CN115956884B - 一种睡眠状态和睡眠分期的监测方法、装置及终端设备 - Google Patents
一种睡眠状态和睡眠分期的监测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN115956884B CN115956884B CN202310108639.0A CN202310108639A CN115956884B CN 115956884 B CN115956884 B CN 115956884B CN 202310108639 A CN202310108639 A CN 202310108639A CN 115956884 B CN115956884 B CN 115956884B
- Authority
- CN
- China
- Prior art keywords
- data
- blood oxygen
- sleep
- historical
- electroencephalogram
- 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
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 And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种睡眠状态和睡眠分期的监测方法、装置及终端设备,所述方法包括:获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到;基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态;获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。本发明可实现对睡眠状态与睡眠分期的准确监测,并提供了监测效率。
Description
技术领域
本发明涉及睡眠分析技术领域,尤其涉及一种睡眠状态和睡眠分期的监测方法、装置及终端设备。
背景技术
多导睡眠监测(Polysomnography,PSG)是进行睡眠医学研究的基本技术,是用于评价睡眠相关病理、生理和睡眠结构的标准手段,是判断清醒或睡眠的客观检查,检测指标最终都会反映在纸质报告上。但是,现在的多导睡眠监测方式在监测睡眠状态以及睡眠分期上还存在一定的缺陷,比如,监测准确度不高以及监测效率不高。
因此,现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种睡眠状态和睡眠分期的监测方法、装置及终端设备,旨在解决现有技术中多导睡眠监测方式在监测睡眠状态以及睡眠分期上存在监测准确度不高以及监测效率不高的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
第一方面,本发明提供一种睡眠状态和睡眠分期的监测方法,其中,所述方法包括:
获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到;
基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态;
获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。
在一种实现方式中,所述获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,包括:
基于预设的脑电设备采集所述被监测用户的脑电数据,并对所述脑电数据进行汇总分析,输出脑电数据变化状态图;
对所述脑电数据变化状态图进行识别与标注,确定所述脑电数据变化状态图中的关键脑电数据;
获取所述被监测用户的血氧数据,对所述血氧数据进行汇总分析,输出血氧数据变化状态图;
对所述血氧数据变化状态图进行识别与标注,确定所述血氧数据变化状态图中的关键血氧数据;
将所述关键脑电数据与所述关键血氧数据输入至所述分析模型中。
在一种实现方式中,所述分析模型的创建方式包括:
获取预设时间段内的历史脑电数据与历史血氧数据;
获取所述被监测用户的睡眠习惯,基于所述睡眠习惯对所述预设时间段进行划分,得到每个睡眠状态所对应的时间信息;
基于每个睡眠状态所对应的时间信息,对所述历史脑电数据与历史血氧数据进行分类,得到每个睡眠状态对应的历史脑电数据以及每个睡眠状态对应的历史血氧数据,并训练得到所述分析模型。
在一种实现方式中,所述训练得到所述分析模型,包括:
将所述历史脑电数据、所述历史血氧数据、与睡眠状态建立映射关系;
对所述映射关系进行迭代训练,得到所述分析模型。
在一种实现方式中,所述基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态,包括:
根据所述关键脑电数据匹配出与所述关键脑电数据对应的历史脑脑电数据,以及根据所述关键血氧数据匹配出与所述关键血氧数据对应的历史血氧数据;
