CN115910351B - 一种睡眠周期性检测量化及辅助干预的方法、***和装置 - Google Patents
一种睡眠周期性检测量化及辅助干预的方法、***和装置 Download PDFInfo
- Publication number
- CN115910351B CN115910351B CN202310195991.2A CN202310195991A CN115910351B CN 115910351 B CN115910351 B CN 115910351B CN 202310195991 A CN202310195991 A CN 202310195991A CN 115910351 B CN115910351 B CN 115910351B
- Authority
- CN
- China
- Prior art keywords
- sleep
- state
- environment
- periodic
- characteristic
- 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
- 230000007958 sleep Effects 0.000 title claims abstract description 563
- 230000000737 periodic effect Effects 0.000 title claims abstract description 253
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000011002 quantification Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 title claims description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 200
- 230000007613 environmental effect Effects 0.000 claims abstract description 175
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 121
- 230000008569 process Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 126
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 84
- 230000004617 sleep duration Effects 0.000 claims description 80
- 230000033228 biological regulation Effects 0.000 claims description 78
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical group [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 57
- 229910052760 oxygen Inorganic materials 0.000 claims description 57
- 239000001301 oxygen Substances 0.000 claims description 57
- 238000001228 spectrum Methods 0.000 claims description 53
- 239000001569 carbon dioxide Substances 0.000 claims description 42
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 42
- 239000011859 microparticle Substances 0.000 claims description 42
- 238000005286 illumination Methods 0.000 claims description 39
- 238000005457 optimization Methods 0.000 claims description 29
- 239000003570 air Substances 0.000 claims description 26
- 239000000654 additive Substances 0.000 claims description 19
- 230000000996 additive effect Effects 0.000 claims description 19
- 230000001105 regulatory effect Effects 0.000 claims description 18
- 230000036760 body temperature Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 16
- 238000009432 framing Methods 0.000 claims description 16
- 230000008667 sleep stage Effects 0.000 claims description 16
- 239000008280 blood Substances 0.000 claims description 15
- 210000004369 blood Anatomy 0.000 claims description 15
- 230000000241 respiratory effect Effects 0.000 claims description 15
- 238000009499 grossing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 210000004556 brain Anatomy 0.000 claims description 12
- 230000037053 non-rapid eye movement Effects 0.000 claims description 12
- 239000012080 ambient air Substances 0.000 claims description 11
- 206010062519 Poor quality sleep Diseases 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 claims description 7
- 238000012952 Resampling Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 2
- 230000000747 cardiac effect Effects 0.000 claims 1
- 238000004454 trace mineral analysis Methods 0.000 claims 1
- 230000003860 sleep quality Effects 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 22
- 230000008859 change Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 230000027288 circadian rhythm Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000033001 locomotion Effects 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
- 238000002496 oximetry Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了睡眠周期性检测量化及辅助干预的方法,包括:采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理、时帧处理和时帧状态特征分析,生成生理状态特征和环境状态特征;对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,提取睡眠周期性指数,生成睡眠周期性量化日报;重复上述步骤,对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案并对睡眠环境进行动态优化调整,生成睡眠周期性量化报告。本发明能够实现对用户睡眠周期性的实时或离线的分析量化和辅助干预,提升用户的睡眠周期性和睡眠质量。
Description
技术领域
本发明涉及睡眠周期性检测量化及辅助干预领域,特别涉及一种睡眠周期性检测量化及辅助干预的方法、***和装置。
背景技术
睡眠是人的基本生理需求和生命健康基本保障,睡眠时间约占人的三分之一生命时间。随着社会经济的快速发展,工作、家庭、经济和社会等诸多压力持续增加,人们睡眠问题也日益突出和日益扬中,也导致了生理和心理相关疾病的患病风险也不断增加。按照美国睡眠医学会的指导规则,人类的睡眠分期包括清醒期,非快眼动睡眠期NREM(浅睡眠1期、浅睡眠2期、深睡眠期),快眼动睡眠期REM。良好的睡眠是一个周期循环过程且具备良好的周期性,NREM和REM交替出现,交替一次为一周期且往复循环,通常对于健康成年人来说,每个周期持续90-120分钟,每晚要经历4-5个周期。
