CN112353401B - 一种基于生理状态评估的分期调控方法 - Google Patents

一种基于生理状态评估的分期调控方法 Download PDF

Info

Publication number
CN112353401B
CN112353401B CN202011117495.8A CN202011117495A CN112353401B CN 112353401 B CN112353401 B CN 112353401B CN 202011117495 A CN202011117495 A CN 202011117495A CN 112353401 B CN112353401 B CN 112353401B
Authority
CN
China
Prior art keywords
sleep
matrix
staging
data
features
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.)
Active
Application number
CN202011117495.8A
Other languages
English (en)
Other versions
CN112353401A (zh
Inventor
袁亚洲
任润舟
秦利
李智杰
王海峰
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.)
Yanshan University
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN202011117495.8A priority Critical patent/CN112353401B/zh
Publication of CN112353401A publication Critical patent/CN112353401A/zh
Application granted granted Critical
Publication of CN112353401B publication Critical patent/CN112353401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • 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
    • A61B5/4812—Detecting sleep stages or cycles
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense

Landscapes

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

Abstract

本发明公开了一种基于生理状态评估的分期调控方法，属于生理状态评估技术领域，整体架构包括获取数据，数据处理与特征提取，分期模型构建和调控方法；通过包括接触式设备和非接触式设备的采集设备获取至少包括一种身体信号可表征睡眠状态的生理信号数据，数据处理部分包括对生理信号进行滤波，特征提取部分包括从时域，频域，非线性等多角度提取特征，分期模型部分引入主成分分析和梯度提升融合的思想提高分期精度，调控方法部分包括外部环境和个性化策略。本发明能够改善睡眠外部环境，解决人体在夜晚中难以入睡，睡眠质量差和深度睡眠时间短等问题。