所述分析模型根据所述历史脑脑电数据与所述历史血氧数据,确定睡眠状态。
在一种实现方式中,所述基于所述采集时间与所述睡眠状态,确定睡眠分期,包括:
获取所述睡眠状态的标准睡眠分期,所述标准睡眠分期包括所述被监测用户的整个睡眠过程的各个阶段;
将所述采集时间与所述标准睡眠分期进行匹配,确定所述采集时间对应的睡眠分期。
在一种实现方式中,所述方法还包括:
基于所述睡眠分期,确定所述睡眠分期所对应的时长;
基于所述睡眠分期所对应的时长,确定所述睡眠分期占总睡眠时间的百分比。
第二方面,本发明实施例还提供一种睡眠状态和睡眠分期的监测装置,其中,所述装置包括:
数据采集模块,用于获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到;
睡眠状态确定模块,用于基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态;
睡眠分期确定模块,用于获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。
第三方面,本发明实施例还提供一种终端设备,其中,所述终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的睡眠状态和睡眠分期的监测程序,处理器执行睡眠状态和睡眠分期的监测程序时,实现上述方案中任一项的睡眠状态和睡眠分期的监测方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其中,计算机可读存储介质上存储有睡眠状态和睡眠分期的监测程序,所述睡眠状态和睡眠分期的监测程序被处理器执行时,实现上述方案中任一项所述的睡眠状态和睡眠分期的监测方法的步骤。
有益效果:与现有技术相比,本发明提供了一种睡眠状态和睡眠分期的监测方法,首先,本发明首先获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到。然后,基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态。最后,获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。本发明可实现对睡眠状态与睡眠分期的准确监测,并提供了监测效率。
附图说明
图1为本发明实施例提供的睡眠状态和睡眠分期的监测方法的具体实施方式的流程图。
图2为本发明实施例提供的睡眠状态和睡眠分期的监测装置的功能原理图。
图3为本发明实施例提供的终端设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例提供一种睡眠状态和睡眠分期的监测方法,基于本实施例的方法可实现对睡眠状态与睡眠分期的准确监测,并提供了监测效率。具体实施时,本实施例首先获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到。然后,基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态。最后,获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。由于本实施例是直接利用分析模型是基于历史脑电数据和历史血氧数据进行训练的,因此基于脑电数据和血氧数据就可以自动分析出睡眠状态和睡眠分期,准确性更高,且效率更高。
示例性方法
本实施例的睡眠状态和睡眠分期的监测方法可应用于终端设备中,所述终端设备包括电脑、智能电视、手机等智能化产品终端。具体地,如图1中所示,本实施例的睡眠状态和睡眠分期的监测方法包括如下步骤:
步骤S100、获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到。
在本实施例中,被监测用户的脑电数据和血氧数据可在一定程度上反映用户的睡眠状态和睡眠分期,该睡眠状态反映的是用户处于清醒、浅睡或者深睡的状态,该睡眠分期反映的是用户的这个睡眠状态处于哪一个时间阶段。在本实施例中,预先训练一分析模型,该分析模型可基于历史脑数据与历史血氧数据训练得到。
在一种实现方式中,所述步骤S100具体包括如下步骤:
步骤S101、基于预设的脑电设备采集所述被监测用户的脑电数据,并对所述脑电数据进行汇总分析,输出脑电数据变化状态图;
步骤S102、对所述脑电数据变化状态图进行识别与标注,确定所述脑电数据变化状态图中的关键脑电数据;
步骤S103、获取所述被监测用户的血氧数据,对所述血氧数据进行汇总分析,输出血氧数据变化状态图;
步骤S104、对所述血氧数据变化状态图进行识别与标注,确定所述血氧数据变化状态图中的关键血氧数据;
步骤S105、将所述关键脑电数据与所述关键血氧数据输入至所述分析模型中。