睡眠周期性强度区别于睡眠昼夜节律和睡眠时相分期,睡眠昼夜节律广泛定义为多日长期的睡眠和觉醒、入睡和起床的24小时大尺度行为规律,睡眠时相分期则定义为一次睡眠过程中的浅睡眠、深睡眠和快速眼动睡眠相互交替的小周期情况;而睡眠周期性强度是用户睡眠状态连续变化中的睡眠正常周期交替模式连续变化水平,以及用户是否有能力维持正常睡眠模式正常交替连续变化的综合衡量,是睡眠实践评价中最不可或缺的一项指标。
目前无论在临床诊疗还是健康管理中,国内外都没有一个明确的方法来精确评价、量化用户的睡眠周期性强度,难以进一步科学地判断分析睡眠质量和睡眠效率,同时也没有数据依据作为抓手来实现对用户的睡眠周期性进行辅助干预,即对用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性的科学评价和辅助干预。
例如,专利文献CN115525081A公开了一种建筑室内环境自适应调节***及控制方法,其中数据处理模块用于综合使用者体态姿势信息和同时段环境采集信息,判断使用者的即时光热舒适度感受,生成相应的调节指令,并发送至对应的执行模块,然而上述方案也仅是笼统地提到了综合使用,并未对睡眠过程开展深入分析,也无提出可实施方式。CN114839890A公开了一种睡眠环境控制***,睡眠状态检测设备,其用于检测用户的生理数据,所述生理数据包括体动数据、心率数据、呼吸数据;分析模块根据检测模块的检测数据进行如下计算:(1)用户是否上床、是否有睡眠意愿或趋势的判断;(2)所处睡眠周期的判断;(3)入睡时间与节律改善计划是否相符的判断;(4)环境数据与预设环境数据是否相符的判断;(5)用户月、周、日的睡眠、唤醒、节律与大数据标准计划相符度的判断;但并没有教导如何进行计算得到睡眠周期。以上也看出现有技术中仅是提出了模糊的设想,对于睡眠周期如何计算,如何科学衡量环境因素对睡眠周期地影响,如何精准控制环境变化等都存在着盲区。
因此,现有技术有待改进以准确量化睡眠周期变化、高效改善用户睡眠体验。
发明内容
针对现有方法的以上缺陷及改进需求,本发明的目的在于提供一种睡眠周期性检测量化及辅助干预的方法,通过对用户的生理状态数据和环境状态数据进行持续采集分析和特征提取,实现对用户睡眠周期性的科学量化,进一步分析睡眠环境因素对睡眠周期性的关联影响,提取最佳睡眠周期性环境优化方案并实现对睡眠环境的动态优化调整,提升用户的睡眠周期性和睡眠质量,辅助用户相关的健康管理。本发明还提供了一种睡眠周期性检测量化及辅助干预的***,用于实现上述方法。本发明还提供了一种睡眠周期性检测量化及辅助干预的装置,用于实现上述***。
根据本发明的目的,本发明提出了一种睡眠周期性检测量化及辅助干预的方法,包括以下步骤:
采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;
对所述生理状态信息和所述环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;
对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
重复上述步骤,对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案并对睡眠环境进行动态优化调整,生成睡眠周期性量化报告。
更优地,所述生理状态数据至少包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据;所述生理状态信息至少包括脑电状态信息、心电状态信息、呼吸状态信息、血氧状态信息和体温状态信息。
更优地,所述环境状态数据至少包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据;所述环境状态信息至少包括光照状态信息、光谱状态信息、气压状态信息、温度状态信息、湿度状态信息、微颗粒状态信息、噪声状态信息、氧气浓度状态信息、二氧化碳浓度状态信息和甲醛浓度状态信息。
更优地,所述信号数据预处理至少包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理。
更优地,所述时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割。
更优地,所述时帧状态特征分析至少包括数值特征分析、包络特征分析、功率谱特征分析、熵特征分析、分形特征分析和复杂度特征分析。
更优地,所述生理状态特征至少包括脑电信号特征、心电信号特征、呼吸信号特征、血氧信号特征和体温信号特征。
更优地,所述环境状态特征至少包括所述环境状态指标均值特征序列,光照信号特征、光谱信号特征、气压信号特征、温度信号特征、湿度信号特征、微颗粒信号特征、噪声信号特征、氧气浓度信号特征、二氧化碳浓度信号特征和甲醛浓度信号特征;所述环境状态指标均值特征序列由所述环境状态信息中不同信息类型的状态信号均值组成,至少包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值。
更优地,所述对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报的步骤还具体包括:
对所述生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线;
对所述睡眠持续期状态特征曲线进行时序成分分析和周期性量化分析,提取所述睡眠周期性指数,生成所述睡眠周期性量化日报。
更优地,所述睡眠状态特征时相包括清醒期时相、快速眼动睡眠期时相、非快速眼动浅睡眠期时相和非快速眼动深睡眠期时相。
更优地,所述睡眠状态水平的取值划分方法,如下:
将每个睡眠状态特征时相划分为不同取值范围的水平等级,水平等级为连续正整数序列:
更优地,所述睡眠持续期状态特征曲线的提取方法,如下:
1)按时帧时序获取所述生理状态特征,识别当前帧的睡眠状态特征时相并确定睡眠状态水平的取值;
2)求得所有时帧的全部睡眠状态水平,生成睡眠状态水平曲线;
3)根据数据平滑处理方法,对所述睡眠状态水平曲线进行数据平滑处理,生成睡眠状态特征曲线;
4)基于所述睡眠状态特征曲线,以第一个非清醒期时相帧为开始,最后一个非清醒期时相为结束对所述睡眠状态特征曲线进行截取,得到所述睡眠持续期状态特征曲线。
更优地,所述数据平滑处理方法至少包括移动平均、均值滤波、SG滤波、低通滤波、卡尔曼滤波。
更优地,所述时序成分分析至少包括加性时序成分分析和乘性时序成分分析。
更优地,所述睡眠周期性指数的计算方法,包括:
1)获取所述睡眠持续期状态特征曲线;
2)判断所述睡眠持续期状态特征曲线的时序特性是加性时间序列还是乘性时间序列,选择对应的加性时序成分分析或乘性时序成分分析;
3)对所述睡眠持续期状态特征曲线进行对应的时序成分分析,得到睡眠持续期状态时序周期成分和睡眠持续期状态时序残差成分,计算得到睡眠周期性强度;
4)提取所述睡眠持续期状态特征曲线的睡眠周期性因子系数;
5)计算所述睡眠周期性强度与所述睡眠周期性因子系数的乘积,生成所述睡眠周期性指数。
更优地,所述睡眠周期性强度的计算方法,如下:
1)若所述睡眠持续期状态特征曲线是加性时间序列,计算公式如下:
2)若所述睡眠持续期状态特征曲线是乘性时间序列,计算公式如下:
更优地,所述睡眠周期性因子系数的计算公式,如下:
更优地,所述睡眠周期性量化日报至少包括睡眠周期性分析小结、所述睡眠周期性指数、所述睡眠状态水平曲线、所述睡眠持续期状态特征曲线、所述环境状态指标均值特征序列。
更优地,所述重复上述步骤,对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案并对睡眠环境进行动态优化调整,生成睡眠周期性量化报告的步骤还具体包括:
对用户的所述生理状态数据和所述环境状态数据进行连续多日持续采集监测和跟踪分析,得到所述环境状态指标均值特征序列曲线和所述睡眠周期性指数曲线;
计算所述环境状态指标均值特征序列曲线和所述睡眠周期性指数曲线的关联特征,得到所述睡眠周期性环境影响因子序列,提取所述最佳睡眠周期性环境方案;
根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成睡眠环境优化调整方案;
根据所述睡眠环境优化调整方案,连接睡眠环境调控设备,对睡眠环境进行动态优化调整;
根据所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案,生成所述睡眠周期性量化报告。
更优地,所述睡眠周期性量化报告至少包括睡眠周期性分析总结、睡眠周期性调整方案、所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案。
更优地,所述睡眠周期性环境影响因子序列至少包括环境光源光照关联性指数、环境光源光谱关联性指数、环境气压关联性指数、环境温度关联性指数、环境湿度关联性指数、环境微颗粒关联性指数、环境噪声关联性指数、环境氧气浓度关联性指数、环境二氧化碳浓度关联性指数和环境甲醛浓度关联性指数;所述最佳睡眠周期性环境方案至少包括环境光源光照指导参数、环境光源光谱指导参数、环境气压指导参数、环境温度指导参数、环境湿度指导参数、环境微颗粒指导参数、环境噪声指导参数、环境氧气浓度指导参数、环境二氧化碳浓度指导参数和环境甲醛浓度指导参数;所述睡眠环境优化调整方案至少包括环境光源光照执行参数、环境光源光谱执行参数、环境气压执行参数、环境温度执行参数、环境湿度执行参数、环境微颗粒执行参数、环境噪声执行参数、环境氧气浓度执行参数、环境二氧化碳浓度执行参数和环境甲醛浓度执行参数;所述睡眠环境调控设备至少包括环境光源光照调控设备、环境光源光谱调控设备、环境气压调控设备、环境温度调控设备、环境湿度调控设备、环境微颗粒调控设备、环境噪声调控设备、环境氧气浓度调控设备、环境二氧化碳浓度调控设备和环境甲醛浓度调控设备。
更优地,所述睡眠周期性环境影响因子序列的提取方法,包括:
