CN112971724A - 入睡点检测方法 - Google Patents
入睡点检测方法 Download PDFInfo
- Publication number
- CN112971724A CN112971724A CN202110178505.7A CN202110178505A CN112971724A CN 112971724 A CN112971724 A CN 112971724A CN 202110178505 A CN202110178505 A CN 202110178505A CN 112971724 A CN112971724 A CN 112971724A
- Authority
- CN
- China
- Prior art keywords
- sleep
- period
- point
- standard deviation
- public
- 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
Links
- 238000000034 method Methods 0.000 title claims description 31
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 103
- 230000001133 acceleration Effects 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000003860 sleep quality Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 230000037007 arousal Effects 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000019914 Mental Fatigue Diseases 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical group [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
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
- A61B5/4812—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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请的入睡点检测方法,其通过受试者预定时间段的心电信号、呼吸信号、三轴加速度信号来计算受试者在该预定时间段的心率、呼吸率和三轴加速度标准差;对计算所得的心率、呼吸率和三轴加速度标准差进行对齐,得到对齐的心率、呼吸率和三轴加速度标准差;以预定时间长度的特征窗口,对所述对齐的心率、呼吸率和三轴加速度标准差进行滑窗,计算每个特征窗口内的体动次数、心率平均值、呼吸率标准差;将体动次数小于预定次数且持续时间超过预定长时间的时间段判断为入睡期;对于每个所述入睡期计算入睡候选点;自入睡候选点中确定入睡点。
Description
技术领域
本申请涉及睡眠检测技术,尤其涉及一种入睡点检测方法。
背景技术
睡眠时间占据人类生命三分之一,睡眠质量差会导致白天时间身体和精神上的疲倦,睡眠疾病会导致抑郁、糖尿病、高血压和其他众多心血管疾病。入睡点作为睡眠质量评判的起始时间点,对准确判断睡眠质量具有非常重要的作用。
目前睡眠监测的“金标准”是多导睡眠仪(PSG),基于监测的脑电,心电,肌电,眼动、呼吸和血氧信号等能够准确检测出受试者的入睡点,为准确判断睡眠质量提供了基本保障。但PSG需要受试者在睡眠实验室佩戴脑电电极,使受试者感到不适,一定程度上影响受试者入睡,并且使用PSG设备价格昂贵、效率低、场地受限制、需要专业的医生进行评判等,使得PSG的使用受到很大限制。
申请号为201510371905.4的专利提出了一种入睡点检测的解决方案,监测受试者在15分钟内的翻转次数和心率,然后设定翻转次数阈值和心率阈值,通过比较,将15分钟内的翻转次数和心率与阈值作对比,得到相应的入睡点。此方法过于简单,极易引起误判。每个被测人的翻身习惯不同,个体差异较大,翻转次数阈值的设置极不具有普遍性,是没有任何科学依据的。
发明内容
鉴于上述问题,本申请旨在提出一种入睡点检测方法。