具体地,本实施例的脑电设备可为头戴式脑电头环,被监测用户戴上该脑电设备后,就可以自动对被监测用户的脑电数据和血氧数据进行监测。在监测完成后,本实施例的脑电设备可将采集到的脑电数据和血氧数据发送至终端设备中,并且由该终端设备对采集到的脑电数据和血氧数据来进行汇总分析,分别输出脑电数据变化状态图和血氧数据变化状态图。具体地,终端设备中预先设置有分析软件,该分析软件可自动对输入的脑电数据和血氧数据进行综合分析,并绘制对应的脑电数据变化状态图和血氧数据变化状态图,而且还在终端设备的显示屏上进行显示,以便可以更直观地体现血氧数据和脑电数据的波动情况。进一步地,当得到脑电数据变化状态图和血氧数据变化状态图后,本实施例可对脑电数据变化状态图和血氧数据变化状态图进行识别与标注,找出脑电数据变化状态图和血氧数据变化状态图中的关键脑电数据和关键血氧数据。所述关键脑电数据和关键血氧数据可分别体现脑电数据和血氧数据的峰值、谷值以及整体的波动范围。当得到关键脑电数据和关键血氧数据后,本实施例可将关键脑电数据和关键血氧数据输入至分析模型中。
步骤S200、基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态。
在本实施例中,本实施例首先获取预设时间段内的历史脑电数据与历史血氧数据。接着,获取所述被监测用户的睡眠习惯,该睡眠习惯包括了被检测用户在什么时刻入睡,什么时刻的清醒以及什么时刻进入深度睡眠等。因此,本实施例可基于所述睡眠习惯对所述预设时间段进行划分,得到每个睡眠状态所对应的时间信息,也就是得到被监测用户的入睡时间、清醒时间以及进入深度睡眠时间等。接着,本实施例还可基于每个睡眠状态所对应的时间信息,对所述历史脑电数据与历史血氧数据进行分类,由于历史脑电数据和历史血氧数据在采集的时候也会有对应的采集时间,因此,基于每个睡眠状态所对应的时间信息与历史脑电数据和历史血氧数据对应的采集时间进行匹配,就可以得到每个睡眠状态对应的历史脑电数据以及每个睡眠状态对应的历史血氧数据,并训练得到所述分析模型。在具体训练时,本实施例可将所述历史脑电数据、所述历史血氧数据、与睡眠状态来建立映射关系,并对所述映射关系进行迭代训练,得到所述分析模型。在本实施例中,映射关系为:历史脑电数据--历史血氧数据--睡眠状态,该历史脑电数据和历史血氧数据可为具体数值也可为数值范围,每一个睡眠状态都是由历史脑电数据和历史血氧数据这两个因素来决定的。
在一种实现方式中,在确定睡眠状态时,本实施例包括如下步骤:
步骤S201、根据所述关键脑电数据匹配出与所述关键脑电数据对应的历史脑脑电数据,以及根据所述关键血氧数据匹配出与所述关键血氧数据对应的历史血氧数据;
步骤S202、所述分析模型根据所述历史脑脑电数据与所述历史血氧数据,确定睡眠状态。
具体地,本实施例首先根据所述关键脑电数据匹配出与所述关键脑电数据对应的历史脑脑电数据,以及根据所述关键血氧数据匹配出与所述关键血氧数据对应的历史血氧数据。由于分析模型是基于所述历史脑电数据、所述历史血氧数据、与睡眠状态来训练得到的,因此分析模型可自动将历史脑脑电数和所述历史血氧数据与映射关系进行匹配,确定睡眠状态。
步骤S300、获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。
在确定出睡眠状态后,由于每个睡眠状态在不同的时间段可能会有一些差异,因此,本实施例可进一步进行睡眠分析,得到睡眠分期,该睡眠分期反映的是用户的睡眠状态处于什么阶段。本实施例可获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。
在一种实现方式中,本实施例在确定睡眠分期时,包括如下步骤:
步骤S301、获取所述睡眠状态的标准睡眠分期,所述标准睡眠分期包括所述被监测用户的整个睡眠过程的各个阶段;
步骤S302、将所述采集时间与所述标准睡眠分期进行匹配,确定所述采集时间对应的睡眠分期。
具体地,本实施例可获取睡眠状态的标准睡眠分期,所述标准睡眠分期包括所述被监测用户的整个睡眠过程的各个阶段,也就是包括整个睡眠过程中的各个睡眠状态下的时间信息,为此,本实施例将被监测用户的脑电数据以及血氧数据所对应的采集时间与标准睡眠分期中的时间信息进行匹配,就可以找到此时的睡眠状态下,脑电数据以及血氧数据对应的睡眠分期。
进一步地,本实施例还可以基于所述睡眠分期,确定所述睡眠分期所对应的时长。然后,基于所述睡眠分期所对应的时长,确定所述睡眠分期占总睡眠时间的百分比。并且,本实施例还可以将确定睡眠状态和睡眠分期以报告的形式输出,并且还可以报告睡眠期间发生的呼吸事件、氧减事件、觉醒事件、心脏事件和运动事件。
综上,本实施例首先获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到。然后,基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态。最后,获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。由于本实施例是直接利用分析模型是基于历史脑电数据和历史血氧数据进行训练的,因此基于脑电数据和血氧数据就可以自动分析出睡眠状态和睡眠分期,准确性更高,且效率更高。