Description

一种基于生理状态评估的分期调控方法
技术领域
本发明涉及生理状态评估技术领域，尤其是一种基于生理状态评估的分期调控方法。
背景技术
针对目前人体存在睡眠质量越来越差，难以入睡，深度睡眠时间短，嗜睡乏力等问题，利用一种生理状态评估的分期调控方法自动调节外部设备，依据睡眠机理调控整个睡眠外部环境，最大程度提高睡眠质量和监测睡眠健康状况是非常必要的。
发明内容
本发明需要解决的技术问题是提供一种基于生理状态评估的分期调控方法，在保证生理数据传输效果前提下，利用采集设备获取数据，对数据进行预处理，多角度提取特征，在构建生理状态评估模型时引入主成分分析和梯度提升融合的思想对睡眠状态进行准确分期，并在此基础上通过睡眠机理引入个性化策略自动控制外部设备，改善睡眠外部环境，解决人体在夜晚中难以入睡，睡眠质量差和深度睡眠时间短等问题。
为解决上述技术问题，本发明所采用的技术方案是：
一种基于生理状态评估的分期调控方法，整体架构包括获取数据、数据处理与特征提取、分期模型构建和调控方法，包括以下步骤：
步骤1、采集设备采集人体睡眠状态时的生理信号数据，监测设备将所述生理信号数据传输至监测平台，然后监测平台对所述生理信号数据进行数据预处理；
步骤2、所述生理信号数据进行数据预处理之后，通过所述监测平台设计不同频率的滤波器对预处理之后的生理信号数据进行滤波，得到至少一种可以表征睡眠状态的生理信号数据；
步骤3、对预设时间段内的所述生理信号数据进行时域、频域、非线性分析，最后将时域、频域、非线性多角度特征构成特征矩阵；
步骤4、对所述特征矩阵采用主成分分析的方法构建睡眠生理状态分期模型；
步骤5、通过主成分分析与梯度提升算法融合完成对人体睡眠分期模型构建；
步骤6、将步骤3提取的所述特征矩阵输入所述人体睡眠分期模型中；
步骤7、监测平台完成人体睡眠分期后，监测平台根据睡眠机理对外部设备进行自动调控，调控方法包括外部环境和个性化策略，具体的调控步骤包括：
S1：根据不同个体在监测平台建立相应的包括个人外部环境参数以及偏好信息的个性化数据库；
S2：针对不同的个体设置不同的调控策略，从人体准备入睡开始，开始监测数据，通过生理状态分期模型实时监测结果，由监测平台给出相应的指令。
本发明技术方案的进一步改进在于：步骤1中，
所述采集设备包括接触式设备和非接触式设备；所述接触式设备为手环、检测带；所述非接触式设备为毫米波雷达、多功能床垫；采用哪种设备具体由人体偏好和舒适度进行选择；
所述生理信号包括至少一种身体信号可表征睡眠状态，生理信号中包含很多噪声，从中分离出多个相互区别的源信号，然后将与期望相关的成分与期望不相关的成分和伪迹进行处理，达到伪迹去除并减小噪声。
本发明技术方案的进一步改进在于：步骤2中，所述滤波器采用带通滤波器、高通滤波器、全通滤波器中的一种。
本发明技术方案的进一步改进在于：步骤3中，时域、频域、非线性分析具体是指对该段信号时域的均值、方差、标准差峰值提取作为特征，进而对该段生理信号频域上进行分析，对不同频率下的功率谱能量进行估计，提取出不同频段的不同能量值作为特征，同时提取进行标准化后的能量值作为特征，进而对信号进行非线性分析，非线性分析可以得到一些隐藏的可表征睡眠状态的特征。
本发明技术方案的进一步改进在于：步骤4中，主成分分析法是对特征矩阵进行矩阵变换，将所有特征映射到一个多维空间里，将n个特征映射在k维空间里，得到k个新的正交特征而不是简单的将n-k个特征剔除，使k维的数据方差最大化，尽可能减少原本特征中的部分数据干扰，下式矩阵X＝m*n表示样本特征矩阵，m表示样本量，n表示特征；
