CN113974567B - 睡眠过程的代谢率的计算方法 - Google Patents
睡眠过程的代谢率的计算方法 Download PDFInfo
- Publication number
- CN113974567B CN113974567B CN202111321446.0A CN202111321446A CN113974567B CN 113974567 B CN113974567 B CN 113974567B CN 202111321446 A CN202111321446 A CN 202111321446A CN 113974567 B CN113974567 B CN 113974567B
- Authority
- CN
- China
- Prior art keywords
- bed
- weight
- sleep
- event
- steady state
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000037323 metabolic rate Effects 0.000 title claims abstract description 41
- 230000008569 process Effects 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 44
- 239000013585 weight reducing agent Substances 0.000 claims abstract description 10
- 230000037396 body weight Effects 0.000 claims description 35
- 230000002503 metabolic effect Effects 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000004580 weight loss Effects 0.000 abstract 1
- 230000008859 change Effects 0.000 description 12
- 238000005303 weighing Methods 0.000 description 8
- 230000004060 metabolic process Effects 0.000 description 7
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 208000031648 Body Weight Changes Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000004579 body weight change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000007774 longterm Effects 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
- 230000004622 sleep time Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- A61B5/4866—Evaluating metabolism
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Obesity (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种睡眠过程的代谢率的计算方法,包括每间隔第一预设时间测量一次床的重量,根据测量值识别出稳态,并根据稳态识别出睡眠的开始时刻和结束时刻,以及识别出异常事件和计算出异常事件期间产生的体重差值;根据睡眠开始时刻和睡眠结束时刻压力传感器的测量值,以及所述异常事件产生的体重差值得到睡眠期间体重绝对减少值;使用睡眠期间体重绝对减少的值计算睡眠代谢率。本发明中,通过测量人在床上睡眠这段时间体重的绝对减少量,以睡眠过程中的体重减少来计算代谢量,由于体重的测量比热量的测量更直接,因此能够更加真实地反映人的代谢情况;通过引入异常事件,能够排除睡眠过程中影响体重的各项干扰因素,体重测量更加准确。
Description
技术领域
本发明属于睡眠过程代谢率监测技术领域,涉及一种睡眠过程的代谢率的计算方法。
背景技术
代谢率表示单位时间内人体消耗的能量。现有技术中一般以热量的代谢来计算代谢率,但是热量的监测比较困难,只能通过其他的指标来进行换算,导致计算结果存在较大的误差。
由于人时刻都在消耗能量,在不喝水,不进食的情况下,重量一定是在逐渐减少的,因此代谢率也可以通过体重的变化来计算,但是这个体重变化数值很小,传统的体重测量手段无法精确监测这个减少的数值,且人在活动过程中由于各个时段的运动量不同代谢率也会产生较大的波动。但是人在睡眠过程中代谢率是基本稳定的,如果能够在较高的精度下对睡眠过程中的体重进行监测,并排除睡眠过程中对影响体重的各项干扰因素,测量出人在床上睡眠这段时间体重的绝对减少量,则可通过睡眠过程中的体重减少来计算代谢量。
发明内容
有鉴于此,本发明的目的在于提供一种睡眠过程的代谢率的计算方法。
为达到上述目的,本发明提供如下技术方案:
一种睡眠过程的代谢率的计算方法,包括以下步骤:
S1、每间隔第一预设时间T0测量一次床的重量;
S2、定义长度为uT0的时间段为一个长时间窗,根据长时间窗内重量的测量值判断以当前测量时刻为结束时刻的长时间窗是否为稳定状态,如果该长时间窗为稳定状态,则判定当前处于稳态;根据稳态识别出睡眠的开始时刻和结束时刻,以及识别出异常事件和计算出异常事件期间产生的体重差值;