示例性装置
基于上述实施例,本发明还提供一种睡眠状态和睡眠分期的监测装置,如图2中所示,所述装置包括:数据采集模块10、睡眠状态确定模块20以及睡眠分期确定模块30。具体地,所述数据采集模块10,用于获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到。所述睡眠状态确定模块20,用于基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态。所述睡眠分期确定模块30,用于获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期。
在一种实现方式中,所述数据采集模块10,包括:
脑电数据汇总单元,用于基于预设的脑电设备采集所述被监测用户的脑电数据,并对所述脑电数据进行汇总分析,输出脑电数据变化状态图;
脑电识别标注单元,用于对所述脑电数据变化状态图进行识别与标注,确定所述脑电数据变化状态图中的关键脑电数据;
血氧数据汇总单元,用于获取所述被监测用户的血氧数据,对所述血氧数据进行汇总分析,输出血氧数据变化状态图;
血氧识别标注单元,用于对所述血氧数据变化状态图进行识别与标注,确定所述血氧数据变化状态图中的关键血氧数据;
数据输入单元,用于将所述关键脑电数据与所述关键血氧数据输入至所述分析模型中。
在一种实现方式中,所述装置包括模型构建模块,所述模型构建模块包括:
历史数据获取单元,用于获取预设时间段内的历史脑电数据与历史血氧数据;
时间信息获取单元,用于获取所述被监测用户的睡眠习惯,基于所述睡眠习惯对所述预设时间段进行划分,得到每个睡眠状态所对应的时间信息;
模型训练单元,用于基于每个睡眠状态所对应的时间信息,对所述历史脑电数据与历史血氧数据进行分类,得到每个睡眠状态对应的历史脑电数据以及每个睡眠状态对应的历史血氧数据,并训练得到所述分析模型。
在一种实现方式中,所述模型训练单元,包括:
映射关系建立单元,用于将所述历史脑电数据、所述历史血氧数据、与睡眠状态建立映射关系;
迭代训练单元,用于对所述映射关系进行迭代训练,得到所述分析模型。
在一种实现方式中,所述睡眠状态确定模块20,包括:
数据匹配单元,用于根据所述关键脑电数据匹配出与所述关键脑电数据对应的历史脑脑电数据,以及根据所述关键血氧数据匹配出与所述关键血氧数据对应的历史血氧数据;
状态确定单元,用于所述分析模型根据所述历史脑脑电数据与所述历史血氧数据,确定睡眠状态。
在一种实现方式中,所述睡眠分期确定模块30,包括:
标准获取单元,用于获取所述睡眠状态的标准睡眠分期,所述标准睡眠分期包括所述被监测用户的整个睡眠过程的各个阶段;
时间匹配单元,用于将所述采集时间与所述标准睡眠分期进行匹配,确定所述采集时间对应的睡眠分期。
在一种实现方式中,所述装置还包括:
睡眠时长分析模块,用于基于所述睡眠分期,确定所述睡眠分期所对应的时长,基于所述睡眠分期所对应的时长,确定所述睡眠分期占总睡眠时间的百分比。
本实施例的睡眠状态和睡眠分期的监测装置中各个模块的工作原理与上述方法实施例中各个步骤的原理相同,此处不再赘述。
基于上述实施例,本发明还提供了一种终端设备,所述终端设备的原理框图可以如图3所示。终端设备可以包括一个或多个处理器100(图3中仅示出一个),存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102,例如,睡眠状态和睡眠分期的监测的程序。一个或多个处理器100执行计算机程序102时可以实现睡眠状态和睡眠分期的监测的方法实施例中的各个步骤。或者,一个或多个处理器100执行计算机程序102时可以实现睡眠状态和睡眠分期的监测的装置实施例中各模块/单元的功能,此处不作限制。
在一个实施例中,所称处理器100可以是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一个实施例中,存储器101可以是电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端设备的限定,具体的终端设备以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上,本发明公开了睡眠状态和睡眠分期的监测方法、装置、终端设备及存储介质,所述方法包括:获取预训练模板,基于所述预训练模板,获取若干待训练目标,并将每一个所述待训练目标依次移动至所述预训练模板中对应的区域内;获取在预设时长内,将所有的所述待训练目标成功移动至对应的区域的成功次数,以及每一次将所有的所述待训练目标成功移动至对应的区域内的耗时信息;基于所述耗时信息与成功次数,选择目标模板,其中,不同的目标模板对应不同的训练难度。本发明可结合将所有的所述待训练目标成功移动至对应的区域的成功次数与耗时信息来选择不同训练难度的目标模板,以此实现了对睡眠状态和睡眠分期的监测效果。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种睡眠状态和睡眠分期的监测方法,其特征在于,所述方法包括:
