CN116269220A - 一种睡眠数据持续监测和管理的方法及可穿戴设备 - Google Patents
一种睡眠数据持续监测和管理的方法及可穿戴设备 Download PDFInfo
- Publication number
- CN116269220A CN116269220A CN202310149679.XA CN202310149679A CN116269220A CN 116269220 A CN116269220 A CN 116269220A CN 202310149679 A CN202310149679 A CN 202310149679A CN 116269220 A CN116269220 A CN 116269220A
- Authority
- CN
- China
- Prior art keywords
- sleep
- score
- wearer
- time
- heart rate
- 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
- 230000007958 sleep Effects 0.000 title claims abstract description 232
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003860 sleep quality Effects 0.000 claims abstract description 128
- 230000036760 body temperature Effects 0.000 claims abstract description 108
- 238000004364 calculation method Methods 0.000 claims abstract description 55
- 230000004622 sleep time Effects 0.000 claims abstract description 54
- 230000036578 sleeping time Effects 0.000 claims abstract description 40
- 230000001133 acceleration Effects 0.000 claims description 59
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 20
- 206010062519 Poor quality sleep Diseases 0.000 claims description 18
- 230000037007 arousal Effects 0.000 claims description 11
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 22
- 230000000694 effects Effects 0.000 description 12
- 210000000707 wrist Anatomy 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 9
- 208000019116 sleep disease Diseases 0.000 description 7
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000004617 sleep duration Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000036544 posture Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 208000020685 sleep-wake disease Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000005728 strengthening Methods 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
-
- 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