1)对用户的所述生理状态数据和所述环境状态数据的连续监测和跟踪分析,计算获得每日的所述环境状态指标均值特征序列、所述睡眠周期性指数;
2)按照日期时序,计算得到全部日期对应的所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线;
3)依次计算所述环境状态指标均值特征序列曲线中一类型的环境状态指标均值曲线与所述睡眠周期性指数曲线的关联性特征,生成睡眠周期性环境指标均值关联矩阵;
4)按照睡眠环境状态信息的不同信息类型,对所述睡眠周期性环境指标均值关联矩阵中不同信息类型睡眠环境状态信息的关联系数指标进行系数调和,生成所述睡眠周期性环境影响因子序列。
更优地,所述最佳睡眠周期性环境方案的提取方法,包括:
1)对用户的所述生理状态数据和所述环境状态数据的连续监测和跟踪分析,计算获得每日的所述环境状态指标均值特征序列、所述睡眠周期性指数;
2)按照日期时序,计算得到全部日期对应的所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线;
3)基于所述睡眠周期性指数曲线进行预设睡眠周期性指数阈值判断,筛选所述睡眠周期性指数曲线超过预设睡眠周期性指数阈值的对应日期,生成最佳睡眠周期性指数日期集合;
4)判断所述最佳睡眠周期性指数日期集合是否为空集,若为空集则对所述最佳睡眠周期性指数曲线的所述睡眠周期性指数进行降序排列并筛选预设头部数量,生成所述最佳睡眠周期性指数日期集合;
5)根据所述最佳睡眠周期性指数日期集合的日期,从所述环境状态指标均值特征序列曲线中提取对应日期的环境状态指标均值特征,生成最佳睡眠环境状态指标均值集合;
6)按照睡眠环境状态信息的不同信息类型,对所述最佳睡眠环境状态指标均值集合进行环境状态指标融合处理,生成最佳睡眠周期性环境方案。
更优地,所述环境状态指标融合处理的计算方式至少包括均值处理、正态加权处理、递增加权处理和递减加权处理。
根据本发明的目的,本发明提出了一种睡眠周期性检测量化及辅助干预的***,包括以下模块:
状态采集处理模块,用于采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;
时帧特征分析模块,用于对所述生理状态信息和所述环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;
周期性量化分析模块,用于对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
连续跟踪分析模块,用于对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案,生成睡眠周期性量化报告;
环境辅助调控模块,用于根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成睡眠环境优化调整方案并对睡眠环境进行动态优化调整;
数据管理中心模块,用于对所述***的全部过程数据进行统一存储和运行管理。
更优地,所述状态采集处理模块包括以下功能单元:
生理状态监测单元,用于采集用户睡眠过程的所述生理状态数据;所述生理状态数据至少包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据;
环境状态监测单元,用于采集用户睡眠过程的所述环境状态数据;所述环境状态数据至少包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据;
信号预处理单元,用于对所述生理状态数据和所述环境状态数据进行所述信号数据预处理;所述信号数据预处理至少包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理;
数据时帧处理单元,用于对所述生理状态数据和所述环境状态数据进行所述时帧处理;所述时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割。
更优地,所述时帧特征分析模块包括以下功能单元:
数值特征分析单元,用于对所述生理状态信息和所述环境状态信息进行数值特征分析;
包络特征分析单元,用于对所述生理状态信息和所述环境状态信息进行包络特征分析;
功率谱特征分析单元,用于对所述生理状态信息和所述环境状态信息进行功率谱特征分析;
熵特征分析单元,用于对所述生理状态信息和所述环境状态信息进行熵特征分析;
分形特征分析单元,用于对所述生理状态信息和所述环境状态信息进行分形特征分析;
复杂度特征分析单元,用于对所述生理状态信息和所述环境状态信息进行复杂度特征分析;
生理特征整合单元,用于整合生成所述生理状态特征;所述生理状态特征至少包括脑电信号特征、心电信号特征、呼吸信号特征、血氧信号特征和体温信号特征;
环境特征整合单元,用于整合生成所述环境状态特征;所述环境状态特征至少包括所述环境状态指标均值特征序列,光照信号特征、光谱信号特征、气压信号特征、温度信号特征、湿度信号特征、微颗粒信号特征、噪声信号特征、氧气浓度信号特征、二氧化碳浓度信号特征和甲醛浓度信号特征。
更优地,所述周期性量化分析模块包括以下功能单元:
睡眠状态识别单元,用于对所述生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线;
周期量化分析单元,用于对所述睡眠持续期状态特征曲线进行时序成分分析和周期性量化分析,提取所述睡眠周期性指数;所述时序成分分析至少包括加性时序成分分析和乘性时序成分分析;
量化日报生成单元,用于生成所述睡眠周期性量化日报;所述睡眠周期性量化日报至少包括睡眠周期性分析小结、所述睡眠周期性指数、所述睡眠状态水平曲线、所述睡眠持续期状态特征曲线、所述环境状态指标均值特征序列。
更优地,所述连续跟踪分析模块包括以下功能单元:
跟踪量化分析单元,用于对用户的所述生理状态数据和所述环境状态数据进行连续多日持续采集监测和跟踪分析,得到所述环境状态指标均值特征序列曲线和所述睡眠周期性指数曲线;
环境影响分析单元,用于计算所述环境状态指标均值特征序列曲线和所述睡眠周期性指数曲线的关联特征,得到所述睡眠周期性环境影响因子序列;所述睡眠周期性环境影响因子序列至少包括环境光源光照关联性指数、环境光源光谱关联性指数、环境气压关联性指数、环境温度关联性指数、环境湿度关联性指数、环境微颗粒关联性指数、环境噪声关联性指数、环境氧气浓度关联性指数、环境二氧化碳浓度关联性指数和环境甲醛浓度关联性指数;
最佳环境提取单元,用于提取所述最佳睡眠周期性环境方案;所述最佳睡眠周期性环境方案至少包括环境光源光照指导参数、环境光源光谱指导参数、环境气压指导参数、环境温度指导参数、环境湿度指导参数、环境微颗粒指导参数、环境噪声指导参数、环境氧气浓度指导参数、环境二氧化碳浓度指导参数和环境甲醛浓度指导参数;
量化报告生成单元,用于根据所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案,生成所述睡眠周期性量化报告;所述睡眠周期性量化报告至少包括睡眠周期性分析总结、睡眠周期性调整方案、所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案。
更优地,所述环境辅助调控模块包括以下功能单元:
环境方案生成单元,用于根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成所述睡眠环境优化调整方案;所述睡眠环境优化调整方案至少包括环境光源光照执行参数、环境光源光谱执行参数、环境气压执行参数、环境温度执行参数、环境湿度执行参数、环境微颗粒执行参数、环境噪声执行参数、环境氧气浓度执行参数、环境二氧化碳浓度执行参数和环境甲醛浓度执行参数;
环境动态调控单元,用于根据所述睡眠环境优化调整方案,连接睡眠环境调控设备,对用户睡眠环境进行动态优化调控;所述睡眠环境调控设备至少包括环境光源光照调控设备、环境光源光谱调控设备、环境气压调控设备、环境温度调控设备、环境湿度调控设备、环境微颗粒调控设备、环境噪声调控设备、环境氧气浓度调控设备、环境二氧化碳浓度调控设备和环境甲醛浓度调控设备。
根据本发明的目的,本发明提出了一种睡眠周期性检测量化及辅助干预的装置,包括以下模组:
状态采集处理模组,用于采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;
周期特征分析模组,用于对所述生理状态信息和所述环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
连续跟踪分析模组,用于对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案,生成睡眠周期性量化报告;
环境辅助调控模组,用于根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成睡眠环境优化调整方案并对睡眠环境进行动态优化调整;
数据可视化模组,用于所述装置的所有过程数据、所述生理状态数据、所述环境状态数据、所述睡眠周期性量化日报、所述睡眠周期性量化报告、所述最佳睡眠周期性环境方案和所述睡眠环境优化调整方案的可视化展现;
数据管理中心模组,用于对所述装置的全部过程数据进行统一存储和运行管理。
本发明所提供的睡眠周期性检测量化及辅助干预的方法、***和装置,具备实时分析特性和离线分析特性,通过对用户的生理体征数据和环境因素数据进行采集分析和特征提取,满足用户睡眠周期性的实时或离线的分析量化和辅助干预。由于不同用户不同环境的差异,利用这种动态分析调整充分挖掘了睡眠的多个关联关系实现对用户睡眠周期性的科学量化,能够将不同个体的差异纳入调整过程,是一个不断学习和迭代的***。基于分析睡眠环境因素对睡眠周期性的关联影响,提取最佳环境优化方案。本发明能够赋能或协同其他睡眠相关产品和服务,部署在各种人居环境中,提升用户的睡眠周期性和睡眠质量,辅助用户相关的健康管理。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明一实施例所提供的一种睡眠周期性检测量化及辅助干预的方法的流程步骤示意图;