S3、根据睡眠开始时刻和睡眠结束时刻压力传感器的测量值,以及所述异常事件产生的体重差值得到睡眠期间体重绝对减少值D;
S4、使用睡眠期间体重绝对减少的值计算睡眠代谢率。
进一步的,在述S1步骤中,在床下设置多个压力传感器,每一压力传感器均每间隔第一预设时间T0测量一次床的重量;定义总重量S为各压力传感器的测量值之和,定义空床重量B为床空载时的各压力传感器的测量值之和,定义瞬间体重W=S-B;
所述S2步骤中,识别睡眠的开始时刻的方法为:根据测量的总重量S判断是否发生上床事件;以及发生上床事件后是否进入稳态,如果在上床事件后又进入了稳态则判定进入睡眠状态,将该稳态的开始时刻作为睡眠的开始时刻。
进一步的,在所述步骤S2中,识别出异常事件和睡眠的结束时刻的方法为:将异常事件划分为上下床事件和其他异常事件;在进入睡眠状态后,如果稳态结束且未发生下床事件就再次进入稳态则识别为其他异常事件;如果稳态结束后发生了下床事件,且在上下床阈值之内又发生上床事件并进入稳态,则识别为上下床事件;如果稳态结束后发生了下床事件,且在上下床阈值之内未发生上床事件,或者在上下床阈值之内未发生了上床事件但未进入稳态,则判定睡眠结束,将发生下床事件前的稳态的结束时刻作为睡眠的结束时刻。
进一步的,所述步骤S2包括以下子步骤:
步骤S201、根据压力传感器的测量值判断是否发生上床事件;如果发生上床事件则执行步骤S202;
步骤S202、检测是否进入稳态及是否发生下床事件,如果进入稳态则执行步骤S203;如果发生下床事件则返回执行步骤S201;
步骤S203、判定进入睡眠状态,并记录稳态开始时的体重作为睡眠开始时刻的体重;
步骤S204、检测稳态是否结束,如果稳态结束则执行步骤S205;
步骤S205、检测是否重新进入稳态或是否发生下床事件,如果重新进入稳态则执行步骤S206;如果发生下床事件则执行步骤S207;
步骤S206、判断为其他异常事件,并计算该次事件期间产生的体重差,并返回执行步骤S204;
步骤S207、检测在上下床时间阈值之内是否发生上床事件并进入稳态,如果在上下床时间阈值之内发生上床事件并进入稳态则执行步骤S208;否则,执行步骤S209;
步骤S208、判定为上下床事件,计算该次上下床事件期间产生的体重差,并返回执行步骤S204;
步骤S209、判定睡眠结束,执行步骤S3。
进一步的,判断是否发生上床事件和下床事件的方法为:如果压力传感器的某一测量时刻从空床状态变为在床状态,则判断该测量时刻发生上床事件;如果传感器的某一测量时刻从在床状态变为空床状态,则判断该测量时刻发生下床事件。
进一步的,判断是否为空床状态的方法为:定义长度为vT0的时间段为一个短时间窗,判断以当前测量时刻为结束时刻的短时间窗是否为稳定状态,如果该短时间窗为稳定状态,则将该短时间窗内各瞬间体重W的平均值或中位数与空床阈值进行比较,如果小于空床阈值则判定该测量时刻为空床状态。
进一步的,判断是否为在床状态的方法为:设置使用者在该测量时段内的参考体重Wr;并设置一个体重差门限值,将(Wr-W)的绝对值与体重差门限值进行比较,如果(Wr-W)的绝对值小于或等于体重差门限值则判定为在床状态。
进一步的,使用睡眠期间体重绝对减少的值计算睡眠代谢率的方法包括:
根据下式计算睡眠代谢率m:
其中,Ws1表示睡眠开始时的体重。
进一步的,使用睡眠期间体重绝对减少的值计算睡眠代谢率的方法还包括:
根据下式计算8小时日化睡眠代谢率m(8h):
其中,ΔT表示睡眠的持续时间。
本发明中,通过测量人在床上睡眠这段时间体重的绝对减少量,以睡眠过程中的体重减少来计算代谢量,由于体重的测量比热量的测量更直接,因此能够更加真实地反映人的代谢情况;通过引入异常事件,能够排除睡眠过程中对影响体重的各项干扰因素,体重测量更加准确。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明睡眠过程的代谢率的计算方法的一个优选实施例的流程图。
图2为根据稳态识别出睡眠的开始时刻、结束时刻和异常事件的流程图。
图3为8小时的称重读数变化示意图。
图4为8小时的称重读数变化细节的示意图。
图5为8小时的稳态体重变化示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
如图1所示,本发明睡眠过程的代谢率的计算方法的一个优选实施例包括以下步骤:
步骤S1、在床下设置多个压力传感器,各压力传感器每间隔第一预设时间T0测量一次床的重量。
由于睡眠过程中因为代谢产生的体重变化是非常微弱的,难以被测量,且睡眠过程中会存在不确定的干扰因素;本实施例在床下设置n(n≥4)个压力传感器,优选为将四个压力传感器分别垫入四个床脚下,当然,也可将压力传感器垫入床板与床架的接触位置处,数量也可以多于四个;压力传感器的测量精度应不低于10g,优选为1g。各压力传感器每间隔第一预设时间T0(T0一般设置为0.1~2s,优选为1s)测量一次重量。整个测量过程中,各压力传感器的原始绝对输出值设为S1,S2,……,Sn,它们之和为S,称为总重量;床空载时的各压力传感器测量的重量输出值设为B1,B2,……,Bn,它们之和为B,称为空床重量;(空床重量的值可每隔规定时间更新,故一般不会经常拿上拿下的床品,也可算在其中)。定义瞬间体重W=S-B。本实施例引入了稳定状态的概念来判断床的重量的测量值是否稳定,并引入了稳态来进行判断和测量。
步骤S2、根据压力传感器的测量值识别出稳态,并根据稳态识别出睡眠的开始时刻和结束时刻,以及识别出异常事件和计算出异常事件期间产生的体重差值。识别稳态时可直接根据总重量S的值进行判断,也可根据总重量S计算出瞬间体重W,然后根据瞬间体重W的值进行判断。