- A61B5/4815—Sleep quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例涉及睡眠质量监测技术领域,公开了一种睡眠数据持续监测和管理的方法及可穿戴设备,该方法包括:计算出穿戴者在睡眠时间内的睡眠状态信息,以得到穿戴者在睡眠时间内的觉醒次数;根据觉醒次数,利用第一计算公式模型计算出穿戴者的体动睡眠分数;根据穿戴者在睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出穿戴者在睡眠时间内的每一时间温度点分数;将每一时间温度点分数进行累加,计算出穿戴者的体温睡眠分数;利用第三公式模型计算出穿戴者的心率睡眠分数;利用第四计算公式模型计算出穿戴者的目标睡眠质量分数。实施本发明实施例,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
Description
技术领域
本发明涉及睡眠质量监测技术领域,尤其涉及一种睡眠数据持续监测和管理的方法及可穿戴设备。
背景技术
人一生中有三分之一的时间在睡眠中度过,睡眠是人体所必需的正常生理活动,合理有效的睡眠有消除疲劳、恢复体力精力、增强免疫力、促进人体生长发育、巩固记忆等作用。
长期存在睡眠问题的人容易患上其他各类疾病,同时睡眠不佳也可能是人体不良身心健康状况的一些体现,比如气血不足、压力过大等,因此人监测自身的睡眠质量有非常重要的意义。
但在实践中发现,现有专业的睡眠监测设备大多是设立在专门的监测场所里的,且其价格不菲,其受众人群不广,很大程度的限制了睡眠监测的广泛开展。而目前可大面积推广的监测睡眠设备大部分是依靠手机APP来进行,其大多是仅靠单一维度去测算睡眠质量,无法得到精准的对睡眠质量监测结果。
发明内容
本发明实施例公开一种睡眠数据持续监测和管理的方法及可穿戴设备,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
本发明实施例第一方面公开一种睡眠数据持续监测和管理的方法,所述方法包括:
在获得穿戴者的三轴加速度数据信息时,计算出所述穿戴者在睡眠时间内的睡眠状态信息,以得到所述穿戴者在所述睡眠时间内的觉醒次数;
根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数;
在获得所述穿戴者在所述睡眠时间内的温度数据信息时,根据所述穿戴者在所述睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出所述穿戴者在所述睡眠时间内的每一时间温度点分数;
将每一所述时间温度点分数进行累加,计算出所述穿戴者的体温睡眠分数;
在获得所述穿戴者在所述睡眠时间内的心率数据信息时,根据所述穿戴者的心率异常次数,利用第三公式模型计算出所述穿戴者的心率睡眠分数;
根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数。
作为另一种可选的实施方式,在本发明实施例第一方面中,所述在获得穿戴者的三轴加速度数据信息时,计算出所述穿戴者在所述睡眠时间内的睡眠状态信息,以得到所述穿戴者在睡眠时间内的觉醒次数,包括:
计算出在所述每一时间点内的所述三轴加速度数据信息;其中,所述三轴加速度数据信息内至少包括有所述穿戴者在横轴x、纵轴y和竖轴z方向上的合加速度数值;
根据所述合加速度数值,获取所述穿戴者在所述睡眠时间内的体动次数;其中,所述合加速度数值大于第一指定阈值的次数为所述体动次数;
利用多元线性回归方法确定出系数;
分别将所述每一时间点内的所述合加速度数值、所述体动次数和所述系数进行相乘,以计算得出体动睡眠状态数值;其中,所述体动睡眠状态数值大于第二指定阈值的次数为所述觉醒次数。
作为另一种可选的实施方式,在本发明实施例第一方面中,在所述分别将所述每一时间点内的所述合加速度数值、所述体动次数和所述系数进行相乘,以计算得出体动睡眠状态数值之后,以及所述根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数之前,所述方法还包括:
将每一所述体动睡眠状态数值绘制成曲线,以获得体动睡眠状态曲线信息;其中,所述体动睡眠状态曲线信息内包括有所述穿戴者的入睡时间和醒觉时间;
根据所述体动睡眠状态曲线信息,确定出所述睡眠时间。
作为另一种可选的实施方式,在本发明实施例第一方面中,所述根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数,包括:
将体动睡眠初始得分除以所述睡眠时间的商乘以总觉醒次数,以计算得出觉醒次数得分;
将所述体动睡眠初始得分减去所述觉醒次数得分,以计算出所述体动睡眠分数。
作为另一种可选的实施方式,在本发明实施例第一方面中,所述在获得所述穿戴者在所述睡眠时间内的温度数据信息时,根据所述穿戴者在所述睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出所述穿戴者在所述睡眠时间内的每一时间温度点分数,包括:
计算得出异常体温得分;其中,所述异常体温得分为所述实时体温与体温均值之差;
将体温睡眠初始得分减去所述异常体温得分,以计算得出所述时间温度点分数。