图2是本发明一实施例所提供的一种睡眠周期性检测量化及辅助干预的***的模块组成示意图;
图3是本发明一实施例所提供的一种睡眠周期性检测量化及辅助干预的装置的模组构成示意图。
具体实施方式
为了更清楚地说明本发明的目的和技术方案,下面将结合本发明申请实施例中的附图,对本发明进行进一步介绍说明。显而易见地,下面描述的实施例仅是本发明一部分实施例,而不是全部的实施例。在没有创造性劳动前提下,本领域普通技术人员基于本发明的实施例所得到的其他实施例,都应属于本发明的保护范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
如图1所示,本发明实施例提供的一种睡眠周期性检测量化及辅助干预的方法,包括以下步骤:
P100:采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息。
本实施例中,生理状态数据至少包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据;生理状态信息至少包括脑电状态信息、心电状态信息、呼吸状态信息、血氧状态信息和体温状态信息。
本实施例中,环境状态数据至少包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据;环境状态信息至少包括光照状态信息、光谱状态信息、气压状态信息、温度状态信息、湿度状态信息、微颗粒状态信息、噪声状态信息、氧气浓度状态信息、二氧化碳浓度状态信息和甲醛浓度状态信息。
本实施例中,信号数据预处理至少包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理。生理状态数据的数据预处理主要是对脑电信号和心电信号进行去伪迹、小波降噪、50hz陷波以及0.1-45hz带通滤波;对呼吸信号、血氧信号和体温信号进行伪迹、小波降噪、50hz陷波以及0.01-5hz带通滤波。环境状态数据的数据预处理主要是A/D转换、去伪迹、小波降噪。
本实施例中,时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割,预设分帧时长和预设分帧步长都为10秒钟,即无重叠的窗口滑动切割。
P200:对所述生理状态信息和所述环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征。
本实施例中,时帧状态特征分析至少包括数值特征分析、包络特征分析、功率谱特征分析、熵特征分析、分形特征分析和复杂度特征分析。
本实施例中,对生理状态信息进行时帧状态特征分析,生成生理状态特征;生理状态特征至少包括脑电信号特征、心电信号特征、呼吸信号特征、血氧信号特征和体温信号特征。
本实施例中,对环境状态信息进行时帧状态特征分析,生成环境状态特征;环境状态特征至少包括环境状态指标均值特征序列,光照信号特征、光谱信号特征、气压信号特征、温度信号特征、湿度信号特征、微颗粒信号特征、噪声信号特征、氧气浓度信号特征、二氧化碳浓度信号特征和甲醛浓度信号特征;环境状态指标均值特征序列由环境状态信息中不同信息类型的状态信号均值组成,至少包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值。
P300:对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报。
第一步,对生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线。
本实施例中,首先根据AASM睡眠分期规则及睡眠行为分析原则、睡眠分期深度学***;其次,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线。
本实施例中,睡眠状态特征时相包括清醒期时相、快速眼动睡眠期时相、非快速眼动浅睡眠期时相和非快速眼动深睡眠期时相。
本实施例中,睡眠状态水平的取值划分方法为将每个睡眠状态特征时相划分为不同取值范围的水平等级,水平等级为连续正整数序列:
本实施例中,睡眠持续期状态特征曲线的提取方法,如下:
1)按时帧时序获取生理状态特征,识别当前帧的睡眠状态特征时相并确定睡眠状态水平的取值;
2)求得所有时帧的全部睡眠状态水平,生成睡眠状态水平曲线;
3)根据数据平滑处理方法,对睡眠状态水平曲线进行数据平滑处理(移动平均),生成睡眠状态特征曲线;
4)基于睡眠状态特征曲线,以第一个非清醒期时相帧为开始,最后一个非清醒期时相为结束对睡眠状态特征曲线进行截取,得到睡眠持续期状态特征曲线。
第二步,对睡眠持续期状态特征曲线进行时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报。
本实施例中,首先确定睡眠持续期状态特征曲线的特性并完成时序成分分析,时序成分分析至少包括加性时序成分分析和乘性时序成分分析;其次,完成睡眠周期性指数的计算和量化日报的生成。
本实施例中,睡眠周期性指数的计算方法,包括:
1)获取睡眠持续期状态特征曲线;
2)判断睡眠持续期状态特征曲线的时序特性是加性时间序列还是乘性时间序列,选择对应的加性时序成分分析或乘性时序成分分析;
3)对睡眠持续期状态特征曲线进行对应的时序成分分析,得到睡眠持续期状态时序周期成分和睡眠持续期状态时序残差成分,计算得到睡眠周期性强度;
4)提取睡眠持续期状态特征曲线的睡眠周期性因子系数;
5)计算睡眠周期性强度与睡眠周期性因子系数的乘积,生成睡眠周期性指数。
本实施例中,睡眠周期性强度的计算方法,如下:
1)若睡眠持续期状态特征曲线是加性时间序列,计算公式如下:
2)若睡眠持续期状态特征曲线是乘性时间序列,计算公式如下:
本实施例中,睡眠周期性因子系数的计算公式,如下:
本实施例中,睡眠周期性量化日报至少包括睡眠周期性分析小结、睡眠周期性指数、睡眠状态水平曲线、睡眠持续期状态特征曲线、环境状态指标均值特征序列。
P400:重复上述步骤,对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案并对睡眠环境进行动态优化调整,生成睡眠周期性量化报告。
第一步,对用户的生理状态数据和环境状态数据进行连续多日持续采集监测和跟踪分析,得到环境状态指标均值特征序列曲线和睡眠周期性指数曲线。
第二步,计算环境状态指标均值特征序列曲线和睡眠周期性指数曲线的关联特征,得到睡眠周期性环境影响因子序列,提取最佳睡眠周期性环境方案。
本实施例中,睡眠周期性环境影响因子序列至少包括环境光源光照关联性指数、环境光源光谱关联性指数、环境气压关联性指数、环境温度关联性指数、环境湿度关联性指数、环境微颗粒关联性指数、环境噪声关联性指数、环境氧气浓度关联性指数、环境二氧化碳浓度关联性指数和环境甲醛浓度关联性指数。睡眠周期性环境影响因子序列的提取方法,包括:
1)对用户的生理状态数据和环境状态数据的连续监测和跟踪分析,计算获得每日的环境状态指标均值特征序列、睡眠周期性指数;
2)按照日期时序,计算得到全部日期对应的环境状态指标均值特征序列曲线、睡眠周期性指数曲线;
3)依次计算环境状态指标均值特征序列曲线中一类型的环境状态指标均值曲线与睡眠周期性指数曲线的关联性特征,生成睡眠周期性环境指标均值关联矩阵;
4)按照睡眠环境状态信息的不同信息类型,对睡眠周期性环境指标均值关联矩阵中不同信息类型睡眠环境状态信息的关联系数指标进行系数调和,生成睡眠周期性环境影响因子序列。
第三步,根据最佳睡眠周期性环境方案,结合当前的环境状态信息,生成睡眠环境优化调整方案。
本实施例中,最佳睡眠周期性环境方案至少包括环境光源光照指导参数、环境光源光谱指导参数、环境气压指导参数、环境温度指导参数、环境湿度指导参数、环境微颗粒指导参数、环境噪声指导参数、环境氧气浓度指导参数、环境二氧化碳浓度指导参数和环境甲醛浓度指导参数。最佳睡眠周期性环境方案的提取方法,包括:
1)对用户的生理状态数据和环境状态数据的连续监测和跟踪分析,计算获得每日的环境状态指标均值特征序列、睡眠周期性指数;
2)按照日期时序,计算得到全部日期对应的环境状态指标均值特征序列曲线、睡眠周期性指数曲线;
3)基于睡眠周期性指数曲线进行预设睡眠周期性指数阈值判断,筛选睡眠周期性指数曲线超过预设睡眠周期性指数阈值的对应日期,生成最佳睡眠周期性指数日期集合;
4)判断最佳睡眠周期性指数日期集合是否为空集,若为空集则对最佳睡眠周期性指数曲线的睡眠周期性指数进行降序排列并筛选预设头部数量,生成最佳睡眠周期性指数日期集合;
5)根据最佳睡眠周期性指数日期集合的日期,从环境状态指标均值特征序列曲线中提取对应日期的环境状态指标均值特征,生成最佳睡眠环境状态指标均值集合;
6)按照睡眠环境状态信息的不同信息类型,对最佳睡眠环境状态指标均值集合进行环境状态指标融合处理,生成最佳睡眠周期性环境方案。
本实施例中,环境状态指标融合处理的计算方式至少包括均值处理、正态加权处理、递增加权处理和递减加权处理。
本实施例中,睡眠环境优化调整方案至少包括环境光源光照执行参数、环境光源光谱执行参数、环境气压执行参数、环境温度执行参数、环境湿度执行参数、环境微颗粒执行参数、环境噪声执行参数、环境氧气浓度执行参数、环境二氧化碳浓度执行参数和环境甲醛浓度执行参数。
第四步,根据睡眠环境优化调整方案,连接睡眠环境调控设备,对睡眠环境进行动态优化调整。
本实施例中,睡眠环境调控设备至少包括环境光源光照调控设备、环境光源光谱调控设备、环境气压调控设备、环境温度调控设备、环境湿度调控设备、环境微颗粒调控设备、环境噪声调控设备、环境氧气浓度调控设备、环境二氧化碳浓度调控设备和环境甲醛浓度调控设备。
第五步,根据环境状态指标均值特征序列曲线、睡眠周期性指数曲线、睡眠周期性环境影响因子序列和最佳睡眠周期性环境方案,生成睡眠周期性量化报告。