Figure GDA0003516595650000031
进而得到样本特征集的斜方差矩阵，如下式，
Figure GDA0003516595650000032
使矩阵变换后的特征矩阵线性无关，令coν(x,y)＝0，得到协方差矩阵的特征值和特征向量，将特征值和特征向量进行排序，构建转换矩阵
Figure GDA0003516595650000033
根据
Figure GDA0003516595650000034
经过矩阵变换得出主成分分析矩阵，把m个特征变换为k个正交之后的特征，完成主成分分析。
本发明技术方案的进一步改进在于：步骤5中，所述梯度提升算法汇聚了多个弱分类器的所有结果，利用梯度迭代的思想，将n个弱分类器的分类预测结果进行加和，为了提高分期***的精度，引入梯度提升模型的损失函数Obj，如下式所示，
Figure GDA0003516595650000041
式中分为两部分，前半部分为损失函数，后半部分为模型的复杂度，为了尽可能使损失函数小一点，得出最优的
Figure GDA0003516595650000042
采用梯度下降来迭代算法，如下式所示，
Figure GDA0003516595650000043
式中
Figure GDA0003516595650000044
表示之前k个弱分类器的预测结果，fk+1(xi)为第k+1个弱分类器的预测结果，
Figure GDA0003516595650000045
就是迭代一次的结果，以此迭代下去，直到损失函数最小，停止迭代，得到最终分类结果，用泛化误差E(f；D)衡量***稳定性，如下式，
E(f；D)＝bias2+var+ε2
bias2表示方差，var表示误差，ε2表示噪声，令E(f；D)最小，此时分期***更稳定，分类精度更高。
本发明技术方案的进一步改进在于：步骤6中，所述人体睡眠分期模型采用与睡眠医师学会一致的分期标准，分为眼球快速运动期，清醒期，入睡期，浅睡期和深睡期，将生理信号数据分为五类。
本发明技术方案的进一步改进在于：步骤7中，所述外部环境包括音乐类型，温湿度，色彩，光线，声音等中的一种或多种；所述个性化策略包括符合用户的偏好，适合个人的睡眠调节方法。
本发明技术方案的进一步改进在于：步骤7的S2中，所述指令包括但不限于：开始后为帮助人体入睡自动播放喜欢的音乐类型和调节音量大小，在监测到人体进入到浅睡期时自动关闭音乐，使人体尽快入睡，通过温湿度模块监测浅睡期到深睡期过渡时自动调节温湿度，延长深睡时间，监测平台存有人体期望起床时间，在起床前的一段时间内，通过分期的不同逐步调节光线大小，使人体从深睡期逐步过渡到浅睡期，进而慢慢苏醒，营造健康睡眠氛围，提高睡眠质量。
由于采用了上述技术方案，本发明取得的技术进步是：
1、本发明在生理信号提取特征时采用时域、频域、非线性等多角度提取的方法，包含了更多可表征睡眠状态信息的特征，提高了分期模型的稳定性。
2、本发明在分期模型设计中采用主成分和梯度提升算法融合的思想，使算法实时处理运算速度更快，提高了睡眠分期精度，减少了延迟，对后续及时进行调控策略提供保障。
3、本发明在调控策略里考虑到个体的差异性引入了个性化调控模式，适用于不同年龄的人群，更易推广，最终解决人体失眠，深度睡眠时间短，难以苏醒等睡眠障碍问题，提高睡眠质量。
附图说明
图1是本发明整体架构图；
图2是本发明分期调控方法流程图。
具体实施方式