作为另一种可选的实施方式,在本发明实施例第一方面中,所述在获得所述穿戴者在所述睡眠时间内的心率数据信息时,根据所述穿戴者的心率异常次数,利用第三公式模型计算出所述穿戴者的心率睡眠分数,包括:
从所述心率数据信息中选择出不在指定心率范围区间内的心率异常数据,以获得所述心率异常次数;
将心率睡眠初始得分除以所述睡眠时间的商乘以总心率异常次数,以计算得出心率异常得分;
将所述心率睡眠初始得分减去所述心率异常得分,计算得出所述心率睡眠分数。
作为另一种可选的实施方式,在本发明实施例第一方面中,所述根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数,包括:
将所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数按照一定的比例关系进行相加,以计算得出所述穿戴者在第一指定时间段内的第一睡眠质量分数;
将第二指定时间段内的每一所述第一睡眠质量分数进行累加,并除以所述第一指定时间段在所述第二指定时间段内的数量,以计算得出所述目标睡眠质量分数。
作为另一种可选的实施方式,在本发明实施例第一方面中,所述根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数之后,所述方法还包括:
根据所述目标睡眠质量分数,判断出所述穿戴者的睡眠质量结果;
将所述睡眠质量结果输出至相关联的设备终端上。
本发明实施例第二方面公开一种可穿戴设备,所述可穿戴设备包括:
第一计算单元,用于在获得穿戴者的三轴加速度数据信息时,计算出所述穿戴者在睡眠时间内的睡眠状态信息,以得到所述穿戴者在所述睡眠时间内的觉醒次数;
第二计算单元,用于根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数;
第三计算单元,用于在获得所述穿戴者在所述睡眠时间内的温度数据信息时,根据所述穿戴者在所述睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出所述穿戴者在所述睡眠时间内的每一时间温度点分数;
第四计算单元,用于将每一所述时间温度点分数进行累加,计算出所述穿戴者的体温睡眠分数;
第五计算单元,用于在获得所述穿戴者在所述睡眠时间内的心率数据信息时,根据所述穿戴者的心率异常次数,利用第三公式模型计算出所述穿戴者的心率睡眠分数;
第六计算单元,用于根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数。
本发明实施例第三方面公开一种可穿戴设备,所述可穿戴设备包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的一种睡眠数据持续监测和管理的方法。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种睡眠数据持续监测和管理的方法。
本发明实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种睡眠数据持续监测和管理的方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种睡眠数据持续监测和管理的方法的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,在获得穿戴者的三轴加速度数据信息时,计算出所述穿戴者在睡眠时间内的睡眠状态信息,以得到所述穿戴者在所述睡眠时间内的觉醒次数;根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数;在获得所述穿戴者在所述睡眠时间内的温度数据信息时,根据所述穿戴者在所述睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出所述穿戴者在所述睡眠时间内的每一时间温度点分数;将每一所述时间温度点分数进行累加,计算出所述穿戴者的体温睡眠分数;在获得所述穿戴者在所述睡眠时间内的心率数据信息时,根据所述穿戴者的心率异常次数,利用第三公式模型计算出所述穿戴者的心率睡眠分数;根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数。可见,本发明实施例,在用户伸长或缩短时间轴时,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种睡眠数据持续监测和管理的方法的流程示意图;
图2是本发明实施例公开的另一种睡眠数据持续监测和管理的方法的流程示意图;
图3是本发明实施例公开的一种可穿戴设备的结构示意图;
图4是本发明实施例公开的另一种可穿戴设备的结构示意图;