异常事件为除了体重因代谢自然减少原因之外,导致在床状态的重量值发生变化的事件,本实施例中将异常事件划分为上下床事件(一般会附加发生如厕、喝水、加衣等影响体重的事件)和其他异常事件(除了上下床事件之外的异常事件,如被子、手机掉到床下等)。由于异常事件会导致代谢之外的体重变化,因此需要识别出异常事件并去除异常事件期间产生的体重差值。
需要注意的是,本实施例中的稳态和稳定状态是完全不同的,稳定状态是指一种测量值波动很小的状态,是一种状态;而稳态是指处于稳定状态的一段时间,是一个时间段。
判定稳态的方法为:
定义长度为uT0的时间段为一个长时间窗,其中u为自然数,u的取值优选为u=30(即uT0为半分钟,当然u也可以取60等其他数值),判断以当前测量时刻为结束时刻的长时间窗是否为稳定状态,如果该长时间窗为稳定状态,则判定当前处于稳态。
可采用以下方法判断长时间窗是否为稳定状态:定义一个长时间窗内记录的所有总重量S的值的标准差为σTWC,设定一个长稳态标准差阈值δ1(δ1的取值范围一般为5~1000,本实施例中优选为15),当一个长时间窗结束时,若该长时间窗的σTWC≤δ1,则判定该长时间窗为稳定状态;若σTWC>δ1,则判定该长时间窗为非稳定状态。
具体结合实例,设长时间窗的长度为30秒,每一次测量间隔为1秒。当前时刻为8时01分00秒(即08:01:00),则以该时刻为结束时刻的长时间窗为08:00:31~8:01:00;由于长时间窗包含30个测量时刻,因此有30个总重量S的值,计算这30个总重量S的值的标准差,如果不大于15则说明08:00:31~08:01:00的长时间窗为稳定状态,8时01分00秒这一时刻处于稳态(即为稳态中的时刻)。否则,说明08:00:31~08:01:00的长时间窗为非稳定状态,8时01分00秒这一时刻不是稳态(即不是稳态中的时刻)。
每一次测量时刻,均需要按照上述实例判断当前测量时刻是否为稳态,具体结合实例:
假设上床后的第一次测量时刻:8:01:00,以8:01:00为长时间窗的结束时刻,往前推30秒(长时间窗的长度)来判断8:00:00是否是稳态,也即,从08:00:31~8:01:00判断这30秒内获取的30次总重量标准差是否超过15,若超过,则8:01:00处于非稳态。
第二次测量:8:01:01,以8:01:01为长时间窗的结束时刻,往前推30秒来判断8:01:01是否处于稳态,也即,从08:00:32~8:01:01判断这30秒内获取的30次总重量标准差是否超过15,若没有超过,则8:01:01处于稳态。
第三次测量:8:01:02,以8:01:02为长时间窗的结束时刻,往前推30秒来判断8:01:02是否处于稳态,也即,从08:00:33~8:01:02判断这30秒内获取的30次总重量标准差是否超过15,若没有超过,则8:01:02处于稳态。
第四次测量:8:01:03,以8:01:03为长时间窗的结束时刻,往前推30秒来判断8:01:03是否处于稳态,也即,从08:00:34~8:01:03判断这30秒内获取的30次总重量标准差是否超过15,若没有超过,则8:01:03处于稳态。
第五次测量,8:01:04,处于稳态。
第六次测量,8:01:05,处于稳态。
……(处于稳态)
8:31:59,处于稳态。
8:32:00,处于非稳态。
……(处于非稳态,且检测到未发生下床事件)。
8:35:00,处于非稳态,且检测到未发生下床事件。
8:35:01,处于稳态。
……(处于稳态)
11:00:00,处于稳态。
11:00:01,处于非稳态。
……(处于非稳态)
11:01:00,检测到发生下床事件。
……(处于空床状态)
11:03:00,检测到发生上床事件。
……(处于非稳态)
11:03:10,处于非稳态。
11:03:11,处于稳态。
……(处于稳态)
13:09:00,处于稳态。
13:09:01,处于非稳态。
……(处于非稳态)
13:10:00,检测到发生下床事件。
……(处于空床状态)
13:40:00,检测到未发生上床事件。
稳态的定义为:如果相邻的两个非稳定状态的长时间窗之间包括了稳定状态的长时间窗,则将该相邻两个非稳定状态的长时间窗之间稳定状态长时间窗的持续时期定义为一个稳态。
本实施方式中,定义第i次测量的时刻为ti,i为自然数;定义起始结束时刻为ti的长时间窗为TWi,定义结束时刻为ti+1的长时间窗为TWi+1,如果长时间窗TWi为非稳定状态,长时间窗TWi+1为稳定状态,则认为从长时间窗TWi+1的结束时刻ti+1开始进入了稳态,将ti+1定义为稳态的开始时刻;如果长时间窗TWi~TWi+k均为稳定状态,k为自然数,长时间窗TWi+k+1为非稳定状态,则认为在长时间窗TWi+k的结束时刻ti+k稳态结束,将ti+k定义为稳态的结束时刻。
例如:在上面的例子中,以时刻08:01:00为结束时刻的长时间窗处于非稳定状态,以时刻08:01:01为结束时刻的长时间窗处于稳定状态,因此时刻08:01:01为上床后第一个稳态的开始时刻。由于以08:01:01~08:31:59为结束时刻的长时间窗均处于稳定状态,以时刻08:32:00为结束时刻的长时间窗处于非稳定状态,因此认为时刻08:01:01~08:31:59这一时间段为稳态,时刻08:31:59为稳态的结束时刻。以时刻8:32:00至8:35:00为结束时刻的长时间窗均处于非稳定状态,以时刻8:35:01为结束时刻的长时间窗又重新处于稳定状态,因此时刻8:35:01为下一稳态的开始时刻。
识别睡眠的开始时刻的方法为:根据测量的总重量S判断是否发生上床事件;以及发生上床事件后是否进入稳态,如果在上床事件后又进入了稳态则判定进入睡眠状态,将该稳态的开始时刻作为睡眠的开始时刻。例如:在上面的例子中,在上床后,以时刻08:01:00为结束时刻的长时间窗处于非稳定状态,以时刻08:01:01为结束时刻的长时间窗处于稳定状态,因此时刻08:01:01为上床后第一个稳态的开始时刻,也是睡眠的开始时刻。