本实施例中,睡眠周期性量化报告至少包括睡眠周期性分析总结、睡眠周期性调整方案、环境状态指标均值特征序列曲线、睡眠周期性指数曲线、睡眠周期性环境影响因子序列和最佳睡眠周期性环境方案。
如图2所示,本发明实施例提供的一种睡眠周期性检测量化及辅助干预的***,所述***被构造以用于执行上述各个方法步骤。所述***包括如下模块:
状态采集处理模块S100,用于采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;
时帧特征分析模块S200,用于对生理状态信息和环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;
周期性量化分析模块S300,用于对生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
连续跟踪分析模块S400,用于对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案,生成睡眠周期性量化报告;
环境辅助调控模块S500,用于根据最佳睡眠周期性环境方案,结合当前的环境状态信息,生成睡眠环境优化调整方案并对睡眠环境进行动态优化调整;
数据管理中心模块S600,用于对***的全部过程数据进行统一存储和运行管理。
本实施例中,状态采集处理模块S100包括以下功能单元:
生理状态监测单元S110,用于采集用户睡眠过程的生理状态数据;生理状态数据至少包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据;
环境状态监测单元S120,用于采集用户睡眠过程的环境状态数据;环境状态数据至少包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据;
信号预处理单元S130,用于对生理状态数据和环境状态数据进行信号数据预处理;信号数据预处理至少包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理;
数据时帧处理单元S140,用于对生理状态数据和环境状态数据进行时帧处理;时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割。
本实施例中,时帧特征分析模块S200包括以下功能单元:
数值特征分析单元S210,用于对生理状态信息和环境状态信息进行数值特征分析;
包络特征分析单元S220,用于对生理状态信息和环境状态信息进行包络特征分析;
功率谱特征分析单元S230,用于对生理状态信息和环境状态信息进行功率谱特征分析;
熵特征分析单元S240,用于对生理状态信息和环境状态信息进行熵特征分析;
分形特征分析单元S250,用于对生理状态信息和环境状态信息进行分形特征分析;
复杂度特征分析单元S260,用于对生理状态信息和环境状态信息进行复杂度特征分析;
生理特征整合单元S270,用于整合生成生理状态特征;生理状态特征至少包括脑电信号特征、心电信号特征、呼吸信号特征、血氧信号特征和体温信号特征;
环境特征整合单元S280,用于整合生成环境状态特征;环境状态特征至少包括环境状态指标均值特征序列,光照信号特征、光谱信号特征、气压信号特征、温度信号特征、湿度信号特征、微颗粒信号特征、噪声信号特征、氧气浓度信号特征、二氧化碳浓度信号特征和甲醛浓度信号特征。
本实施例中,周期性量化分析模块S300包括以下功能单元:
睡眠状态识别单元S310,用于根据对生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线;
周期量化分析单元S320,用于对睡眠持续期状态特征曲线进行时序成分分析和周期性量化分析,提取睡眠周期性指数;时序成分分析至少包括加性时序成分分析和乘性时序成分分析;
量化日报生成单元S330,用于生成睡眠周期性量化日报;睡眠周期性量化日报至少包括睡眠周期性分析小结、睡眠周期性指数、睡眠状态水平曲线、睡眠持续期状态特征曲线、环境状态指标均值特征序列。
本实施例中,连续跟踪分析模块S400包括以下功能单元:
跟踪量化分析单元S410,用于对用户的生理状态数据和环境状态数据进行连续多日持续采集监测和跟踪分析,得到环境状态指标均值特征序列曲线和睡眠周期性指数曲线;
环境影响分析单元S420,用于计算环境状态指标均值特征序列曲线和睡眠周期性指数曲线的关联特征,得到睡眠周期性环境影响因子序列;,睡眠周期性环境影响因子序列至少包括环境光源光照关联性指数、环境光源光谱关联性指数、环境气压关联性指数、环境温度关联性指数、环境湿度关联性指数、环境微颗粒关联性指数、环境噪声关联性指数、环境氧气浓度关联性指数、环境二氧化碳浓度关联性指数和环境甲醛浓度关联性指数;
最佳环境提取单元S430,用于提取最佳睡眠周期性环境方案;最佳睡眠周期性环境方案至少包括环境光源光照指导参数、环境光源光谱指导参数、环境气压指导参数、环境温度指导参数、环境湿度指导参数、环境微颗粒指导参数、环境噪声指导参数、环境氧气浓度指导参数、环境二氧化碳浓度指导参数和环境甲醛浓度指导参数;
量化报告生成单元S440,用于根据环境状态指标均值特征序列曲线、睡眠周期性指数曲线、睡眠周期性环境影响因子序列和最佳睡眠周期性环境方案,生成睡眠周期性量化报告;睡眠周期性量化报告至少包括睡眠周期性分析总结、睡眠周期性调整方案、环境状态指标均值特征序列曲线、睡眠周期性指数曲线、睡眠周期性环境影响因子序列和最佳睡眠周期性环境方案。
本实施例中,环境辅助调控模块S500包括以下功能单元:
环境方案生成单元S510,用于根据最佳睡眠周期性环境方案,结合当前的环境状态信息,生成睡眠环境优化调整方案;睡眠环境优化调整方案至少包括环境光源光照执行参数、环境光源光谱执行参数、环境气压执行参数、环境温度执行参数、环境湿度执行参数、环境微颗粒执行参数、环境噪声执行参数、环境氧气浓度执行参数、环境二氧化碳浓度执行参数和环境甲醛浓度执行参数;
环境动态调控单元S520,用于根据睡眠环境优化调整方案,连接睡眠环境调控设备,对用户睡眠环境进行动态优化调控;睡眠环境调控设备至少包括环境光源光照调控设备、环境光源光谱调控设备、环境气压调控设备、环境温度调控设备、环境湿度调控设备、环境微颗粒调控设备、环境噪声调控设备、环境氧气浓度调控设备、环境二氧化碳浓度调控设备和环境甲醛浓度调控设备。
如图3所示,本发明实施例提供的一种睡眠周期性检测量化及辅助干预的装置,包括以下模组:
状态采集处理模组M100,用于采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;
周期特征分析模组M200,用于对生理状态信息和环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;对生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
连续跟踪分析模组M300,用于对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案,生成睡眠周期性量化报告;
环境辅助调控模组M400,用于根据最佳睡眠周期性环境方案,结合当前的环境状态信息,生成睡眠环境优化调整方案并对睡眠环境进行动态优化调整;
数据可视化模组M500,用于装置的所有过程数据、生理状态数据、环境状态数据、睡眠周期性量化日报、睡眠周期性量化报告、最佳睡眠周期性环境方案和睡眠环境优化调整方案的可视化展现;
数据管理中心模组M600,用于对装置的全部过程数据进行统一存储和运行管理。
所述装置被构造以用于对应执行图1的方法钟的各个步骤,在此不再赘述。
本发明还提供了可编程的各类处理器(FPGA、ASIC或其他集成电路),所述处理器用于运行程序,其中,所述程序运行时执行上述实施例中的步骤。
本发明还提供了对应的计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述存储器执行所述程序时实现上述实施例中的步骤。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和原则的前提下,可以在实施的形式及细节上进行任何的修改与变化、等同替换等,这些都属于本发明的保护范围。因此,本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (28)
1.一种睡眠周期性检测量化及辅助干预的方法,其特征在于,包括以下步骤:
采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;所述时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割;
对所述生理状态信息和所述环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;所述时帧状态特征分析包括数值特征分析、包络特征分析、功率谱特征分析、熵特征分析、分形特征分析和复杂度特征分析至少一项;
对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
重复上述步骤,对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案并对睡眠环境进行动态优化调整,生成睡眠周期性量化报告;
所述睡眠周期性指数的计算方法包括:
1) 获取睡眠持续期状态特征曲线;
2) 判断所述睡眠持续期状态特征曲线的时序特性是加性时间序列还是乘性时间序列,选择对应的加性时序成分分析或乘性时序成分分析;
3) 对所述睡眠持续期状态特征曲线进行对应的时序成分分析,得到睡眠持续期状态时序周期成分和睡眠持续期状态时序残差成分,计算得到睡眠周期性强度;
4) 提取所述睡眠持续期状态特征曲线的睡眠周期性因子系数;
5) 计算所述睡眠周期性强度与所述睡眠周期性因子系数的乘积,生成所述睡眠周期性指数;