获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到;
基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态;
获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期;
所述获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,包括:
基于预设的脑电设备采集所述被监测用户的脑电数据,并对所述脑电数据进行汇总分析,输出脑电数据变化状态图;
对所述脑电数据变化状态图进行识别与标注,确定所述脑电数据变化状态图中的关键脑电数据;
获取所述被监测用户的血氧数据,对所述血氧数据进行汇总分析,输出血氧数据变化状态图;
对所述血氧数据变化状态图进行识别与标注,确定所述血氧数据变化状态图中的关键血氧数据;
将所述关键脑电数据与所述关键血氧数据输入至所述分析模型中;
所述关键脑电数据和关键血氧数据分别体现脑电数据和血氧数据的峰值、谷值以及整体的波动范围;
所述分析模型的创建方式包括:
获取预设时间段内的历史脑电数据与历史血氧数据;
获取所述被监测用户的睡眠习惯,基于所述睡眠习惯对所述预设时间段进行划分,得到每个睡眠状态所对应的时间信息;
基于每个睡眠状态所对应的时间信息,对所述历史脑电数据与历史血氧数据进行分类,得到每个睡眠状态对应的历史脑电数据以及每个睡眠状态对应的历史血氧数据,并训练得到所述分析模型;
所述训练得到所述分析模型,包括:
将所述历史脑电数据、所述历史血氧数据、与睡眠状态建立映射关系;
对所述映射关系进行迭代训练,得到所述分析模型;
所述基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态,包括:
根据所述关键脑电数据匹配出与所述关键脑电数据对应的历史脑脑电数据,以及根据所述关键血氧数据匹配出与所述关键血氧数据对应的历史血氧数据;
所述分析模型根据所述历史脑脑电数据与所述历史血氧数据,确定睡眠状态;
所述基于所述采集时间与所述睡眠状态,确定睡眠分期,包括:
获取所述睡眠状态的标准睡眠分期,所述标准睡眠分期包括所述被监测用户的整个睡眠过程的各个阶段;
将所述采集时间与所述标准睡眠分期进行匹配,确定所述采集时间对应的睡眠分期;
所述方法还包括:
基于所述睡眠分期,确定所述睡眠分期所对应的时长;
基于所述睡眠分期所对应的时长,确定所述睡眠分期占总睡眠时间的百分比;
将确定睡眠状态和睡眠分期以报告的形式输出,并且报告睡眠期间发生的呼吸事件、氧减事件、觉醒事件、心脏事件和运动事件。
2.一种睡眠状态和睡眠分期的监测装置,其特征在于,所述装置包括:
数据采集模块,用于获取被监测用户的脑电数据与血氧数据,并将所述脑电数据与所述血氧数据输入至预设的分析模型中,所述分析模型基于历史脑数据与历史血氧数据训练得到;
睡眠状态确定模块,用于基于所述分析模型,确定与所述脑电数据以及血氧数据对应的睡眠状态;
睡眠分期确定模块,用于获取所述脑电数据以及血氧数据所对应的采集时间,基于所述采集时间与所述睡眠状态,确定睡眠分期;
所述数据采集模块,包括:
脑电数据汇总单元,用于基于预设的脑电设备采集所述被监测用户的脑电数据,并对所述脑电数据进行汇总分析,输出脑电数据变化状态图;
脑电识别标注单元,用于对所述脑电数据变化状态图进行识别与标注,确定所述脑电数据变化状态图中的关键脑电数据;
血氧数据汇总单元,用于获取所述被监测用户的血氧数据,对所述血氧数据进行汇总分析,输出血氧数据变化状态图;
血氧识别标注单元,用于对所述血氧数据变化状态图进行识别与标注,确定所述血氧数据变化状态图中的关键血氧数据;
数据输入单元,用于将所述关键脑电数据与所述关键血氧数据输入至所述分析模型中;
所述关键脑电数据和关键血氧数据分别体现脑电数据和血氧数据的峰值、谷值以及整体的波动范围;
所述装置包括模型构建模块,所述模型构建模块包括:
历史数据获取单元,用于获取预设时间段内的历史脑电数据与历史血氧数据;
时间信息获取单元,用于获取所述被监测用户的睡眠习惯,基于所述睡眠习惯对所述预设时间段进行划分,得到每个睡眠状态所对应的时间信息;
模型训练单元,用于基于每个睡眠状态所对应的时间信息,对所述历史脑电数据与历史血氧数据进行分类,得到每个睡眠状态对应的历史脑电数据以及每个睡眠状态对应的历史血氧数据,并训练得到所述分析模型;
所述模型训练单元,包括:
映射关系建立单元,用于将所述历史脑电数据、所述历史血氧数据、与睡眠状态建立映射关系;
迭代训练单元,用于对所述映射关系进行迭代训练,得到所述分析模型;
所述睡眠状态确定模块,包括:
数据匹配单元,用于根据所述关键脑电数据匹配出与所述关键脑电数据对应的历史脑脑电数据,以及根据所述关键血氧数据匹配出与所述关键血氧数据对应的历史血氧数据;