本发明是针对目前人体存在睡眠质量越来越差，难以入睡，深度睡眠时间短，嗜睡乏力等问题而研发的一种基于生理状态评估的分期调控方法。
下面结合附图及实施例对本发明做进一步详细说明：
如图1所示，一种基于生理状态评估的分期调控方法，整体架构包括获取生理信号，对生理信号的预处理和特征提取，构建睡眠分期模型，监测平台发出相应的个性化调控策略，改善睡眠外部环境，增加睡眠质量。
如图2所示，是本发明的整体流程图，将生理数据传输至监测平台，进行数据预处理，并通过睡眠状态分期模型完成准确分期，进而由监测平台发出个性化调控策略调控外部环境。
下面对该发明的具体实施方式做进一步的阐述：
由于本方法初始时没有个人信息，偏好设置和外部参数，第一次使用时需要录入信息。然后按以下步骤进行。
步骤1、首先通过采集监测设备采集人体处于睡眠状态时的生理信号，本发明以非接触式雷达为例，它的检测精度小于1mm，通过胸腔的微小变化来采集人体信号，通过雷达将回波数据传输至监测平台，然后监测平台对雷达回波数据进行数据预处理，数据信号中存在伪迹干扰和工频干扰，通过滤波滤除工频干扰并提取有用的时频信息，利用通道间的信息空间分布减小噪声，利用独立成分分析从数据中提取多个相互独立的源信号，并将与期望相关的信息和期望不相关的信息进行处理，实现伪迹去除减小噪声。
步骤2、数据预处理之后，通过监测平台设计不同频率的数字带通滤波器对毫米波雷达回波数据进行滤波，滤波得到至少一种身体信号可表征睡眠状态，本发明以心电信号为例。
步骤3、将心电信号每30秒的数据的做为一段长度，通过小波进行去噪，并求出每一段数据的心跳间隔RR间期，对RR间期进行心率变异性分析，提取出心率变异性时域的相关特征，包括SDNN,RMSSD,HR等，然后对心电RR间期信号进行频域分析，将RR间期振幅时间的变化转变为频率域的变化，求出频域范围内的能量和功率以及统计分布特性。功率高低表示这个频率段在整段信号中所占的比例大小，假设心电RR信号为x(n)，自相关函数为r(m)，那心电RR信号自相关函数r(m)的与谱功率S(ω)的关系由傅式变换表示如下，
Figure GDA0003516595650000061
心电RR信号的自相关函数不能确定，根据这段数据的n个有界的可观数据xN(0),xN(1),…,xN(N-1)来进行变换，对这段信号的可观数据进行傅式变换，得
Figure GDA0003516595650000062
根据皮斯富尔关系，这段心电RR信号在时域的能量与频域的能量相同，如下式所示，
Figure GDA0003516595650000071
F(ω)是此段心电RR信号xN(n)的傅式变换。通过上式计算出能量谱大小，通过下式函数得到可观数据xN(n)的谱功率，
Figure GDA0003516595650000072
分析得出心电信号频域中的高频标准值lf,低频标准值hf,高频能量HF低频能量LF等作为后续睡眠分期的特征值。然后对心电RR信号进行非线性庞加莱分析，得出sd1，sd2等，通过监测平台把所有特征提取出来，作为后续睡眠状态分期模型的输入。
步骤4、分期模型的构建,采用主成分分析的方法，主成分分析法主要是对这些特征进行矩阵变换，将特征映射到一个多维空间里，提取了n个特征，映射在k维空间里，将会得到k个新的正交特征，使这k维的数据方差最大化，尽可能减少原本特征中的部分数据干扰，下面的矩阵X＝m*n表示了提取的样本特征集，m表示样本量，n表示特征。
Figure GDA0003516595650000073
下一步求样本特征集的斜方差矩阵。