所述步骤1)包括:对所述生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线。
2.如权利要求1所述的方法,其特征在于,所述生理状态数据包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据至少一项;所述生理状态信息包括脑电状态信息、心电状态信息、呼吸状态信息、血氧状态信息和体温状态信息至少一项。
3.如权利要求2所述的方法,其特征在于:所述环境状态数据包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据至少一项;所述环境状态信息包括光照状态信息、光谱状态信息、气压状态信息、温度状态信息、湿度状态信息、微颗粒状态信息、噪声状态信息、氧气浓度状态信息、二氧化碳浓度状态信息和甲醛浓度状态信息至少一项。
4.如权利要求1所述的方法,其特征在于:所述信号数据预处理包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理。
5.如权利要求1所述的方法,其特征在于:所述生理状态特征包括脑电信号特征、心电信号特征、呼吸信号特征、血氧信号特征和体温信号特征至少一项。
6.如权利要求5所述的方法,其特征在于:所述环境状态特征包括环境状态指标均值特征序列,光照信号特征、光谱信号特征、气压信号特征、温度信号特征、湿度信号特征、微颗粒信号特征、噪声信号特征、氧气浓度信号特征、二氧化碳浓度信号特征和甲醛浓度信号特征至少一项;所述环境状态指标均值特征序列由所述环境状态信息中不同信息类型的状态信息均值组成,包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值至少一项。
7.如权利要求1-6任一项所述的方法,其特征在于,所述对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报的步骤还具体包括:
对所述生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线;
对所述睡眠持续期状态特征曲线进行时序成分分析和周期性量化分析,提取所述睡眠周期性指数,生成所述睡眠周期性量化日报。
8.如权利要求7所述的方法,其特征在于:所述睡眠状态特征时相包括清醒期时相、快速眼动睡眠期时相、非快速眼动浅睡眠期时相和非快速眼动深睡眠期时相。
10.如权利要求7所述的方法,其特征在于,所述睡眠持续期状态特征曲线的提取方法如下:
1)按时帧时序获取所述生理状态特征,识别当前帧的睡眠状态特征时相并确定睡眠状态水平的取值;
2)求得所有时帧的全部睡眠状态水平,生成睡眠状态水平曲线;
3)根据数据平滑处理方法,对所述睡眠状态水平曲线进行数据平滑处理,生成睡眠状态特征曲线;
4)基于所述睡眠状态特征曲线,以第一个非清醒期时相帧为开始,最后一个非清醒期时相帧为结束对所述睡眠状态特征曲线进行截取,得到所述睡眠持续期状态特征曲线。
11.如权利要求10所述的方法,其特征在于:所述数据平滑处理方法包括移动平均、均值滤波、SG滤波、低通滤波、卡尔曼滤波至少一项。
12.如权利要求7所述的方法,其特征在于:所述时序成分分析包括加性时序成分分析和乘性时序成分分析。
15.如权利要求1所述的方法,其特征在于:所述睡眠周期性量化日报包括睡眠周期性分析小结、所述睡眠周期性指数、睡眠状态水平曲线、睡眠持续期状态特征曲线、环境状态指标均值特征序列至少一项。
16.如权利要求1所述的方法,其特征在于:所述重复上述步骤,对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案并对睡眠环境进行动态优化调整,生成睡眠周期性量化报告的步骤还具体包括:
对用户的所述生理状态数据和所述环境状态数据进行连续多日持续采集监测和跟踪分析,得到环境状态指标均值特征序列曲线和睡眠周期性指数曲线;
计算所述环境状态指标均值特征序列曲线和所述睡眠周期性指数曲线的关联特征,得到睡眠周期性环境影响因子序列,提取所述最佳睡眠周期性环境方案;
根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成睡眠环境优化调整方案;
根据所述睡眠环境优化调整方案,连接睡眠环境调控设备,对睡眠环境进行动态优化调整;
根据所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案,生成所述睡眠周期性量化报告。
17.如权利要求16所述的方法,其特征在于:所述睡眠周期性量化报告包括睡眠周期性分析总结、睡眠周期性调整方案、所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案至少一项。
18.如权利要求16所述的方法,其特征在于:所述睡眠周期性环境影响因子序列包括环境光源光照关联性指数、环境光源光谱关联性指数、环境气压关联性指数、环境温度关联性指数、环境湿度关联性指数、环境微颗粒关联性指数、环境噪声关联性指数、环境氧气浓度关联性指数、环境二氧化碳浓度关联性指数和环境甲醛浓度关联性指数;所述最佳睡眠周期性环境方案包括环境光源光照指导参数、环境光源光谱指导参数、环境气压指导参数、环境温度指导参数、环境湿度指导参数、环境微颗粒指导参数、环境噪声指导参数、环境氧气浓度指导参数、环境二氧化碳浓度指导参数和环境甲醛浓度指导参数至少一项;
所述睡眠环境优化调整方案包括环境光源光照执行参数、环境光源光谱执行参数、环境气压执行参数、环境温度执行参数、环境湿度执行参数、环境微颗粒执行参数、环境噪声执行参数、环境氧气浓度执行参数、环境二氧化碳浓度执行参数和环境甲醛浓度执行参数至少一项;
所述睡眠环境调控设备包括环境光源光照调控设备、环境光源光谱调控设备、环境气压调控设备、环境温度调控设备、环境湿度调控设备、环境微颗粒调控设备、环境噪声调控设备、环境氧气浓度调控设备、环境二氧化碳浓度调控设备和环境甲醛浓度调控设备至少一项。
19.如权利要求16所述的方法,其特征在于,所述睡眠周期性环境影响因子序列的提取方法包括:
1)对用户的所述生理状态数据和所述环境状态数据的连续监测和跟踪分析,计算获得每日的所述环境状态指标均值特征序列、所述睡眠周期性指数;
2)按照日期时序,计算得到全部日期对应的所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线;
3)依次计算所述环境状态指标均值特征序列曲线中一类型的环境状态指标均值曲线与所述睡眠周期性指数曲线的关联性特征,生成睡眠周期性环境指标均值关联矩阵;
4)按照睡眠环境状态信息的不同信息类型,对所述睡眠周期性环境指标均值关联矩阵中不同信息类型睡眠环境状态信息的关联系数指标进行系数调和,生成所述睡眠周期性环境影响因子序列。
20.如权利要求16所述的方法,其特征在于,所述最佳睡眠周期性环境方案的提取方法包括:
1)对用户的所述生理状态数据和所述环境状态数据的连续监测和跟踪分析,计算获得每日的所述环境状态指标均值特征序列、所述睡眠周期性指数;
2)按照日期时序,计算得到全部日期对应的所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线;
3)基于所述睡眠周期性指数曲线进行预设睡眠周期性指数阈值判断,筛选所述睡眠周期性指数曲线超过预设睡眠周期性指数阈值的对应日期,生成最佳睡眠周期性指数日期集合;
4)判断所述最佳睡眠周期性指数日期集合是否为空集,若为空集则对最佳睡眠周期性指数曲线的所述睡眠周期性指数进行降序排列并筛选预设头部数量,生成所述最佳睡眠周期性指数日期集合;
5)根据所述最佳睡眠周期性指数日期集合的日期,从所述环境状态指标均值特征序列曲线中提取对应日期的环境状态指标均值特征,生成最佳睡眠环境状态指标均值集合;
6)按照睡眠环境状态信息的不同信息类型,对所述最佳睡眠环境状态指标均值集合进行环境状态指标融合处理,生成最佳睡眠周期性环境方案。
21.如权利要求20所述的方法,其特征在于:所述环境状态指标融合处理的计算方式包括均值处理、正态加权处理、递增加权处理和递减加权处理至少一项。
22.一种睡眠周期性检测量化及辅助干预的***,其特征在于,包括以下模块:
状态采集处理模块,用于采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;
时帧特征分析模块,用于对所述生理状态信息和所述环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;
周期性量化分析模块,用于对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
连续跟踪分析模块,用于对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案,生成睡眠周期性量化报告;
环境辅助调控模块,用于根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成睡眠环境优化调整方案并对睡眠环境进行动态优化调整;
数据管理中心模块,用于对所述***的全部过程数据进行统一存储和运行管理;
所述时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割;所述时帧状态特征分析包括数值特征分析、包络特征分析、功率谱特征分析、熵特征分析、分形特征分析和复杂度特征分析至少一项;
所述睡眠周期性指数的计算方法包括:
1) 获取睡眠持续期状态特征曲线;
2) 判断所述睡眠持续期状态特征曲线的时序特性是加性时间序列还是乘性时间序列,选择对应的加性时序成分分析或乘性时序成分分析;
3) 对所述睡眠持续期状态特征曲线进行对应的时序成分分析,得到睡眠持续期状态时序周期成分和睡眠持续期状态时序残差成分,计算得到睡眠周期性强度;
4) 提取所述睡眠持续期状态特征曲线的睡眠周期性因子系数;