图5是本发明实施例公开的另一种可穿戴设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种睡眠数据持续监测和管理的方法及可穿戴设备,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
以下结合附图进行详细描述。
实施例一
请参阅图1,图1是本发明实施例公开的一种睡眠数据持续监测和管理的方法的流程示意图。如图1所示,该睡眠质量监测方法可以包括以下步骤。
101、可穿戴设备在获得穿戴者的三轴加速度数据信息时,计算出穿戴者在睡眠时间内的睡眠状态信息,以得到穿戴者在睡眠时间内的觉醒次数。
在本发明实施例中,在可穿戴设备测量出横纵X、纵轴Y、竖轴Z三个轴上的加速度时,本申请为降低不同姿势对采样结果的影响,用可三维空间下的三轴加速度数据信息来描述体动状况。
在本发明实施例中,在体动信息和睡眠状态之间的关系模型式中,R为体动睡眠状态数值,当R<1时判断为睡眠,当R>1时判断为醒觉。Ai为与当前一分钟前后的某一分钟腕活动次数,举例A0为当前这一分钟的腕活动次数,那么Ai可为当前这一分钟之前第1分钟和当前一分钟之后第1分钟的腕活动次数。而Ki值可通过多元线性回归方法得出。
102、可穿戴设备根据觉醒次数,利用第一计算公式模型计算出穿戴者的体动睡眠分数。
在本发明实施例中,本申请可将R值绘制成曲线,通过提取数据曲线的特征信息判断用户的入睡和起床时间,即睡眠时长。在确定睡眠区间后,可记录睡眠过程中R>1的次数(在公式中n为R>1的次数),即设备穿戴者在睡眠区间中醒来的次数/时长。假设体动睡眠初始得分为1000分,按照R>1的次数进行扣分计算,得出体动维度的睡眠分数(BM)。第一计算公式模型公式如下:BM=1000-n*[1000/(end-start)*60],其中,(end-start)是指睡眠结束时间减去睡眠开始时间(以小时为单位),即睡眠时长。
103、可穿戴设备在获得穿戴者在睡眠时间内的温度数据信息时,根据穿戴者在睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出穿戴者在睡眠时间内的每一时间温度点分数。
作为另一种可选的实施方式,在本发明实施例中,本申请可在不同时间测量多个温度值。由该运算处理算法的分类规则产生引擎以单位期间为基准点而定义具有不同大小的多个窗口期间,分别计算在这些窗口期间中的样本温度的特征参数,以及依据这些对应样本状态与这些特征参数而决定时间序列窗口长度。
作为另一种可选的实施方式,在本发明实施例中,本申请可在每个一定宽度的时间窗内(例如5分钟)取一次穿戴者在深度睡眠时间段内的体温信息。根据监测穿戴者睡眠期间的体温,得到体温的变异性数据,分析得出用户在该期间体温变异性与均值之差,对穿戴者体温维度的睡眠分数进行评分。以其睡眠时间内的体温均值作为一个标准,按照每一时间点体温偏离平均值的程度进行计算,假设体温睡眠初始得分为[1000/24*(end-start)],根据第二公式模型: 其中,(end-start)是指睡眠结束时间减去睡眠开始时间(以小时为单位),即睡眠时长,B为实时体温,/>为体温均值。
104、可穿戴设备将每一时间温度点分数进行累加,计算出穿戴者的体温睡眠分数。
105、可穿戴设备在获得穿戴者在睡眠时间内的心率数据信息时,根据穿戴者的心率异常次数,利用第三公式模型计算出穿戴者的心率睡眠分数。
作为另一种可选的实施方式,在本发明实施例中,可穿戴设备可根据监测用户睡眠期间的心率,得到心率数据,以心率均值±标准差为范围,分析得用户心率不在此区间的次数(n),对用户心率维度的睡眠分数(HB)进行计算。以心率睡眠初始得分为1000为例,第三公式模型如下:HB=1000-n*[1000/(end-start)*12],其中,(end-start)是指睡眠结束时间减去睡眠开始时间(以小时为单位),即睡眠时长。
106、可穿戴设备根据体动睡眠分数、体温睡眠分数和心率睡眠分数,利用第四计算公式模型计算出穿戴者的目标睡眠质量分数。
在本发明实施例中,本申请的公式模型为根据100人的数据多次试验分析,以及多次拟合方程优化参数模型,才最终计算得出的。以日为单位,本申请得出的日睡眠质量分数公式模型为:SQ=(BT*0.5+BM*0.4+HB*0.1)*0.1,那么月均睡眠质量分数(SQA)算法公式模型,即第四计算公式模型可以为:其中,M为每月的天数。
作为另一种可选的实施方式,在本发明实施例中,本申请的可穿戴设备内可设置有用于每间隔五分钟采集一条用户体温数据信息的温度传感器、用于采集用户三轴加速度数据的加速度传感器、用于采集用户心率数据的光学模拟前端传感器,在以上传感器设备将各数据上传至可穿戴设备的处理***内时,可穿戴设备的处理***可先对采集到的数据信息进行过滤,除去自然界的能量变化的干扰,并将过滤后的信息数据化。随后可穿戴设备的分析***可提取数据的特征信息,通过并通过相关公式判断睡眠时间并计算体动、温度、心率这三个维度的睡眠分数以推算睡眠质量分数。