本申请的一种入睡点检测方法,其通过受试者预定时间段的心电信号、呼吸信号、三轴加速度信号来计算受试者在该预定时间段的心率、呼吸率和三轴加速度标准差;对计算所得的心率、呼吸率和三轴加速度标准差进行对齐,得到对齐的心率、呼吸率和三轴加速度标准差;以预定时间长度的特征窗口,对所述对齐的心率、呼吸率和三轴加速度标准差进行滑窗,计算每个特征窗口内的体动次数、心率平均值、呼吸率标准差;将体动次数小于预定次数且持续时间超过预定长时间的时间段判断为入睡期;对于每个所述入睡期计算入睡候选点;自入睡候选点中确定入睡点。
优选地,所述预定时间长度的特征窗口的时间长度为20min。
优选地,将体动次数小于30且持续时间超过40min的时间段判断为入睡期。
优选地,计算所得的心率、呼吸率和三轴加速度标准差的对齐是在1sec为宽度的时间窗口内的对齐。
优选地,对所述对齐的心率、呼吸率和三轴加速度标准差以1sec为单位进行滑窗。
优选地,对于每个入睡期,通过心率平均值和呼吸率标准差计算入睡候选点。
优选地,在每个入睡期,心率平均值或呼吸率标准差中至少一个降为其最大值的70%的时间点为入睡候选点。
优选地,所述预定时间段的心电信号、呼吸信号、三轴加速度信号为第一天18:00:00-第二天10:00:00的心电信号、呼吸信号、三轴加速度信号。
优选地,
既存在心率平均值下降而产生的入睡点又存在呼吸率标准差下降而产生的入睡点的入睡期为公共睡眠期;
若不存在公共睡眠期,判断最靠前的入睡候选点为入睡点;
若只存在一个公共睡眠期,并计算心率平均值下降而产生的入睡点和呼吸率标准差下降而产生的入睡点的时间误差,若时间误差小于等于10min,判断该公共睡眠期内较为靠前的入睡候选点为入睡点;若时间误差大于10min,则查看该公共睡眠期前面是否有入睡期,若有,判断前一的入睡期中最靠前的入睡候选点为入睡点,若没有,判断该公共睡眠期内靠前的入睡候选点为入睡点;
若存在至少两个公共睡眠期,首先判断是否在第二天02:00:00以前存在公共睡眠期;
若在第二天02:00:00以前有公共睡眠期:自在第二天02:00:00以前的公共睡眠期中选出入睡候选点的时间误差小于等于10min的最靠前的一个公共睡眠期,记录该时间误差,如果时间误差为0,则判断该公共睡眠期的前面是否还有入睡期,如果有,保留前一入睡期中靠前的入睡候选点为入睡点,如果没有,保留该公共睡眠期中靠前的入睡候选点为入睡点;若在第二天02:00:00以前的公共睡眠期的入睡点误差均大于10min,记录时间误差,并输出时间误差最小的入睡期内的靠前的入睡候选点为入睡点;
若在第二天02:00:00以前没有公共睡眠期:自在第二天02:00:00以后的公共睡眠期中选出入睡候选点的时间误差小于等于10min的最靠前的一个公共睡眠期,记录该时间误差,如果时间误差为0,则判断该公共睡眠期的前面是否还有入睡期,如果有,保留前一入睡期中靠前的入睡候选点为入睡点,如果没有,保留该公共睡眠期中靠前的入睡候选点为入睡点;若在第二天02:00:00以后的公共睡眠期的入睡候选点的时间误差均大于10min,记录该时间误差,并判断该时间误差最小的公共睡眠期内的靠前的入睡候选点为入睡点。
本申请的入睡点检测方法,通过计算心率平均值、呼吸率标准差和体动次数确定入睡期和入睡候选点,然后通过入睡候选点判断规则确定入睡点,并将算法判断结果与PSG医师判断结果进行对比,表明该方法具有较高的准确性和可靠性。
附图说明
图1为本申请的入睡点检测方法的流程图;
图2为本申请的入睡点检测方法的入睡点的确认流程图;
图3为一个实施例中截取的第一天18:00-第二天10:00原始心电信号、呼吸信号和三轴加速度信号;
图4为图3信号的局部放大图;
图5为第一实例的入睡点检测结果图(一个入睡期);
图6为第二实例的入睡点检测结果图(多个入睡期);
图7为第三实例的入睡点检测结果图(入睡点不存在)。
具体实施方式
下面,结合附图对本申请进行详细说明。
本申请的方法通过心率的均值、呼吸率的标准差、窗口内体动次数这三个特征进行入睡点的识别。实现流程如图1所示。
1、截取18:00~10:00(第二天)连续动态监测的生理信号,包括:心电、呼吸、三轴加速度信号和所对应的时间戳。如果佩戴时间没有覆盖这个时间段,则截取这个时间段内的时间提供相应的时间戳。
2、计算心率、呼吸率和三轴加速度标准差,计算结果通过插值和窗口对应到每秒。由于根据截取的连续动态生理信号计算的心率、呼吸率、加速度标准差的值为1个/秒,由于心电信号、呼吸信号、加速度采样率不同,所以通过插值法实现与心率、呼吸率在窗口内每秒对应,即实现对心率、呼吸率、三轴加速度标准差的采样率均为1HZ。
三轴加速度标准差为每轴加速度每秒内的标准差的和,如下式所示。
d_std=sum(std(x_1sec)+std(y_1sec)+std(z_1sec))