5) 计算所述睡眠周期性强度与所述睡眠周期性因子系数的乘积,生成所述睡眠周期性指数;
所述步骤1)包括:对所述生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线。
23.如权利要求22所述的***,其特征在于,所述状态采集处理模块包括以下功能单元:
生理状态监测单元,用于采集用户睡眠过程的所述生理状态数据;所述生理状态数据包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据至少一项;
环境状态监测单元,用于采集用户睡眠过程的所述环境状态数据;所述环境状态数据包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据至少一项;
信号预处理单元,用于对所述生理状态数据和所述环境状态数据进行所述信号数据预处理;所述信号数据预处理包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理;
数据时帧处理单元,用于对所述生理状态数据和所述环境状态数据进行所述时帧处理;所述时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割。
24.如权利要求22所述的***,其特征在于,所述时帧特征分析模块包括以下功能单元:
数值特征分析单元,用于对所述生理状态信息和所述环境状态信息进行数值特征分析;
包络特征分析单元,用于对所述生理状态信息和所述环境状态信息进行包络特征分析;
功率谱特征分析单元,用于对所述生理状态信息和所述环境状态信息进行功率谱特征分析;
熵特征分析单元,用于对所述生理状态信息和所述环境状态信息进行熵特征分析;
分形特征分析单元,用于对所述生理状态信息和所述环境状态信息进行分形特征分析;
复杂度特征分析单元,用于对所述生理状态信息和所述环境状态信息进行复杂度特征分析;
生理特征整合单元,用于整合生成所述生理状态特征;所述生理状态特征包括脑电信号特征、心电信号特征、呼吸信号特征、血氧信号特征和体温信号特征至少一项;
环境特征整合单元,用于整合生成所述环境状态特征;所述环境状态特征包括环境状态指标均值特征序列,光照信号特征、光谱信号特征、气压信号特征、温度信号特征、湿度信号特征、微颗粒信号特征、噪声信号特征、氧气浓度信号特征、二氧化碳浓度信号特征和甲醛浓度信号特征至少一项。
25.如权利要求22所述的***,其特征在于,所述周期性量化分析模块包括以下功能单元:
睡眠状态识别单元,用于对所述生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线;
周期量化分析单元,用于对所述睡眠持续期状态特征曲线进行时序成分分析和周期性量化分析,提取所述睡眠周期性指数;所述时序成分分析包括加性时序成分分析和乘性时序成分分析;
量化日报生成单元,用于生成所述睡眠周期性量化日报;所述睡眠周期性量化日报包括睡眠周期性分析小结、所述睡眠周期性指数、睡眠状态水平曲线、所述睡眠持续期状态特征曲线、环境状态指标均值特征序列至少一项。
26.如权利要求22所述的***,其特征在于,所述连续跟踪分析模块包括以下功能单元:
跟踪量化分析单元,用于对用户的所述生理状态数据和所述环境状态数据进行连续多日持续采集监测和跟踪分析,得到环境状态指标均值特征序列曲线和所述睡眠周期性指数曲线;
环境影响分析单元,用于计算所述环境状态指标均值特征序列曲线和所述睡眠周期性指数曲线的关联特征,得到睡眠周期性环境影响因子序列;所述睡眠周期性环境影响因子序列包括环境光源光照关联性指数、环境光源光谱关联性指数、环境气压关联性指数、环境温度关联性指数、环境湿度关联性指数、环境微颗粒关联性指数、环境噪声关联性指数、环境氧气浓度关联性指数、环境二氧化碳浓度关联性指数和环境甲醛浓度关联性指数至少一项;
最佳环境提取单元,用于提取所述最佳睡眠周期性环境方案;所述最佳睡眠周期性环境方案包括环境光源光照指导参数、环境光源光谱指导参数、环境气压指导参数、环境温度指导参数、环境湿度指导参数、环境微颗粒指导参数、环境噪声指导参数、环境氧气浓度指导参数、环境二氧化碳浓度指导参数和环境甲醛浓度指导参数至少一项;
量化报告生成单元,用于根据所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案,生成所述睡眠周期性量化报告;所述睡眠周期性量化报告包括睡眠周期性分析总结、睡眠周期性调整方案、所述环境状态指标均值特征序列曲线、所述睡眠周期性指数曲线、所述睡眠周期性环境影响因子序列和所述最佳睡眠周期性环境方案至少一项。
27.如权利要求22-26任一项所述的***,其特征在于,所述环境辅助调控模块包括以下功能单元:
环境方案生成单元,用于根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成所述睡眠环境优化调整方案;所述睡眠环境优化调整方案包括环境光源光照执行参数、环境光源光谱执行参数、环境气压执行参数、环境温度执行参数、环境湿度执行参数、环境微颗粒执行参数、环境噪声执行参数、环境氧气浓度执行参数、环境二氧化碳浓度执行参数和环境甲醛浓度执行参数至少一项;
环境动态调控单元,用于根据所述睡眠环境优化调整方案,连接睡眠环境调控设备,对用户睡眠环境进行动态优化调控;所述睡眠环境调控设备包括环境光源光照调控设备、环境光源光谱调控设备、环境气压调控设备、环境温度调控设备、环境湿度调控设备、环境微颗粒调控设备、环境噪声调控设备、环境氧气浓度调控设备、环境二氧化碳浓度调控设备和环境甲醛浓度调控设备至少一项。
28.一种睡眠周期性检测量化及辅助干预的装置,其特征在于,包括以下模组:
状态采集处理模组,用于采集用户睡眠过程的生理状态数据和环境状态数据,进行信号数据预处理和时帧处理,得到生理状态信息和环境状态信息;
周期特征分析模组,用于对所述生理状态信息和所述环境状态信息进行时帧状态特征分析,生成生理状态特征和环境状态特征;对所述生理状态特征进行睡眠状态分析、时序成分分析和周期性量化分析,评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性,提取睡眠周期性指数,生成睡眠周期性量化日报;
连续跟踪分析模组,用于对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠周期性的影响,提取最佳睡眠周期性环境方案,生成睡眠周期性量化报告;
环境辅助调控模组,用于根据所述最佳睡眠周期性环境方案,结合当前的所述环境状态信息,生成睡眠环境优化调整方案并对睡眠环境进行动态优化调整;
数据可视化模组,用于所述装置的所有过程数据、所述生理状态数据、所述环境状态数据、所述睡眠周期性量化日报、所述睡眠周期性量化报告、所述最佳睡眠周期性环境方案和所述睡眠环境优化调整方案的可视化展现;
数据管理中心模组,用于对所述装置的全部过程数据进行统一存储和运行管理;
所述时帧处理是根据信号的采样率,以预设分帧步长对信号数据进行预设分帧时长窗口的滑动分割;所述时帧状态特征分析包括数值特征分析、包络特征分析、功率谱特征分析、熵特征分析、分形特征分析和复杂度特征分析至少一项;
所述睡眠周期性指数的计算方法包括:
1) 获取睡眠持续期状态特征曲线;
2) 判断所述睡眠持续期状态特征曲线的时序特性是加性时间序列还是乘性时间序列,选择对应的加性时序成分分析或乘性时序成分分析;
3) 对所述睡眠持续期状态特征曲线进行对应的时序成分分析,得到睡眠持续期状态时序周期成分和睡眠持续期状态时序残差成分,计算得到睡眠周期性强度;
4) 提取所述睡眠持续期状态特征曲线的睡眠周期性因子系数;
5) 计算所述睡眠周期性强度与所述睡眠周期性因子系数的乘积,生成所述睡眠周期性指数;
所述步骤1)包括:对所述生理状态特征进行睡眠状态分析,识别用户的睡眠状态特征时相和睡眠状态水平,生成用户的睡眠状态特征曲线,提取睡眠持续期状态特征曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310195991.2A CN115910351B (zh) | 2023-03-03 | 2023-03-03 | 一种睡眠周期性检测量化及辅助干预的方法、***和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310195991.2A CN115910351B (zh) | 2023-03-03 | 2023-03-03 | 一种睡眠周期性检测量化及辅助干预的方法、***和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115910351A CN115910351A (zh) | 2023-04-04 |
CN115910351B true CN115910351B (zh) | 2023-07-07 |
Family
ID=86491772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310195991.2A Active CN115910351B (zh) | 2023-03-03 | 2023-03-03 | 一种睡眠周期性检测量化及辅助干预的方法、***和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115910351B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092641B (zh) * | 2023-04-07 | 2023-07-04 | 安徽星辰智跃科技有限责任公司 | 一种睡眠感官应激水平动态调节的方法、***和装置 |
TWI839176B (zh) * | 2023-04-10 | 2024-04-11 | 臺北醫學大學 | 睡眠分期資訊偵測方法以及使用該方法的電子裝置與伺服器 |