状态确定单元,用于所述分析模型根据所述历史脑脑电数据与所述历史血氧数据,确定睡眠状态;
所述睡眠分期确定模块,包括:
标准获取单元,用于获取所述睡眠状态的标准睡眠分期,所述标准睡眠分期包括所述被监测用户的整个睡眠过程的各个阶段;
时间匹配单元,用于将所述采集时间与所述标准睡眠分期进行匹配,确定所述采集时间对应的睡眠分期;
所述装置还包括:
睡眠时长分析模块,用于基于所述睡眠分期,确定所述睡眠分期所对应的时长,基于所述睡眠分期所对应的时长,确定所述睡眠分期占总睡眠时间的百分比;
将确定睡眠状态和睡眠分期以报告的形式输出,并且报告睡眠期间发生的呼吸事件、氧减事件、觉醒事件、心脏事件和运动事件。
3.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的睡眠状态和睡眠分期的监测程序,所述处理器执行睡眠状态和睡眠分期的监测程序时,实现如权利要求1所述的睡眠状态和睡眠分期的监测方法的步骤。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有睡眠状态和睡眠分期的监测程序,所述睡眠状态和睡眠分期的监测程序被处理器执行时,实现如权利要求1所述的睡眠状态和睡眠分期的监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310108639.0A CN115956884B (zh) | 2023-02-14 | 2023-02-14 | 一种睡眠状态和睡眠分期的监测方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310108639.0A CN115956884B (zh) | 2023-02-14 | 2023-02-14 | 一种睡眠状态和睡眠分期的监测方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115956884A CN115956884A (zh) | 2023-04-14 |
CN115956884B true CN115956884B (zh) | 2023-06-06 |
Family
ID=85888162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310108639.0A Active CN115956884B (zh) | 2023-02-14 | 2023-02-14 | 一种睡眠状态和睡眠分期的监测方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115956884B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017059154A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 情報出力装置、情報出力システム、情報出力方法、情報出力プログラム |
CN107595245A (zh) * | 2017-08-15 | 2018-01-19 | 深圳创达云睿智能科技有限公司 | 一种睡眠管理方法、***及终端设备 |
CN109731204A (zh) * | 2019-02-13 | 2019-05-10 | 深兰科技(上海)有限公司 | 一种睡眠刺激方法及装置 |
CN113208563A (zh) * | 2021-04-28 | 2021-08-06 | 西安领跑网络传媒科技股份有限公司 | 睡眠监测方法、装置、***、计算机设备和存储介质 |
WO2021208656A1 (zh) * | 2020-04-17 | 2021-10-21 | 华为技术有限公司 | 睡眠风险预测方法、装置和终端设备 |
CN113633260A (zh) * | 2021-08-11 | 2021-11-12 | 广州医科大学附属第一医院(广州呼吸中心) | 多导睡眠监测方法、监测仪、计算机设备及可读存储介质 |
CN113827202A (zh) * | 2020-06-24 | 2021-12-24 | 清华大学深圳国际研究生院 | 基于机器学习的睡眠质量检测方法及装置 |
CN114010206A (zh) * | 2022-01-05 | 2022-02-08 | 深圳市心流科技有限公司 | 一种基于脑电信号的睡眠计划定制方法、***、终端 |
CN114587288A (zh) * | 2022-04-02 | 2022-06-07 | 长春理工大学 | 一种睡眠监测方法、装置以及设备 |
CN115153463A (zh) * | 2022-06-16 | 2022-10-11 | 易念科技(深圳)有限公司 | 睡眠状态识别模型的训练方法、睡眠状态识别方法和装置 |
CN115153454A (zh) * | 2022-09-07 | 2022-10-11 | 深圳市心流科技有限公司 | 一种助眠刺激控制方法、装置、助眠设备及存储介质 |