Figure GDA0003516595650000074
矩阵变换后的特征矩阵线性无关，令coν(x,y)＝0，并求出协方差矩阵的特征值和特征向量。将特征值和特征向量进行排序，构建转换矩阵
Figure GDA0003516595650000075
我们根据
Figure GDA0003516595650000076
经过矩阵变换得出主成分分析矩阵，把m个特征变换为k个正交之后的特征，完成主成分分析。
步骤5、通过主成分与梯度提升算法融合完成对人体的生理睡眠状态模型构建，本发明以弱分类器为树模型为例，通过主成分与梯度提升树模型算法融合，在树算法上进行改进，利用梯度迭代的思想，将n棵树的分类预测结果进行加和，其中每一棵树的预测结果在树结构中为叶子权重，如下式所示。
Figure GDA0003516595650000081
Figure GDA0003516595650000082
为预测结果，fn为第n棵决策树，xn为第n个特征向量。为了提高分期***的精度，引入梯度提升模型的损失函数Obj，如下式所示，
Figure GDA0003516595650000083
式中分为两部分，前半部分为损失函数，后半部分为模型的复杂度。为了尽可能使损失函数小一点，得出最优的
Figure GDA0003516595650000084
采用梯度下降来迭代，如下所示，
Figure GDA0003516595650000085
式中
Figure GDA0003516595650000086
表示之前k棵树的预测结果，fk+1(xi)为第k+1棵树的预测结果，
Figure GDA0003516595650000087
就是迭代一次的结果，以此迭代下去，直到损失函数最小，停止迭代。得到最终分类结果。然后通过泛化误差E(f；D)衡量***稳定性，
E(f；D)＝bias2+var+ε2
bias2表示方差，var表示偏差，ε2表示噪声。令E(f；D)较小，使模型效果更好，分类精度越高。
步骤6、将步骤3提取的心电RR信号的时域频域和非线性特征矩阵输入分期模型，与医师学会标准一致，分为快速眼动，苏醒期，入睡期，浅睡期和深睡期，将生理数据分为五类。
步骤7、由监测平台完成分期后，监测平台根据睡眠机理对外部设备进行自动调控，由于不同人体之间存在个体差异性，个体最适宜的外部环境参数是不同的，根据不同用户在监测平台建立相应的个性化数据库，个性化数据库包括用户的个人外部环境参数以及偏好信息，针对不同的个体有不同的调控策略，在个性化数据库里包含有不同个体在夜晚睡眠时的最适宜外部环境参数，从人体准备入睡开始，开始监测数据，通过生理状态分期模型实时监测结果，由监测平台给出相应的指令，开始后为帮助人体入睡自动播放喜欢的音乐类型和并调节音量大小，在监测到人体进入到浅睡期时自动关闭音乐，使人体尽快入睡，通过温湿度模块监测浅睡期到深睡期过渡时自动调节温湿度，延长深睡时间，监测平台存有人体期望起床时间，在起床前的一段时间内，通过分期的不同逐步调节光线大小，使人体从深睡期逐步过渡到浅睡期，进而慢慢苏醒，营造健康睡眠氛围，提高睡眠质量。
综上所述，本发明在生理信号提取特征时采用多角度提取方法，包含了更多可表征睡眠状态信息的特征，提高了分期模型的稳定性；在分期模型设计中采用主成分和梯度提升算法融合的思想，使算法实时处理运算速度更快，提高了睡眠分期精度；在调控策略里考虑到个体的差异性引入了个性化调控模式，适用于不同年龄的人群，更易推广，最终解决人体失眠，深度睡眠时间短，难以苏醒等睡眠障碍问题，提高睡眠质量。

