生理特征数据分析方法
KR102541362B1 (ko) 인공 지능을 이용한 혈액 투석 중 저혈압 예측 장치 및 그 방법
EP4140392A1 (en) Noise removal in physiological signals
CN112255921B (zh) 一种ar眼镜智能控制***及方法
CN115496105B (zh) 睡眠预测模型训练方法、睡眠状况预测方法及相关装置
Kathiresan Analysis on cardiovascular disease classification using machine learning framework
CN117909908B (zh) 一种共享按摩椅的运行状态智能监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200519