CN115185196A (zh) * | 2022-09-09 | 2022-10-14 | 深圳市心流科技有限公司 | 基于睡眠状态的智能设备控制方法、终端设备及存储介质 |
CN115281651A (zh) * | 2022-01-21 | 2022-11-04 | 上海市第六人民医院 | 一种无感式一体化睡眠呼吸疾病诊断*** |
CN115607123A (zh) * | 2022-10-27 | 2023-01-17 | 香港心脑血管健康工程研究中心有限公司 | 一种心肺功能监测和呼吸机闭环控制一体化装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8512221B2 (en) * | 2003-02-28 | 2013-08-20 | Consolidated Research Of Richmond, Inc. | Automated treatment system for sleep |
US8021299B2 (en) * | 2005-06-01 | 2011-09-20 | Medtronic, Inc. | Correlating a non-polysomnographic physiological parameter set with sleep states |
US20090024044A1 (en) * | 2007-07-17 | 2009-01-22 | The General Electric Company | Data recording for patient status analysis |
JP2013031542A (ja) * | 2011-08-02 | 2013-02-14 | Sony Corp | 睡眠補助装置および方法、プログラム、並びに記録媒体 |
JP6476785B2 (ja) * | 2014-01-08 | 2019-03-06 | ヤマハ株式会社 | ユーザを望ましい睡眠状態に導くための装置 |
WO2016138637A1 (zh) * | 2015-03-03 | 2016-09-09 | 中国科学院自动化研究所 | 无线可穿戴脑血氧监测*** |
US11134887B2 (en) * | 2017-06-02 | 2021-10-05 | Daniel Pituch | Systems and methods for preventing sleep disturbance |
US11654258B2 (en) * | 2020-08-21 | 2023-05-23 | Stimscience Nc. | Systems, methods, and devices for measurement, identification, and generation of sleep state models |
US20220370757A1 (en) * | 2021-05-18 | 2022-11-24 | Hypnocore Ltd. | Personalized sleep wellness score for treatment and/or evaluation of sleep conditions |
-
2023
- 2023-02-14 CN CN202310108639.0A patent/CN115956884B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017059154A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 情報出力装置、情報出力システム、情報出力方法、情報出力プログラム |
CN107595245A (zh) * | 2017-08-15 | 2018-01-19 | 深圳创达云睿智能科技有限公司 | 一种睡眠管理方法、***及终端设备 |
CN109731204A (zh) * | 2019-02-13 | 2019-05-10 | 深兰科技(上海)有限公司 | 一种睡眠刺激方法及装置 |
WO2021208656A1 (zh) * | 2020-04-17 | 2021-10-21 | 华为技术有限公司 | 睡眠风险预测方法、装置和终端设备 |
CN113827202A (zh) * | 2020-06-24 | 2021-12-24 | 清华大学深圳国际研究生院 | 基于机器学习的睡眠质量检测方法及装置 |
CN113208563A (zh) * | 2021-04-28 | 2021-08-06 | 西安领跑网络传媒科技股份有限公司 | 睡眠监测方法、装置、***、计算机设备和存储介质 |
CN113633260A (zh) * | 2021-08-11 | 2021-11-12 | 广州医科大学附属第一医院(广州呼吸中心) | 多导睡眠监测方法、监测仪、计算机设备及可读存储介质 |