3、过滤异常值:加速度标准差>0.08标记为一次体动,通过逐秒滑窗的方法计算每个窗口的体动次数,特征窗口长度为20min,如果该窗口内的***体动次数≥50,则将其标记为50,便于可视化,同时避免异常值的影响,如信号噪声或人体不规则活动等引起的异常值。
4、计算每个特征窗口内的心率平均值和呼吸率标准差,将每个窗口长度计算的心率平均值、呼吸率标准差与该窗口内计算的体动次数相对应。
窗口长度体动次数:窗口内加速度标准差d_std>0.08的次数。
5、通过体动次数计算可能的入睡期(亦称为睡眠期)。
将体动次数小于30,且区间长度大于40分钟的时间段判断为可能的入睡期。该步骤为通过逐步滑窗寻找体动次数小于30,区间长度大于40分钟的时间段。
6、对于计算得到的每个睡眠期,通过心率平均值和呼吸率标准差计算可能的入睡点。
7、入睡点确认
通过上述计算体动次数、心率平均值、呼吸率标准差的方法对睡眠监测数据进行计算,可能存在多个入睡期,例如,1)在睡眠过程中,有可能会起身去卫生间,那么通过上述计算睡眠期的方法,该时间段会被判为觉醒期,而该时间段的前段时间和后段时间则会被判为入睡期,从而导致有多个入睡期;2)也会有误判的情况发生,如存在人体上床很早,且躺着没动的现象,则该时间段可能会被误判为入睡期,接下来,又去做了其他事情,然后开始入睡,也会导致有多个入睡期,同时,这也说明入睡点并非在第一个入睡期内;3)在整个睡眠过程中有多个觉醒和睡眠的时间段,即会多次觉醒和多次入睡。因此,需要通过心率平均值或呼吸率标准差对可能存在的入睡期进行校准,从而确定真正的入睡期,并在入睡期内寻找入睡点,尽可能避免引起误判。入睡点确认方法流程如图2所示。
1)搜索每个睡眠期呼吸率标注差(std_BR)和心率平均值(mean_HR),寻找可能存在的入睡候选点。
2)判断是否有公共睡眠期的入睡点。
公共睡眠期是指在一个睡眠期内呼吸率标注差(std_BR)和心率平均值(mean_HR)均存在下降到整个过程中最大呼吸率标准差或最大心率平均值70%的点。
计算当前公共期的bias(误差),即计算当前公共睡眠期内,心率平均值或呼吸率标准差降为整个过程中最大呼吸率标准差或最大心率平均值70%的点。
a)如果差值小于等于10min,则输出该公共睡眠期内较为靠前的入睡点,即心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点;
b)如果差值大于10min,查找在该公共睡眠期的前面是否还有睡眠期。如果没有,则保留当前结果,即该公共睡眠期内心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点;如果该公共睡眠期的前面还有睡眠期,则前一项睡眠期中心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点。
由于绝大多数人在02:00:00之前就会入睡,所以优先考虑02:00:00之前是否存在公共睡眠期,如果存在,且能通过算法找到合理的入睡点(入睡时间点符合睡眠规律范围内),则不再考虑02:00:00之后的公共睡眠期。
①02:00:00以前有公共睡眠期
a)若公共睡眠期内入睡点误差有小于等于10min的,则保留较为靠前的点(记为第一公共睡眠期:入睡点误差小于等于10min的第一个睡眠期),并记录误差(bias)。
有误差(bias≠0,且小于等于10min):第一公共睡眠期内心率或呼吸率先降为最大心率或最大呼吸率70%时的时间点为入睡点。例如:02:00:00以前存在至少1个公共睡眠期内入睡点误差小于等于10min且不为0,则选取较为靠前的睡眠期内心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点。
无误差(bias=0):若第一公共睡眠期内心率平均值或呼吸率标准差降为其最大心率平均值或最大呼吸率标准差70%的时间点重合,则查看该第一公共睡眠期的前面是否有入睡期,如果有,则输出前一入睡期中(第一公共睡眠期前的入睡期)靠前的入睡点(心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点);如果没有,则输出第一公共期的入睡点(心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点)。
b)02:00:00以前,公共睡眠期内入睡点误差均大于10min,记录bias。查找bias最小的公共睡眠期,输出该公共睡眠期内较为靠前的点(心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点)。
②02:00:00以后才开始出现公共睡眠期
a)公共睡眠期内入睡点误差有小于等于10min的,保留较为靠前的点(02:00:00以后,入睡点小于等于10min的第一个睡眠期,记为第一公共期),并记录bias。