Claims (7)

1.一种基于生理状态评估的分期调控方法，整体架构包括获取数据、数据处理与特征提取、分期模型构建和调控方法，其特征在于：包括以下步骤：
步骤1、采集设备采集人体睡眠状态时的生理信号数据，监测设备将所述生理信号数据传输至监测平台，然后监测平台对所述生理信号数据进行数据预处理；
步骤2、所述生理信号数据进行数据预处理之后，通过所述监测平台设计不同频率的滤波器对预处理之后的生理信号数据进行滤波，得到至少一种可以表征睡眠状态的生理信号数据；
步骤3、对预设时间段内的所述生理信号数据进行时域、频域、非线性分析，最后将时域、频域、非线性多角度特征构成特征矩阵；
步骤4、对所述特征矩阵采用主成分分析的方法构建睡眠生理状态分期模型；
步骤5、通过主成分分析与梯度提升算法融合完成对人体睡眠分期模型构建；
所述梯度提升算法汇聚了多个弱分类器的所有结果，利用梯度迭代的思想，将n个弱分类器的分类预测结果进行加和，为了提高分期***的精度，引入梯度提升模型的损失函数Obj，如下式所示，
Figure FDA0003516595640000011
式中分为两部分，前半部分为损失函数，后半部分为模型的复杂度，为了使损失函数减小，得出最优的
Figure FDA0003516595640000012
采用梯度下降来迭代算法，如下式所示，
Figure FDA0003516595640000013
式中
Figure FDA0003516595640000014
表示之前k个弱分类器的预测结果，fk+1(xi)为第k+1个弱分类器的预测结果，
Figure FDA0003516595640000021
就是迭代一次的结果，以此迭代下去，直到损失函数最小，停止迭代，得到最终分类结果，用泛化误差E(f；D)衡量***稳定性，如下式，
E(f；D)＝bias2+var+ε2
bias2表示方差，var表示误差，ε2表示噪声，令E(f；D)最小，此时分期***更稳定，分类精度更高；
步骤6、将步骤3提取的所述特征矩阵输入所述人体睡眠分期模型中；
步骤7、监测平台完成人体睡眠分期后，监测平台根据睡眠机理对外部设备进行自动调控，调控方法包括外部环境和个性化策略，具体的调控步骤包括：
S1：根据不同个体在监测平台建立相应的包括个人外部环境参数以及偏好信息的个性化数据库；
S2：针对不同的个体设置不同的调控策略，从人体准备入睡开始，开始监测数据，通过生理状态分期模型实时监测结果，由监测平台给出相应的指令；
所述指令包括但不限于：开始后为帮助人体入睡自动播放喜欢的音乐类型和调节音量大小，在监测到人体进入到浅睡期时自动关闭音乐，使人体尽快入睡，通过温湿度模块监测浅睡期到深睡期过渡时自动调节温湿度，延长深睡时间，监测平台存有人体期望起床时间，在起床前的一段时间内，通过分期的不同逐步调节光线大小，使人体从深睡期逐步过渡到浅睡期，进而慢慢苏醒，营造健康睡眠氛围，提高睡眠质量。
2.根据权利要求1所述的一种基于生理状态评估的分期调控方法，其特征在于：步骤1中，
所述采集设备包括接触式设备和非接触式设备；所述接触式设备为手环、检测带；所述非接触式设备为毫米波雷达、多功能床垫；采用哪种设备具体由人体偏好和舒适度进行选择；
所述生理信号包括至少一种身体信号可表征睡眠状态，生理信号中包含很多噪声，从中分离出多个相互区别的源信号，然后将与期望相关的成分与期望不相关的成分和伪迹进行处理，达到伪迹去除并减小噪声。
3.根据权利要求1所述的一种基于生理状态评估的分期调控方法，其特征在于：步骤2中，所述滤波器采用带通滤波器、高通滤波器、全通滤波器中的一种。
4.根据权利要求1所述的一种基于生理状态评估的分期调控方法，其特征在于：步骤3中，时域、频域、非线性分析具体是指对所述生理信号数据时域的均值、方差、标准差峰值提取作为特征，进而对所述生理信号数据频域上进行分析，对不同频率下的功率谱能量进行估计，提取出不同频段的不同能量值作为特征，同时提取进行标准化后的能量值作为特征，进而对信号进行非线性分析，非线性分析可以得到一些隐藏的可表征睡眠状态的特征。
5.根据权利要求1所述的一种基于生理状态评估的分期调控方法，其特征在于：步骤4中，主成分分析法是对特征矩阵进行矩阵变换，将所有特征映射到一个多维空间里，将n个特征映射在k维空间里，得到k个新的正交特征而不是简单的将n-k个特征剔除，使k维的数据方差最大化，尽可能减少原本特征中的部分数据干扰，下式矩阵X＝m*n表示样本特征矩阵，m表示样本量，n表示特征；
Figure FDA0003516595640000031
进而得到样本特征集的斜方差矩阵，如下式，
Figure FDA0003516595640000032
使矩阵变换后的特征矩阵线性无关，令coν(x,y)＝0，得到协方差矩阵的特征值和特征向量，将特征值和特征向量进行排序，构建转换矩阵
Figure FDA0003516595640000041
根据
Figure FDA0003516595640000042
经过矩阵变换得出主成分分析矩阵，把m个特征变换为k个正交之后的特征，完成主成分分析。
6.根据权利要求1所述的一种基于生理状态评估的分期调控方法，其特征在于：步骤6中，所述人体睡眠分期模型采用与睡眠医师学会一致的分期标准，分为眼球快速运动期，清醒期，入睡期，浅睡期和深睡期，将生理信号数据分为五类。
7.根据权利要求1所述的一种基于生理状态评估的分期调控方法，其特征在于：步骤7中，所述外部环境包括音乐类型，温湿度，色彩，光线，声音中的一种或多种；所述个性化策略包括符合用户的偏好，适合个人的睡眠调节方法。
CN202011117495.8A 2020-10-19 2020-10-19 一种基于生理状态评估的分期调控方法 Active CN112353401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011117495.8A CN112353401B (zh) 2020-10-19 2020-10-19 一种基于生理状态评估的分期调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011117495.8A CN112353401B (zh) 2020-10-19 2020-10-19 一种基于生理状态评估的分期调控方法