CN114010206A (zh) * | 2022-01-05 | 2022-02-08 | 深圳市心流科技有限公司 | 一种基于脑电信号的睡眠计划定制方法、***、终端 |
CN115281651A (zh) * | 2022-01-21 | 2022-11-04 | 上海市第六人民医院 | 一种无感式一体化睡眠呼吸疾病诊断*** |
CN114587288A (zh) * | 2022-04-02 | 2022-06-07 | 长春理工大学 | 一种睡眠监测方法、装置以及设备 |
CN115153463A (zh) * | 2022-06-16 | 2022-10-11 | 易念科技(深圳)有限公司 | 睡眠状态识别模型的训练方法、睡眠状态识别方法和装置 |
CN115153454A (zh) * | 2022-09-07 | 2022-10-11 | 深圳市心流科技有限公司 | 一种助眠刺激控制方法、装置、助眠设备及存储介质 |
CN115185196A (zh) * | 2022-09-09 | 2022-10-14 | 深圳市心流科技有限公司 | 基于睡眠状态的智能设备控制方法、终端设备及存储介质 |
CN115607123A (zh) * | 2022-10-27 | 2023-01-17 | 香港心脑血管健康工程研究中心有限公司 | 一种心肺功能监测和呼吸机闭环控制一体化装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115956884A (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107595245B (zh) | 一种睡眠管理方法、***及终端设备 | |
WO2019085329A1 (zh) | 基于循环神经网络的人物性格分析方法、装置及存储介质 | |
EP3136297A1 (en) | System and method for determining information and outliers from sensor data | |
US20120136896A1 (en) | System and method for imputing missing values and computer program product thereof | |
US11372388B2 (en) | Locking error alarm device and method | |
CN110610125A (zh) | 基于神经网络的牛脸识别方法、装置、设备及存储介质 | |
WO2021223686A1 (zh) | 模型训练任务处理方法、装置、电子设备和存储介质 | |
EP3796241A1 (en) | System and method for categorical time-series clustering | |
West | Paradata in survey research | |
KR20150050465A (ko) | 과학연구 정보 진화의 분석 방법 및 장치 | |
CN115956884B (zh) | 一种睡眠状态和睡眠分期的监测方法、装置及终端设备 | |
CN111061394B (zh) | 触摸力度识别方法及其模型的训练方法、装置和电子*** | |
CN117423125A (zh) | 一种图像检测方法、装置、设备及其存储介质 | |
CN117234505A (zh) | 一种交互页面生成方法、装置、设备及其存储介质 | |
CN111681730A (zh) | 医学影像报告的分析方法和计算机可读存储介质 | |
CN116327183A (zh) | 一种睡眠数据监测方法、装置、终端设备及存储介质 | |
CN109408353B (zh) | 一种存储分区利用率和iops的分析方法,***及终端设备 | |
CN114041753A (zh) | 睡眠分期方法、装置、计算机设备和存储介质 | |
CN111915553A (zh) | 基于时序建模的部位识别方法和装置 | |
CN114913361A (zh) | 应用于抗人球蛋白试验结果图像的分类方法及*** | |
CN112086154A (zh) | 儿科信息智能建档方法、装置、设备及存储介质 | |
CN115314404B (zh) | 服务优化方法、装置、计算机设备及存储介质 | |
CN114220055B (zh) | 辅助用户面谈的方法、装置、计算机设备及存储介质 | |
CN107456211B (zh) | 一种鼾声检测方法、***及终端设备 | |
CN114510981A (zh) | 动作识别的预测方法、装置、服务器及存储介质 |
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 |