有误差(bias≠0,且小于等于10min):第一公共睡眠期内心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点。例如:02:00:00以后存在至少1个公共睡眠期内入睡点误差小于等于10min且不为0,则选取较为靠前的睡眠期内心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点。
无误差(bias=0):若第一公共睡眠期内心率平均值或呼吸率标准差降为其最大心率平均值或最大呼吸率标准差70%的时间点重合,则查看该第一公共睡眠期的前面是否有入睡期,如果有,则输出前一入睡期中(第一公共睡眠期前的入睡期)靠前的入睡点(心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点);如果没有,则输出第一公共期的入睡点(心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点)。
b)02:00:00以后,公共睡眠期内入睡点误差均大于10min,记录bias。查找bias最小的公共睡眠期,输出该公共睡眠期内较为靠前的点(心率平均值或呼吸率标准差先降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点)。
无公共睡眠期是指在同一个睡眠期内,心率平均值或呼吸率标准差不同时出现(即只出现其中一个)。此时,心率平均值或呼吸率标准差降为其最大心率平均值或最大呼吸率标准差70%的时间点为入睡点。
结合图5-7所示的实例进行说明。
1、截取18:00-10:00(第二天)的生理信号数据,包括:心电信号、呼吸信号和三轴加速度信号。原始信号数据可视化如图3所示,局部放大信号如图4所示。
2、根据截取的生理信号,计算呼吸率、心率和加速度标准差,计算结果通过插值和窗口对应到每秒。由于根据截取的连续动态生理信号计算的心率、呼吸率、加速度标准差的值为1个/秒,通过插值法实现心率、呼吸率、标准差在窗口内每秒对应,即实现对心率、呼吸率、三轴加速度标准差的采样率均为1HZ。
3、计算每个窗口的体动次数:加速度标准差>0.08标记为一次体动,通过逐秒滑窗的方法计算每个窗口的体动次数,特征窗口长度为20min,如果该窗口内的***体动次数≥50,则将其标记为50,便于可视化,同时避免异常值的影响,如信号噪声或人体不规则活动等引起的异常值。
4、计算每个特征窗口内的心率平均值和呼吸率标准差,将每个窗口长度计算的心率平均值、呼吸率标准差与该窗口内计算的体动次数相对应。
窗口长度体动次数:窗口内加速度标准差d_std>0.08的次数。
5、通过体动次数计算可能的入睡期(亦称为睡眠期)。将体动次数小于30,且区间长度大于40分钟的时间段判断为可能的入睡期。该步骤为通过逐步滑窗寻找体动次数小于30,区间长度大于40分钟的时间段。
6、对于计算得到的每个睡眠期,通过心率平均值和呼吸率标准差计算可能的入睡点。即计算每个睡眠期内的心率平均值和呼吸率标准差,通过心率平均值或呼吸率标准差确定睡眠期内可能的入睡点。
7、确认入睡点
根据上述规则确认入睡点,每例监测数据的分析结果用四个子图表示,前两个为平均心率(meanHR)和呼吸率标准差(stdBR),第三个为体动次数(NumACC),第四幅图为三轴加速度信号(ACC)。黄线表示入睡点自动检测算法的检测结果,黑线表示PSG医师标记结果,第三幅子图的红线和绿线表示每一个睡眠期的起始和终止时间点。
1)王XX,男,身高:180,体重:75kg,年龄30,对其监测数据截取18:00-10:00(第二天)的心电、呼吸和三轴加速度信号,对该信号进行数据处理和分析,确认入睡点,如图5所示。
医师标记入睡点为00:10:00,入睡点自动检测入睡点为00:14:49,入睡点相差约5分钟,说明该算法具有较高的准确性和可靠性。
2)郝XX,男,身高175cm,体重80kg,年龄45,对其监测数据截取18:00-10:00(第二天)的心电、呼吸和三轴加速度信号,对该信号进行数据处理和分析,确认入睡点,如图6所示。
医师标记入睡点为20:32:30,入睡点自动检测入睡点为20:19:38,入睡点相差约13分钟,说明该算法具有较高的准确性和可靠性。且入睡点自动检测算法检测到两个睡眠期,并在第二个睡眠期内进行标记,判断的入睡时间点为20:19:38,与医师标记时间点极为接近,说明该算法在第二睡眠期内标记时间点更具合理性。
3)王XX,男,身高:170cm,体重:65kg,年龄38岁,对其监测数据截取18:00-10:00(第二天)的心电、呼吸和三轴加速度信号,对该信号进行数据处理和分析,确认入睡点,如图7所示。