判断是否发生上床事件和下床事件的方法为:如果传感器的某一测量时刻从空床状态变为在床状态,则判断该测量时刻发生上床事件;如果传感器的某一测量时刻从在床状态变为空床状态,则判断该测量时刻发生下床事件。本实施例中优选为采用瞬间体重W来判断上床事件和下床事件,当然,也可直接通过总重量S判断。
判断是否为空床状态可采用以下方法:定义长度为vT0的时间段为一个短时间窗,其中v为自然数(v一般不大于10,例如:可设置V为3、5等),判断以当前测量时刻为结束时刻的短时间窗是否为稳定状态,如果该短时间窗为稳定状态,则将该短时间窗内各瞬间体重W的平均值或中位数与空床阈值进行比较,如果小于空床阈值则判定该测量时刻为空床状态。
判断短时间窗是否为稳定状态的方法为:定义一个短时间窗内记录的所有瞬间体重W的值的标准差为σTWD,设定一个短稳态标准差阈值δ0,当一个短时间窗结束时,若该短时间窗的σTWD≤δ0,则判定该短时间窗处于稳定状态;若σTWD>δ0,则判定该短时间窗处于非稳定状态。判断短时间窗是否为稳定状态的方法与长时间窗的判断方法类似,只是时间窗的时长及标准差阈值不同。
判断是否为在床状态可采用以下方法:设置使用者在该测量时段内的参考体重Wr;并设置一个体重差门限值,将(Wr-W)的绝对值与体重差门限值进行比较,如果(Wr-W)的绝对值小于或等于体重差门限值则判定为在床状态。在初次使用时,应将使用者的体重设置参考体重Wr,在测量过程中能够根据测量量值对参考体重Wr的值进行自适应调整。
识别出异常事件和睡眠的结束时刻的方法为:在进入睡眠状态后,如果稳态结束且未发生下床事件就再次进入稳态则识别为其他异常事件;如果稳态结束后发生了下床事件,且在上下床阈值之内又发生上床事件并进入稳态,则识别为上下床事件;如果稳态结束后发生了下床事件,且在上下床阈值之内未发生上床事件,或者在上下床阈值之内未发生了上床事件但未进入稳态,则判定睡眠结束,将发生下床事件前的稳态的结束时刻作为睡眠的结束时刻。
继续以上述示例进行说明:时刻08:01:01的测量结果为上床后第一次测量出稳定状态的长时间窗,则说明进入睡眠状态。由于以08:01:01~08:31:59为结束时刻的长时间窗均处于稳定状态,以时刻08:32:00为结束时刻的长时间窗处于非稳定状态,因此认为时刻08:01:01~08:31:59这一时间段为稳态,时刻08:31:59为该稳态的结束时刻。
以时刻8:32:00至8:35:00为结束时刻的长时间窗均处于非稳定状态,以时刻8:35:01为结束时刻的长时间窗又重新处于稳定状态,因此时刻8:35:01为下一稳态的开始时刻。由于第一个稳态结束后未发生下床事件又进入了稳态,因此,不会进入睡眠结束和上下床事件的判定步骤,而会判定时刻8:32:00至8:35:00之间发生了其他异常事件。
在时刻11:01:00检测到发生下床事件,之后在11:03:00检测到发生上床事件,并在11:03:11再次处于稳态。由于从下床(11:01:00)到上床后再次进入稳态(11:03:11)的时间间隔小于上下床阈值,因此判断发生了上下床事件,睡眠未结束。
在时刻13:10:00检测到发生下床事件,之后直至11:40:00仍未检测到上床事件,时间间隔超过了上下床阈值,因此判断睡眠结束;时刻13:09:00为下床事件发生前的稳态的结束时刻,也将其作为睡眠的结束时刻。
如图2所示,本实施例中,将步骤S2拆分为以下子步骤:
步骤S201、根据总重量S判断是否发生上床事件;如果发生上床事件则执行步骤S202,检测用户上床后是否进入了睡眠。
为排除空床期间传感器因温度变化等干扰因素产生的误差,在空床状态的稳态期间,可每间隔一定时间对各压力传感器进行一次校准,例如,可每间隔30分钟对各压力传感器进行一次校准。校准的方法为以当前测量的总重量S的值(即以当前测量时刻为结束时刻的短时间窗内各测量时刻的总重量的平均值或中位数)作为空床重量B的值,从而使该测量时刻的瞬间体重W的值为0。通过校准可以减小温度变化对压力传感器的影响,提高测量精度,并能排除床上增加或减少物品后产生的干扰。
步骤S202、检测是否进入稳态及是否发生下床事件,如果进入稳态则说明用户进入了睡眠状态,执行步骤S203;如果发生下床事件则说明用户上床并非是睡觉,返回执行步骤S201。优选为将步骤S202分为步骤S2021和步骤S2022:
步骤S2021、判断是否发生下床事件,如果发生下床事件则返回执行步骤S201;否则,执行步骤S2022。
步骤S2022、检测是否进入稳态,如果进入稳态则执行步骤S203;否则,返回执行步骤S2021。
当然,在具体实施时既可先执行步骤S2021,也可先执行步骤S2022。
步骤S203、判断进入睡眠状态,并记录稳态开始的开始时刻作为睡眠开始时刻。
步骤S204、检测稳态是否结束,如果稳态结束则说明发生了异常事件或是睡眠结束,执行步骤S205进一步判断稳态结束后发生的事件。
步骤S205、检测是否重新进入稳态或是否发生下床事件,如果重新进入稳态则说明发生了其他异常事件,执行步骤S206计算该事件产生的体重差;如果发生下床事件则仍需继续检测是发生了上下床事件还是睡眠结束,执行步骤S207。优选为将步骤S205分为步骤S2051和步骤S2052:
步骤S2051、检测是否重新进入稳态,是则执行步骤S206;否则,执行步骤S2052。
步骤S2052、检测是否发生下床事件,是则执行步骤S207;否则,返回执行步骤S2051继续检测。
当然,在具体实施时既可先执行步骤S2051,也可先执行步骤S2052。
步骤S206、判断为其他异常事件,计算该次事件期间产生的体重差,并返回执行步骤S204。例如:在上面的例子中,时刻08:31:59第一次稳态结束后,在时刻8:32:00至8:35:00之间未发生下床事件,在时刻8:35:01又进入了稳态,因此判定时刻8:32:00至8:35:00之间发生了其他异常事件。