作为另一种可选的实施方式,在本发明实施例中,本申请的体动睡眠质量分数、温度睡眠质量分数和心率睡眠质量分数的计算可以是同步进行的,也可以是依次进行的,本申请不做任何限定。
作为另一种可选的实施方式,在本发明实施例中,本发明中的穿戴式设备监测睡眠的好处在于对动作感知更加准确,且它能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性,同时这种方法适合各类人群,具有方便快捷、可以长时间连续监测的特点,让人们更简单地了解自己的长期睡眠情况,及时发现睡眠问题,有意识地提高自身睡眠质量。
在图1所示的睡眠质量监测方法中,以可穿戴设备作为执行主体为例进行描述。需要说明的是,图1所示的睡眠质量监测方法的执行主体还可以是与可穿戴设备相关联的独立设备,本发明实施例不作限定。
可见,实施图1所描述的一种睡眠数据持续监测和管理的方法,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
此外,实施图1所描述的一种睡眠数据持续监测和管理的方法,能够对睡眠时间进行快速、准确的自动判断,对睡眠质量作出快速的推算评估。
实施例二
请参阅图2,图2是本发明实施例公开的另一种睡眠数据持续监测和管理的方法的流程示意图。如图2所示,该睡眠质量监测方法可以包括以下步骤:
201、可穿戴设备计算出在每一时间点内的三轴加速度数据信息;其中,三轴加速度数据信息内至少包括有穿戴者在横轴x、纵轴y和竖轴z方向上的合加速度数值。
202、可穿戴设备根据合加速度数值,获取穿戴者在睡眠时间内的体动次数;其中,合加速度数值大于第一指定阈值的次数为体动次数。
在本发明实施例中,在可穿戴设备测量出横纵X、纵轴Y、竖轴Z三个轴上的加速度时,本申请为降低不同姿势对采样结果的影响,用可三维空间下的三轴加速度数据信息来描述体动状况,其中,本申请可采用合加速度公式模型:来计算得出合加速度数值。
作为另一种可选的实施方式,在本发明实施例中,三轴加速度数据信息表明人体运动的剧烈程度,其将人体横纵X、纵轴Y、竖轴Z三轴的加速度变化集合为一矢量,其值越大表明运动越剧烈。
作为另一种可选的实施方式,在本发明实施例中,本申请可对测量到的体动信号使用过零检测模式进行量化,记录一分钟时间内体动合加速度值大于参考加速度值的次数,即一分钟内的体动次数。
203、可穿戴设备利用多元线性回归方法确定出系数。
204、可穿戴设备分别将每一时间点内的合加速度数值、体动次数和系数进行相乘,以计算得出体动睡眠状态数值;其中,体动睡眠状态数值大于第二指定阈值的次数为觉醒次数。
在本发明实施例中,本申请可采用体动信息和睡眠状态之间的关系模型式来计算出体动睡眠状态数值,R为体动睡眠状态数值,当R<1时判断为睡眠,当R>1时判断为醒觉。Ai为与当前一分钟前后的某一分钟腕活动次数,举例A0为当前这一分钟的腕活动次数,那么Ai可为当前这一分钟之前第1分钟和当前一分钟之后第1分钟的腕活动次数。而Ki值可通过多元线性回归方法得出。
205、可穿戴设备将每一体动睡眠状态数值绘制成曲线,以获得体动睡眠状态曲线信息;其中,体动睡眠状态曲线信息内包括有穿戴者的入睡时间和醒觉时间。
206、可穿戴设备根据体动睡眠状态曲线信息,确定出睡眠时间。
在本发明实施例中,本申请可将R值绘制成曲线,通过提取数据曲线的特征信息判断用户的入睡和起床时间,即睡眠时长。在确定睡眠区间后,可记录睡眠过程中R>1的次数(在公式中n为R>1的次数),即设备穿戴者在睡眠区间中醒来的次数/时长。
207、可穿戴设备将体动睡眠初始得分除以睡眠时间的商乘以总觉醒次数,以计算得出觉醒次数得分。
208、可穿戴设备将体动睡眠初始得分减去觉醒次数得分,以计算出体动睡眠分数。
在本发明实施例中,本申请的第一计算公式模型可为:BM=1000-n*[1000/(end-start)*60],其中,1000为假设的体动睡眠初始得分,1000/(end-start)*60为觉醒次数得分。
209、可穿戴设备计算得出异常体温得分;其中,异常体温得分为实时体温与体温均值之差。
210、可穿戴设备将体温睡眠初始得分减去异常体温得分,以计算得出时间温度点分数。
211、可穿戴设备将每一时间温度点分数进行累加,计算出穿戴者的体温睡眠分数。
作为另一种可选的实施方式,在本发明实施例中,本申请可在每个一定宽度的时间窗内(例如5分钟)取一次穿戴者在深度睡眠时间段内的体温信息。根据监测穿戴者睡眠期间的体温,得到体温的变异性数据,分析得出用户在该期间体温变异性与均值之差,对穿戴者体温维度的睡眠分数进行评分。以其睡眠时间内的体温均值作为一个标准,按照每一时间点体温偏离平均值的程度进行计算,本申请的第二公式模型可以为: 其中,[1000/24*(end-start)]为假设的体温睡眠初始得分,/> 为异常体温得分。