Publications (2)

Publication Number Publication Date
CN112353401A CN112353401A (zh) 2021-02-12
CN112353401B true CN112353401B (zh) 2022-04-19

Family

ID=74508022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011117495.8A Active CN112353401B (zh) 2020-10-19 2020-10-19 一种基于生理状态评估的分期调控方法

Country Status (1)

Country Link
CN (1) CN112353401B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108388912B (zh) * 2018-02-08 2021-12-10 南京理工大学 基于多传感器特征优化算法的睡眠分期方法
CN114431837B (zh) * 2022-04-12 2022-08-16 深圳市心流科技有限公司 一种睡眠状态控制方法、装置、助眠设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997028739A1 (en) * 1996-02-09 1997-08-14 Nellcor Puritan Bennett Incorporated Medical diagnostic apparatus with sleep mode
CN103584840A (zh) * 2013-11-25 2014-02-19 天津大学 基于脑电、心率变异及两者相干性的自动睡眠分期方法
CN108420406A (zh) * 2018-03-21 2018-08-21 苏州优函信息科技有限公司 基于脉搏波睡眠分期的方法
CN109568760A (zh) * 2017-09-29 2019-04-05 ***通信有限公司研究院 一种睡眠环境调节方法及***
CN109602417A (zh) * 2018-11-23 2019-04-12 杭州妞诺科技有限公司 基于随机森林的睡眠分期方法及***
CN110706816A (zh) * 2018-07-09 2020-01-17 厦门晨智数字科技有限公司 一种基于人工智能进行睡眠环境调控的方法及设备
CN111067503A (zh) * 2019-12-31 2020-04-28 深圳安视睿信息技术股份有限公司 一种基于心率变异性的睡眠分期方法
CN111466910A (zh) * 2020-04-30 2020-07-31 电子科技大学 一种睡眠监测方法、***、存储介质、计算机程序、装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110623665A (zh) * 2019-09-26 2019-12-31 川北医学院 一种智能睡眠时相检测与睡眠质量评估***及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997028739A1 (en) * 1996-02-09 1997-08-14 Nellcor Puritan Bennett Incorporated Medical diagnostic apparatus with sleep mode
CN103584840A (zh) * 2013-11-25 2014-02-19 天津大学 基于脑电、心率变异及两者相干性的自动睡眠分期方法
CN109568760A (zh) * 2017-09-29 2019-04-05 ***通信有限公司研究院 一种睡眠环境调节方法及***
CN108420406A (zh) * 2018-03-21 2018-08-21 苏州优函信息科技有限公司 基于脉搏波睡眠分期的方法
CN110706816A (zh) * 2018-07-09 2020-01-17 厦门晨智数字科技有限公司 一种基于人工智能进行睡眠环境调控的方法及设备
CN109602417A (zh) * 2018-11-23 2019-04-12 杭州妞诺科技有限公司 基于随机森林的睡眠分期方法及***
CN111067503A (zh) * 2019-12-31 2020-04-28 深圳安视睿信息技术股份有限公司 一种基于心率变异性的睡眠分期方法
CN111466910A (zh) * 2020-04-30 2020-07-31 电子科技大学 一种睡眠监测方法、***、存储介质、计算机程序、装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于主成分分析和支持向量机的睡眠分期研究;周鹏等;《生物医学工程学杂志》;20131231;第30卷(第6期);第1176-1178页 *

Also Published As

Publication number Publication date
CN112353401A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN109568760A (zh) 一种睡眠环境调节方法及***
CN106709244B (zh) 一种静息态同步EEG-fMRI的脑功能网络建模方法
CN110841169B (zh) 一种用于睡眠调节的深度学习声音刺激***和方法
CN112353401B (zh) 一种基于生理状态评估的分期调控方法
EP3358485A1 (en) General noninvasive blood glucose prediction method based on timing analysis
Peker An efficient sleep scoring system based on EEG signal using complex-valued machine learning algorithms
CN111493822B (zh) 一种基于睡眠脑电的快速眼动期睡眠行为障碍分类方法
CN110706816B (zh) 一种基于人工智能进行睡眠环境调控的方法及设备
CN107495962A (zh) 一种单导联脑电的睡眠自动分期方法
CN108143409B (zh) 睡眠阶段分期方法及装置
CN109602417A (zh) 基于随机森林的睡眠分期方法及***
CN110946576A (zh) 一种基于宽度学习的视觉诱发电位识别情绪方法
CN112656427A (zh) 一种基于维度模型的脑电信号情绪识别方法
CN107205652B (zh) 具有特征生成和自动映射的睡眠分析***
Kar et al. Effect of sleep deprivation on functional connectivity of EEG channels
CN110135285B (zh) 一种使用单导设备的脑电静息态身份认证方法及装置
CN105476631A (zh) 一种基于脑电信号的睡眠检测及睡眠辅助方法及装置
CN106388778B (zh) 睡眠状态分析中的脑电信号预处理方法和***
CN108543193A (zh) 一种用户状态干预方法及装置
CN114533086A (zh) 一种基于空域特征时频变换的运动想象脑电解码方法
CN109260566A (zh) 使用投影技术增强睡眠技术
CN112001305B (zh) 基于梯度提升决策树的特征优化ssvep异步识别方法
CN109222906B (zh) 一种基于脑部电信号构建疼痛状态预测模型的方法
CN114781465A (zh) 一种基于rPPG的非接触式疲劳检测***及方法
CN108143412B (zh) 一种儿童脑电情绪分析的控制方法、装置及***

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
GR01 Patent grant
GR01 Patent grant