其他异常事件期间产生的体重差的计算公式为:
WE--WE+=(SE--B)-(SE+-B)
=SE--SE+
其中,下标E代表睡眠期间的其他异常事件;下标中“-”号表示事件前;“+”号表示事件后;WE-表示发生其他异常事件之前的体重;WE+表示其他异常事件结束后的体重;SE-表示发生其他异常事件之前的总重量;SE+表示其他异常事件结束后的总重量。由于发生其他异常事件时不会产生空床状态,因此空床重量不会发生变化。例如:在上面的例子中,WE-为时刻08:31:59的体重,WE+为时刻8:35:01的体重。
步骤S207、检测在上下床时间阈值之内是否发生上床事件并进入稳态,如果在上下床时间阈值之内发生上床事件并进入稳态则执行步骤S208;否则,执行步骤S209。上下床时间阈值优选为30min,即在检测到用户下床后,如果在30min之内又检测到用户上床并进入了稳态,则识别为上下床事件;如果用户下床后在30min之内未上床,或者虽然在30min之内上床但在在30min之内未进入稳态则识别为睡眠结束。例如:在上面的例子中,在时刻11:01:00检测到发生下床事件,之后在11:03:00检测到发生上床事件,并在11:03:11再次处于稳态。小于上下床阈值,因此识别为上下床事件。在时刻13:10:00检测到发生下床事件,之后直至11:40:00仍未检测到上床事件,时间间隔超过了上下床阈值,因此判断睡眠结束。当然,上下床时间阈值也可根据不同用户的情况设置为其他数值,如:10min、60min等。
步骤S208、判定为上下床事件,计算该次上下床事件期间产生的体重差,并返回执行步骤S204。上下床事件期间产生的体重差的计算公式为:
Wd--Wu+=(Sd--Bd+)-(Su+-Bu-)=Sd--Bd+-Su++Bu-
其中,下标u代表上床事件;下标d代表下床事件;Wd-表示上下床事件中的下床事件之前的体重;Wu+表示上下床事件中的上床事件之后的体重;Sd-表示下床事件之前的在床状态的总重量;Bd+表示下床事件之后床的重量,由于下床之后为空床状态,因此表示为Bd+;Bu-表示在上床事件之前床的重量,由于上床之前为空床状态,因此表示为Bu+;Su+表示在上床事件之后的总重量。例如:在上面的例子中,在时刻11:01:00~11:03:00发生了上下床事件,时刻11:00:00为发生下床事件前的稳态的结束时刻,因此Wd-为时刻11:00:00的体重;时刻11:03:11为上床后的稳态的开始时刻,因此Wu+为时刻11:03:11的体重。
步骤S209、判定睡眠结束,并记录睡眠结束前的稳态结束时刻作为睡眠结束时刻。执行步骤S3。
步骤S3、根据睡眠开始时刻和睡眠结束时刻压力传感器的测量值,以及所述异常事件产生的体重差值得到睡眠期间体重绝对减少值D。计算公式如下:
D=(Ws1-Ws2)-∑(Wd--Wu+)-∑(WE--WE+)
式中,其中,Ws1表示睡眠开始时的体重;Ws2表示睡眠结束时的体重。
如图3所示,为以瞬间体重作为称重读数时,8小时的称重读数变化示意图,从图3中可以看出用户在不到7点时上床,在13点之后下床,上床和下床时刻的体重没有明显变化,可见睡眠过程中的代谢产生的体重差是非常微小的,因此必须采用高精度的压力传感器才可能测量出体重差。但是,当传感器的精度很高时,即使在静止状态下其测量值也会不停发生变化,测量结果不会停留在一个值不变,从而无法得到一个稳定的读数;如图4所示,为图3中的称重读数变化细节的示意图,从图4可以看出在纵坐标范围0~100kg时看起来平直的称重读数曲线,放大后始终有非常大的波动,不仅在非稳态时读数存在着巨大的跳动,而即使在稳态,也并没有一个稳定的读数,无法直接使用单一时刻的瞬间体重W来进行计算。因此,在计算前要做两件事:1、去除非稳态时的读数;2、对稳态时读数做均值计算。
新定义稳态体重,并定义稳态期间各个时刻的稳态体重为以该时刻为起始时刻的长时间窗的所有瞬间体重W的平均值,定义非稳态期间各个时刻的稳态体重均为空值;如图5所示,即为u=30、δ1=15时,将图4中的瞬间体重转化为稳态体重后,以稳态体重作为称重读数的8小时稳态体重的称重读数变化示意图。此时,我们将输出空值的部分视为非稳态,并将之等同于异常事件,将输出非空值的部分视为稳态,并将之等同于有效睡眠,很容易挑选出所有“事件前”,“事件后”的点,虽然,图上曲线仍有波动,但其中每一点的值已经是一个均值,能够反映30s的平均特征,且波动本身也很小,因此将稳态体重作为体重测量值已经可以用于计算。需要注意的是:空值是没有值,而并不是“0”,因为“0”是有值的,会作为一个数参与求平均时的计算,而空值不会参与求平均时的计算;例如:在计算20个测量值和10个空值的平均值时,只会提取出20个测量值计算这20个数的均值,如果将10个空值替代为10个“0”,则会提取20个测量值和10个“0”计算这30个数的均值。当然,我们也可以采用同样的方法对总重量S进行求平均处理,根据总重量的平均值代替稳态体重计算睡眠期间体重绝对减少值D。如下式所示:
其中,下标i表示上床或下床次数的序号,K表示睡眠期间发生其他异常事件的总次数;下标j表示发生其他异常事件次数的序号。为方便表述,将睡眠开始前的上床事件和睡眠结束后的下床事件也记入睡眠期间的上床和下床次数,将睡眠开始前的上床事件定义为第一次上床事件,将睡眠结束后的下床事件定义为第N次下床事件;即Su1+表示睡眠开始前的上床事件之后的总重量,即睡眠的第一个稳态的第一个长时间窗的总重量S的平均值;Bu1-表示睡眠开始前的上床事件之前的空床重量;SdN-表示睡眠结束后的下床事件之前的总重量,即睡眠的最后一个稳态的最后一个长时间窗的总重量S的平均值;BdN+表示睡眠结束后的下床事件之后的空床重量。
步骤S4、使用睡眠期间体重绝对减少的值计算睡眠代谢率;优选为定义睡眠代谢率m和8小时日化睡眠代谢率m(8h)来计算睡眠代谢率;当然,也可采用其他的指标(如12小时日化睡眠代谢率等)来计算睡眠代谢率。