由图7分析可知,该例数据体动次数(NumACC)在截取数据段范围内均≥50,根据入睡点判断规则,无入睡期,即不存在入睡点。可能是因为采集的监测数据有问题,如信号噪声较大或信号采集传感器有脱落等,也可能是本人确实一夜未眠。
除非另有定义,本申请中使用的所有技术和/或科学术语具有与由本发明所涉及的领域的普通技术人员通常理解的相同含义。本申请中提到的材料、方法和实施例仅为说明性的,而非限制性的。
虽然已结合具体实施方式对本发明进行了描述,在本申请的发明主旨下,本领域的技术人员可以进行适当的替换、修改和变化,这种替换、修改和变化仍属于本申请的保护范围。
Claims (9)
1.一种入睡点检测方法,其通过受试者预定时间段的心电信号、呼吸信号、三轴加速度信号来计算受试者在该预定时间段的心率、呼吸率和三轴加速度标准差;对计算所得的心率、呼吸率和三轴加速度标准差进行对齐,得到对齐的心率、呼吸率和三轴加速度标准差;以预定时间长度的特征窗口,对所述对齐的心率、呼吸率和三轴加速度标准差进行滑窗,计算每个特征窗口内的体动次数、心率平均值、呼吸率标准差;将体动次数小于预定次数且持续时间超过预定长时间的时间段判断为入睡期;对于每个所述入睡期计算入睡候选点;自入睡候选点中确定入睡点。
2.根据权利要求1所述的方法,其特征在于:
所述预定时间长度的特征窗口的时间长度为20min。
3.根据权利要求1所述的方法,其特征在于:
将体动次数小于30且持续时间超过40min的时间段判断为入睡期。
4.根据权利要求1所述的方法,其特征在于:
计算所得的心率、呼吸率和三轴加速度标准差的对齐是在1sec为宽度的时间窗口内的对齐。
5.根据权利要求4所述的方法,其特征在于:
对所述对齐的心率、呼吸率和三轴加速度标准差以1sec为单位进行滑窗。
6.根据权利要求1所述的方法,其特征在于:
对于每个入睡期,通过心率平均值和呼吸率标准差计算入睡候选点。
7.根据权利要求1所述的方法,其特征在于:
在每个入睡期,心率平均值或呼吸率标准差中至少一个降为其最大值的70%的时间点为入睡候选点。
8.根据权利要求7所述的方法,其特征在于:
所述预定时间段的心电信号、呼吸信号、三轴加速度信号为第一天18:00:00-第二天10:00:00的心电信号、呼吸信号、三轴加速度信号。
9.根据权利要求8所述的方法,其特征在于:
既存在心率平均值下降而产生的入睡点又存在呼吸率标准差下降而产生的入睡点的入睡期为公共睡眠期;
若不存在公共睡眠期,判断最靠前的入睡候选点为入睡点;
若只存在一个公共睡眠期,并计算心率平均值下降而产生的入睡点和呼吸率标准差下降而产生的入睡点的时间误差,若时间误差小于等于10min,判断该公共睡眠期内较为靠前的入睡候选点为入睡点;若时间误差大于10min,则查看该公共睡眠期前面是否有入睡期,若有,判断前一的入睡期中最靠前的入睡候选点为入睡点,若没有,判断该公共睡眠期内靠前的入睡候选点为入睡点;
若存在至少两个公共睡眠期,首先判断是否在第二天02:00:00以前存在公共睡眠期;
若在第二天02:00:00以前有公共睡眠期:自在第二天02:00:00以前的公共睡眠期中选出入睡候选点的时间误差小于等于10min的最靠前的一个公共睡眠期,记录该时间误差,如果时间误差为0,则判断该公共睡眠期的前面是否还有入睡期,如果有,保留前一入睡期中靠前的入睡候选点为入睡点,如果没有,保留该公共睡眠期中靠前的入睡候选点为入睡点;若在第二天02:00:00以前的公共睡眠期的入睡点误差均大于10min,记录时间误差,并输出时间误差最小的入睡期内的靠前的入睡候选点为入睡点;
若在第二天02:00:00以前没有公共睡眠期:自在第二天02:00:00以后的公共睡眠期中选出入睡候选点的时间误差小于等于10min的最靠前的一个公共睡眠期,记录该时间误差,如果时间误差为0,则判断该公共睡眠期的前面是否还有入睡期,如果有,保留前一入睡期中靠前的入睡候选点为入睡点,如果没有,保留该公共睡眠期中靠前的入睡候选点为入睡点;若在第二天02:00:00以后的公共睡眠期的入睡候选点的时间误差均大于10min,记录该时间误差,并判断该时间误差最小的公共睡眠期内的靠前的入睡候选点为入睡点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110178505.7A CN112971724A (zh) | 2021-02-07 | 2021-02-07 | 入睡点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110178505.7A CN112971724A (zh) | 2021-02-07 | 2021-02-07 | 入睡点检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112971724A true CN112971724A (zh) | 2021-06-18 |