CN116504357B (zh) * | 2023-06-28 | 2024-05-10 | 安徽星辰智跃科技有限责任公司 | 基于小波分析的睡眠周期性检测及调节方法、***和装置 |
CN116525063B (zh) * | 2023-06-28 | 2024-03-22 | 安徽星辰智跃科技有限责任公司 | 基于时频分析的睡眠周期性检测及调节方法、***和装置 |
CN117747117B (zh) * | 2024-02-21 | 2024-05-24 | 安徽星辰智跃科技有限责任公司 | 基于声响的睡眠呼吸评价及辅助调节方法、***和装置 |
CN117747118B (zh) * | 2024-02-21 | 2024-05-07 | 安徽星辰智跃科技有限责任公司 | 睡眠呼吸周期评价及辅助调节方法、***和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140039452A (ko) * | 2012-09-24 | 2014-04-02 | 주식회사 제이유에이치 | 휴대형 이목마스크 기반 수면 조절 및 모니터링 장치 및 그 방법 |
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 |
CN112205964A (zh) * | 2019-07-11 | 2021-01-12 | 京东方科技集团股份有限公司 | 睡眠干预设备和睡眠干预管理*** |
KR20210027033A (ko) * | 2019-08-29 | 2021-03-10 | 고려대학교 산학협력단 | 사용자 맞춤형 수면 관리 방법 및 시스템 |
WO2021152549A1 (en) * | 2020-01-31 | 2021-08-05 | Resmed Sensor Technologies Limited | Systems and methods for reducing insomnia-related symptoms |
CN113506626A (zh) * | 2021-09-03 | 2021-10-15 | 南通嘉蒂体育用品有限公司 | 基于可穿戴设备的睡眠特征数据评估处理方法及*** |
WO2021220247A1 (en) * | 2020-04-30 | 2021-11-04 | Resmed Sensor Technologies Limited | Systems and methods for promoting a sleep stage of a user |
CN114451869A (zh) * | 2022-04-12 | 2022-05-10 | 深圳市心流科技有限公司 | 一种睡眠状态评估方法、装置、智能终端和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010060153A1 (en) * | 2008-11-28 | 2010-06-03 | The University Of Queensland | A method and apparatus for determining sleep states |
US20210398666A1 (en) * | 2020-06-18 | 2021-12-23 | Circadia Technologies Ltd. | Systems, apparatus and methods for acquisition, storage, and analysis of health and environmental data |
US11862312B2 (en) * | 2020-08-21 | 2024-01-02 | Stimscience Inc. | Systems, methods, and devices for sleep intervention quality assessment |
US20220059208A1 (en) * | 2020-08-21 | 2022-02-24 | Stimscience Inc. | Systems, methods, and devices for sleep intervention quality estimation |
CN114511160B (zh) * | 2022-04-20 | 2022-08-16 | 深圳市心流科技有限公司 | 一种入睡时长预测方法、装置、终端及存储介质 |
-
2023
- 2023-03-03 CN CN202310195991.2A patent/CN115910351B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140039452A (ko) * | 2012-09-24 | 2014-04-02 | 주식회사 제이유에이치 | 휴대형 이목마스크 기반 수면 조절 및 모니터링 장치 및 그 방법 |
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 |
CN112205964A (zh) * | 2019-07-11 | 2021-01-12 | 京东方科技集团股份有限公司 | 睡眠干预设备和睡眠干预管理*** |
KR20210027033A (ko) * | 2019-08-29 | 2021-03-10 | 고려대학교 산학협력단 | 사용자 맞춤형 수면 관리 방법 및 시스템 |
WO2021152549A1 (en) * | 2020-01-31 | 2021-08-05 | Resmed Sensor Technologies Limited | Systems and methods for reducing insomnia-related symptoms |
WO2021220247A1 (en) * | 2020-04-30 | 2021-11-04 | Resmed Sensor Technologies Limited | Systems and methods for promoting a sleep stage of a user |
CN113506626A (zh) * | 2021-09-03 | 2021-10-15 | 南通嘉蒂体育用品有限公司 | 基于可穿戴设备的睡眠特征数据评估处理方法及*** |
CN114451869A (zh) * | 2022-04-12 | 2022-05-10 | 深圳市心流科技有限公司 | 一种睡眠状态评估方法、装置、智能终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115910351A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115910351B (zh) | 一种睡眠周期性检测量化及辅助干预的方法、***和装置 | |
CN115862877B (zh) | 睡眠可持续性检测量化及辅助干预的方法、***和装置 | |
CN115881305B (zh) | 一种睡眠趋稳性检测量化及辅助干预的方法、***和装置 | |
JP5961235B2 (ja) | 睡眠/覚醒状態評価方法及びシステム | |
JP2018524080A (ja) | 被検者の生理学的状態を監視する装置及び方法 | |
CN115862873B (zh) | 一种睡眠节律量化及干预的方法、***和装置 | |
CN116058805B (zh) | 一种睡眠记忆活跃水平动态调节的方法、***和装置 | |
CN115831372B (zh) | 一种睡眠效率量化及干预的方法、***和装置 | |
CN116035536B (zh) | 一种睡眠行为活跃水平检测量化的方法、***和装置 | |
CN116392085B (zh) | 基于趋势分析的睡眠趋稳性量化及调节方法、***和装置 | |
CN116013470B (zh) | 一种睡眠行为活跃水平动态调节的方法、***和装置 | |
CN116509338B (zh) | 基于模态分析的睡眠周期性检测及调节方法、***和装置 | |
CN116509337A (zh) | 基于局部分解的睡眠周期性检测及调节方法、***和装置 | |
CN116392083A (zh) | 基于局部变换的睡眠趋稳性量化及调节方法、***和装置 | |
CN117562554A (zh) | 一种便携式睡眠监测及质量评估方法及*** | |
CN116525063B (zh) | 基于时频分析的睡眠周期性检测及调节方法、***和装置 | |
CN116504357B (zh) | 基于小波分析的睡眠周期性检测及调节方法、***和装置 | |
CN116509336B (zh) | 基于波形分析的睡眠周期性检测及调节方法、***和装置 | |
CN115969330B (zh) | 一种睡眠情绪活跃水平检测量化的方法、***和装置 | |
CN116392087B (zh) | 基于模态分解的睡眠趋稳性量化及调节方法、***和装置 | |
CN117747117B (zh) | 基于声响的睡眠呼吸评价及辅助调节方法、***和装置 | |
CN118000711A (zh) | 睡眠呼吸血氧检测分析及辅助调节方法、***和装置 | |
CN118000692A (zh) | 基于心血管的睡眠呼吸评价及辅助调节方法、***和装置 | |
CN117747118B (zh) | 睡眠呼吸周期评价及辅助调节方法、***和装置 | |
CN116687356B (zh) | 基于时频分析的睡眠可持续性检测调节方法、***和装置 |
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 |