睡眠代谢率m的计算公式如下:
其中,Ws1表示睡眠开始时的体重。
8小时日化睡眠代谢率m(8h)的计算公式如下:
其中,ΔT表示睡眠的持续时间,在本实施例中表示睡眠期间各稳态的总时长。睡眠代谢率m和8小时日化睡眠代谢率m(8h)优选为以千分数表示;此指标用于将不同的睡眠时间下的睡眠代谢率标准化。
本实施例中,通过测量出人在床上睡眠这段时间体重的绝对减少量,能够以睡眠期间体重的减少来计算睡眠代谢率,从而能够和热量代谢率一样,通过长期统计即可反映人的代谢水平。由于体重的测量比热量的测量更直接,因此能够更加真实地反映人的代谢情况。通过引入上下床事件和其他异常事件,能够排除睡眠过程中对影响体重的各项干扰因素,体重测量更加准确。通过引入稳态和稳态体重,能够准确识别出上下床事件和其他异常事件,并能克服高精度压力传感器的测量值始终处于动态变化的影响,减少测量时段内体重的波动幅度,实现对睡眠期间体重的准确测量。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种睡眠过程的代谢率的计算方法,其特征在于,包括以下步骤:
S1、每间隔第一预设时间T0测量一次床的重量;方法为:
在床下设置多个压力传感器,每一压力传感器均每间隔第一预设时间T0测量一次床的重量;定义总重量S为各压力传感器的测量值之和,定义空床重量B为床空载时的各压力传感器的测量值之和,定义瞬间体重W=S-B;
S2、定义长度为uT0的时间段为一个长时间窗,根据长时间窗内重量的测量值判断以当前测量时刻为结束时刻的长时间窗是否为稳定状态,如果该长时间窗为稳定状态,则判定当前处于稳态;根据稳态识别出睡眠的开始时刻和结束时刻,以及识别出异常事件和计算出异常事件期间产生的体重差值;识别睡眠的开始时刻的方法为:
根据测量的总重量S判断是否发生上床事件;以及发生上床事件后是否进入稳态,如果在上床事件后又进入了稳态则判定进入睡眠状态,将该稳态的开始时刻作为睡眠的开始时刻;
识别出异常事件和睡眠的结束时刻的方法为:将异常事件划分为上下床事件和其他异常事件;在进入睡眠状态后,如果稳态结束且未发生下床事件就再次进入稳态则识别为其他异常事件;如果稳态结束后发生了下床事件,且在上下床阈值之内又发生上床事件并进入稳态,则识别为上下床事件;如果稳态结束后发生了下床事件,且在上下床阈值之内未发生上床事件,或者在上下床阈值之内未发生了上床事件但未进入稳态,则判定睡眠结束,将发生下床事件前的稳态的结束时刻作为睡眠的结束时刻;
S3、根据睡眠开始时刻和睡眠结束时刻压力传感器的测量值,以及所述异常事件产生的体重差值得到睡眠期间体重绝对减少值D;公式如下:
D=(Ws1-Ws2)-∑(Wd--Wu+)-∑(WE--WE+)
其中,Ws1表示睡眠开始时的体重;Ws2表示睡眠结束时的体重;Wd-表示上下床事件中的下床事件之前的体重;Wu+表示上下床事件中的上床事件之后的体重;WE-表示发生其他异常事件之前的体重;WE+表示其他异常事件结束后的体重;
S4、使用睡眠期间体重绝对减少的值计算睡眠代谢率m;公式如下:
其中,Ws1表示睡眠开始时的体重。
2.根据权利要求1所述的睡眠过程的代谢率的计算方法,其特征在于,所述步骤S2包括以下子步骤:
步骤S201、根据压力传感器的测量值判断是否发生上床事件;如果发生上床事件则执行步骤S202;
步骤S202、检测是否进入稳态及是否发生下床事件,如果进入稳态则执行步骤S203;如果发生下床事件则返回执行步骤S201;
步骤S203、判定进入睡眠状态,并记录稳态开始时的体重作为睡眠开始时刻的体重;
步骤S204、检测稳态是否结束,如果稳态结束则执行步骤S205;
步骤S205、检测是否重新进入稳态或是否发生下床事件,如果重新进入稳态则执行步骤S206;如果发生下床事件则执行步骤S207;
步骤S206、判断为其他异常事件,并计算该异常事件期间产生的体重差,并返回执行步骤S204;
步骤S207、检测在上下床时间阈值之内是否发生上床事件并进入稳态,如果在上下床时间阈值之内发生上床事件并进入稳态则执行步骤S208;否则,执行步骤S209;
步骤S208、判定为上下床事件,计算该上下床事件期间产生的体重差,并返回执行步骤S204;
步骤S209、判定睡眠结束,执行步骤S3。
3.根据权利要求1所述的睡眠过程的代谢率的计算方法,其特征在于,判断是否发生上床事件和下床事件的方法为:如果压力传感器的某一测量时刻从空床状态变为在床状态,则判断该测量时刻发生上床事件;如果传感器的某一测量时刻从在床状态变为空床状态,则判断该测量时刻发生下床事件。
4.根据权利要求3所述的睡眠过程的代谢率的计算方法,其特征在于,判断是否为空床状态的方法为:定义长度为vT0的时间段为一个短时间窗,判断以当前测量时刻为结束时刻的短时间窗是否为稳定状态,如果该短时间窗为稳定状态,则将该短时间窗内各瞬间体重W的平均值或中位数与空床阈值进行比较,如果小于空床阈值则判定该测量时刻为空床状态。
5.根据权利要求3所述的睡眠过程的代谢率的计算方法,其特征在于,判断是否为在床状态的方法为:设置使用者在该测量时刻的参考体重Wr;并设置一个体重差门限值,将(Wr-W)的绝对值与体重差门限值进行比较,如果(Wr-W)的绝对值小于或等于体重差门限值则判定为在床状态。
6.根据权利要求1所述的睡眠过程的代谢率的计算方法,其特征在于,使用睡眠期间体重绝对减少的值计算睡眠代谢率的方法还包括:
根据下式计算8小时日化睡眠代谢率m(8h):