Family
ID=76392801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110178505.7A Pending CN112971724A (zh) | 2021-02-07 | 2021-02-07 | 入睡点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112971724A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113568505A (zh) * | 2021-07-22 | 2021-10-29 | 歌尔科技有限公司 | 入睡时间点确定方法、装置、设备及可读存储介质 |
CN113576419A (zh) * | 2021-08-20 | 2021-11-02 | 珠海格力电器股份有限公司 | 一种确定用户入睡时间的方法及装置 |
CN113892907A (zh) * | 2021-08-31 | 2022-01-07 | 杭州思立普科技有限公司 | 基于可穿戴设备的生物节律检测方法、装置、设备和介质 |
CN114027799A (zh) * | 2021-12-13 | 2022-02-11 | 珠海格力电器股份有限公司 | 一种入睡时间点的确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013061415A1 (ja) * | 2011-10-26 | 2013-05-02 | 株式会社日立製作所 | 呼吸測定システム及びrem睡眠判定システム |
CN105982642A (zh) * | 2015-02-04 | 2016-10-05 | 上海宽带技术及应用工程研究中心 | 一种基于体震信号的睡眠检测方法及检测*** |
CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与*** |
CN111938584A (zh) * | 2020-07-21 | 2020-11-17 | 深圳数联天下智能科技有限公司 | 一种睡眠监测方法与设备 |
-
2021
- 2021-02-07 CN CN202110178505.7A patent/CN112971724A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013061415A1 (ja) * | 2011-10-26 | 2013-05-02 | 株式会社日立製作所 | 呼吸測定システム及びrem睡眠判定システム |
CN105982642A (zh) * | 2015-02-04 | 2016-10-05 | 上海宽带技术及应用工程研究中心 | 一种基于体震信号的睡眠检测方法及检测*** |
CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与*** |
CN111938584A (zh) * | 2020-07-21 | 2020-11-17 | 深圳数联天下智能科技有限公司 | 一种睡眠监测方法与设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113568505A (zh) * | 2021-07-22 | 2021-10-29 | 歌尔科技有限公司 | 入睡时间点确定方法、装置、设备及可读存储介质 |
CN113568505B (zh) * | 2021-07-22 | 2024-07-02 | 歌尔科技有限公司 | 入睡时间点确定方法、装置、设备及可读存储介质 |
CN113576419A (zh) * | 2021-08-20 | 2021-11-02 | 珠海格力电器股份有限公司 | 一种确定用户入睡时间的方法及装置 |
CN113576419B (zh) * | 2021-08-20 | 2022-06-14 | 珠海格力电器股份有限公司 | 一种确定用户入睡时间的方法及装置 |
CN113892907A (zh) * | 2021-08-31 | 2022-01-07 | 杭州思立普科技有限公司 | 基于可穿戴设备的生物节律检测方法、装置、设备和介质 |
CN114027799A (zh) * | 2021-12-13 | 2022-02-11 | 珠海格力电器股份有限公司 | 一种入睡时间点的确定方法及装置 |