其中,ΔT表示睡眠的持续时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321446.0A CN113974567B (zh) | 2021-11-09 | 2021-11-09 | 睡眠过程的代谢率的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321446.0A CN113974567B (zh) | 2021-11-09 | 2021-11-09 | 睡眠过程的代谢率的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113974567A CN113974567A (zh) | 2022-01-28 |
CN113974567B true CN113974567B (zh) | 2024-03-26 |
Family
ID=79747408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111321446.0A Active CN113974567B (zh) | 2021-11-09 | 2021-11-09 | 睡眠过程的代谢率的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113974567B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004097495A (ja) * | 2002-09-09 | 2004-04-02 | Yamatake Corp | 睡眠状態判定装置及び就寝モニタリングシステム |
JP3914251B1 (ja) * | 2006-04-12 | 2007-05-16 | 株式会社クロスウェル | 基礎代謝量測定装置と基礎代謝量測定システム |
JP3967365B1 (ja) * | 2006-12-12 | 2007-08-29 | 株式会社クロスウェル | 生体情報管理システムとその制御方法およびプログラム |
GR1006331B (el) * | 2008-03-26 | 2009-03-23 | Κινουμενο μαξιλαρι αποφορτιστης αυχενα | |
JP2010063788A (ja) * | 2008-09-12 | 2010-03-25 | Daikin Ind Ltd | 体重管理システム |
WO2013054712A1 (ja) * | 2011-10-14 | 2013-04-18 | 株式会社タニタ | 睡眠評価システム及び睡眠評価装置 |
CN103565648A (zh) * | 2012-08-08 | 2014-02-12 | 台湾固美特有限公司 | 饮水提醒***及其提醒方法 |
CN108697327A (zh) * | 2017-09-27 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 一种生理信息监测方法、装置、设备和智能垫 |
CN108697391A (zh) * | 2016-02-18 | 2018-10-23 | Curaegis科技公司 | 警觉性预测***和方法 |
CN111462905A (zh) * | 2020-04-20 | 2020-07-28 | 深圳市云智眠科技有限公司 | 一种睡眠质量报告的计算方法和智能床垫 |
CN112891098A (zh) * | 2021-01-19 | 2021-06-04 | 重庆火后草科技有限公司 | 用于健康监测仪的体重测量方法 |
CN112914883A (zh) * | 2021-01-19 | 2021-06-08 | 重庆火后草科技有限公司 | 通过偏心置信度测量睡眠状态下的体重值的方法 |
CN112924007A (zh) * | 2021-01-19 | 2021-06-08 | 重庆火后草科技有限公司 | 基于目标睡眠的体重测量方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7898426B2 (en) * | 2008-10-01 | 2011-03-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Alertness estimator |
JP2010181377A (ja) * | 2009-02-09 | 2010-08-19 | Omron Healthcare Co Ltd | 体重管理装置、体重管理方法、および体重管理プログラム |
US9743848B2 (en) * | 2015-06-25 | 2017-08-29 | Whoop, Inc. | Heart rate variability with sleep detection |
-
2021
- 2021-11-09 CN CN202111321446.0A patent/CN113974567B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004097495A (ja) * | 2002-09-09 | 2004-04-02 | Yamatake Corp | 睡眠状態判定装置及び就寝モニタリングシステム |
JP3914251B1 (ja) * | 2006-04-12 | 2007-05-16 | 株式会社クロスウェル | 基礎代謝量測定装置と基礎代謝量測定システム |
JP3967365B1 (ja) * | 2006-12-12 | 2007-08-29 | 株式会社クロスウェル | 生体情報管理システムとその制御方法およびプログラム |
GR1006331B (el) * | 2008-03-26 | 2009-03-23 | Κινουμενο μαξιλαρι αποφορτιστης αυχενα | |
JP2010063788A (ja) * | 2008-09-12 | 2010-03-25 | Daikin Ind Ltd | 体重管理システム |
WO2013054712A1 (ja) * | 2011-10-14 | 2013-04-18 | 株式会社タニタ | 睡眠評価システム及び睡眠評価装置 |
CN103565648A (zh) * | 2012-08-08 | 2014-02-12 | 台湾固美特有限公司 | 饮水提醒***及其提醒方法 |
CN108697391A (zh) * | 2016-02-18 | 2018-10-23 | Curaegis科技公司 | 警觉性预测***和方法 |
CN108697327A (zh) * | 2017-09-27 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 一种生理信息监测方法、装置、设备和智能垫 |
CN111462905A (zh) * | 2020-04-20 | 2020-07-28 | 深圳市云智眠科技有限公司 | 一种睡眠质量报告的计算方法和智能床垫 |
CN112891098A (zh) * | 2021-01-19 | 2021-06-04 | 重庆火后草科技有限公司 | 用于健康监测仪的体重测量方法 |
CN112914883A (zh) * | 2021-01-19 | 2021-06-08 | 重庆火后草科技有限公司 | 通过偏心置信度测量睡眠状态下的体重值的方法 |
CN112924007A (zh) * | 2021-01-19 | 2021-06-08 | 重庆火后草科技有限公司 | 基于目标睡眠的体重测量方法 |
Non-Patent Citations (5)
Title |
---|
Characterization of SB-269970-A, a selective 5-HT7 receptor antagonist;Hagan, JJ et al;《BRITISH JOURNAL OF PHARMACOLOGY》;20000630;全文 * |
基于睡眠体动的早期抑郁症预警***;张扬;宋义林;;自动化技术与应用(第06期) * |
张扬 ; 宋义林 ; .基于睡眠体动的早期抑郁症预警***.自动化技术与应用.2018,(第06期), * |
睡眠压力指数诊断轻度阻塞性睡眠呼吸暂停综合征儿童认知功能损害价值研究;张静;张清清;孙汀;江帆;殷勇;陈洁;;中国实用儿科杂志;20151106(第11期);全文 * |
短期完全性睡眠剥夺对幼年大鼠生理和器官功能的影响;江帆;沈晓明;李生慧;余晓刚;颜崇淮;吴胜虎;金星明;;中国实用儿科杂志(第03期) * |
Also Published As
Publication number | Publication date |
---|---|
CN113974567A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104169680B (zh) | 使用气压传感器监测设备的高度改变 | |
US7637657B2 (en) | Electronic thermometer | |
US5216599A (en) | Method of processing data for determining the time of ovulation in an animal | |
US20170128052A1 (en) | Method and device for detecting physiological index | |
CN101124464B (zh) | 温度预测***和方法 | |
US7357776B2 (en) | Activity-induced energy expenditure estimating instrument | |
CN104921736A (zh) | 一种包含参数估计功能滤波模块的连续血糖监测设备 | |
CN106706165B (zh) | 一种温度测量的方法及装置 | |
CN106667528A (zh) | 一种可穿戴智能臂环及检测女性最佳受孕日的方法 | |
CN107209050A (zh) | 用于监测用户重量的变化的装置和方法 | |
CN103961066A (zh) | 一种测温方法及测温装置 | |
CN114027792B (zh) | 基于线性相关系数去干扰的睡眠过程的代谢率检测方法 | |
CN112924007A (zh) | 基于目标睡眠的体重测量方法 | |
CN113974567B (zh) | 睡眠过程的代谢率的计算方法 | |
WO2016101610A1 (zh) | 一种环境传感器和一种环境参数测量和预测方法 | |
CN110179444A (zh) | 一种婴幼儿体温检测脚环***及其检测方法 | |
CN112891098B (zh) | 用于健康监测仪的体重测量方法 | |
JPH06189914A (ja) | 生体リズム曲線測定装置 | |
CN117100237B (zh) | 一种居家养老用智能监测*** | |
CN105534477A (zh) | 女性备孕体征检测仪及检测方法 | |
CN113974568B (zh) | 基于斜率去干扰的睡眠过程的代谢率的计算方法 | |
JP3800469B2 (ja) | 婦人体温計 | |
KR102212113B1 (ko) | 전자직물 구조에서의 생체환경정보 측정 및 보정 방법 | |
CN201831887U (zh) | 电子血压计 | |
US10024709B2 (en) | Method and system to quickly determine a weight |
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 |