CN114027799B (zh) * | 2021-12-13 | 2023-03-14 | 珠海格力电器股份有限公司 | 一种入睡时间点的确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112971724A (zh) | 入睡点检测方法 | |
Shouldice et al. | Detection of obstructive sleep apnea in pediatric subjects using surface lead electrocardiogram features | |
US9357953B2 (en) | System and method for diagnosing sleep apnea | |
US8398555B2 (en) | System and method for detecting ventilatory instability | |
KR101868888B1 (ko) | 비강압력신호를 이용한 수면호흡장애 환자의 수면/각성 분류 장치 및 방법 | |
CN107049283B (zh) | 一种基于自适应残差比较算法的睡眠呼吸暂停检测*** | |
US10004452B2 (en) | System and methods for estimating respiratory airflow | |
CN112806966B (zh) | 一种非干扰式睡眠中呼吸暂停预警*** | |
US9498162B2 (en) | Identifying seizures using heart data from two or more windows | |
Rahman et al. | Severity classification of obstructive sleep apnea using only heart rate variability measures with an ensemble classifier | |
US20220167856A1 (en) | Lung function monitoring from heart signals | |
CN116211256B (zh) | 一种非接触式的睡眠呼吸信号获取方法和装置 | |
CN112089413A (zh) | 一种阻塞式睡眠呼吸暂停综合症筛查*** | |
Jaworski et al. | Detection of sleep and wake states based on the combined use of actigraphy and ballistocardiography | |
CN112971731B (zh) | 一种基于鼾声识别的睡眠监控*** | |
US11291406B2 (en) | System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep | |
Lin et al. | Achieving accurate automatic sleep apnea/hypopnea syndrome assessment using nasal pressure signal | |
Kagawa et al. | Non-contact screening system for sleep apnea-hypopnea syndrome using the time-varying baseline of radar amplitudes | |
CN114668407B (zh) | 一种基于bcg信号的睡眠呼吸暂停初筛*** | |
Guul et al. | Portable prescreening system for sleep apnea | |
CN112971721B (zh) | 检测入睡点的装置 | |
CN111481189A (zh) | 睡眠评估方法及装置 | |
CN112971720B (zh) | 检测入睡点的方法 | |
Massaroni et al. | Indirect respiratory monitoring via single-lead wearable ECG: influence of motion artifacts and devices on respiratory rate estimations | |
TWI810619B (zh) | 睡眠狀態判別系統及方法 |
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 |