212、可穿戴设备从心率数据信息中选择出不在指定心率范围区间内的心率异常数据,以获得心率异常次数。
213、可穿戴设备将心率睡眠初始得分除以睡眠时间的商乘以总心率异常次数,以计算得出心率异常得分。
214、可穿戴设备将心率睡眠初始得分减去心率异常得分,计算得出心率睡眠分数。
215、可穿戴设备将体动睡眠分数、体温睡眠分数和心率睡眠分数按照一定的比例关系进行相加,以计算得出穿戴者在第一指定时间段内的第一睡眠质量分数。
216、可穿戴设备将第二指定时间段内的每一第一睡眠质量分数进行累加,并除以第一指定时间段在第二指定时间段内的数量,以计算得出目标睡眠质量分数。
217、可穿戴设备根据目标睡眠质量分数,判断出穿戴者的睡眠质量结果。
218、可穿戴设备将睡眠质量结果输出至相关联的设备终端上。
在本发明实施例中,本申请的公式模型为根据100人的数据多次试验分析,以及多次拟合方程优化参数模型,才最终计算得出的。以日为单位,本申请得出的日睡眠质量分数公式模型为:SQ=(BT*0.5+BM*0.4+HB*0.1)*0.1,那么月均睡眠质量分数(SQA)算法公式模型,即第四计算公式模型可以为:其中,M为每月的天数。
作为另一种可选的实施方式,在本发明实施例中,用上述月均睡眠质量分数(SQA)算法公式模型监测100位用户的睡眠质量,并连续追踪这100人的数据持续约1个月的时间,由算法算得他们的月平均睡眠质量分数(SQA)。后续针对该100位用户进行问卷调查,由用户填写匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index PSQI)量表以评价他们的睡眠质量,即获取用户自评得出的近一个月实际睡眠情况分数。PSQI得分越高说明睡眠质量越差,以PSQI≥8分作为睡眠质量差(即睡眠障碍)的评价标准。运用SPSS23.0软件进行统计和数据分析,研究算法得分和PSQI量表得分的相关关系,得出,月平均睡眠质量得分、睡眠量表PSQI得分的积差相关系数为-0.762,为大效应量,对应P值小于0.05,说明算法所测得的用户月均睡眠质量得分(SQA)与用户在匹兹堡睡眠质量量表(PSQI)的得分呈显著的负相关关系。SQA分值越高则匹兹堡睡眠量表得分越低,即SQA分值越高用户睡眠质量越好,这有效说明SQA在测量睡眠质量方面有一定的参考价值,再加上通过量表所测结果与SQA结果一一比对,最终验证得该睡眠质量算法的准确率达到约83%,略高于市面上的各类睡眠质量评估算法的准确度。睡眠质量算法在评估长期睡眠质量方面精准性较高,为穿戴类设备的睡眠质量监测算法提供一定的理论依据。
可见,实施图2所描述的另一种睡眠数据持续监测和管理的方法,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
此外,实施图2所描述的另一种睡眠数据持续监测和管理的方法,能够适合各类人群,具有方便快捷、可以长时间连续监测的特点,让人们更简单地了解自己的长期睡眠情况,及时发现睡眠问题,有意识地提高自身睡眠质量。
实施例三
请参阅图3,图3是本发明实施例公开的一种可穿戴设备的结构示意图。如图3所示,该可穿戴设备300可以包括第一计算单元301、第二计算单元302、第三计算单元303、第四计算单元304、第五计算单元305和第六计算单元306,其中:
第一计算单元301,用于在获得穿戴者的三轴加速度数据信息时,计算出穿戴者在睡眠时间内的睡眠状态信息,以得到穿戴者在睡眠时间内的觉醒次数。
第二计算单元302,用于根据觉醒次数,利用第一计算公式模型计算出穿戴者的体动睡眠分数。
第三计算单元303,用于在获得穿戴者在睡眠时间内的温度数据信息时,根据穿戴者在睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出穿戴者在睡眠时间内的每一时间温度点分数。
第四计算单元304,用于将每一时间温度点分数进行累加,计算出穿戴者的体温睡眠分数。
第五计算单元305,用于在获得穿戴者在睡眠时间内的心率数据信息时,根据穿戴者的心率异常次数,利用第三公式模型计算出穿戴者的心率睡眠分数。
第六计算单元306,用于根据体动睡眠分数、体温睡眠分数和心率睡眠分数,利用第四计算公式模型计算出穿戴者的目标睡眠质量分数。
在本发明实施例中,在可穿戴设备测量出横纵X、纵轴Y、竖轴Z三个轴上的加速度时,本申请为降低不同姿势对采样结果的影响,第一计算单元301用可三维空间下的三轴加速度数据信息来描述体动状况。
在本发明实施例中,在体动信息和睡眠状态之间的关系模型式中,R为体动睡眠状态数值,当R<1时判断为睡眠,当R>1时判断为醒觉。Ai为与当前一分钟前后的某一分钟腕活动次数,举例A0为当前这一分钟的腕活动次数,那么Ai可为当前这一分钟之前第1分钟和当前一分钟之后第1分钟的腕活动次数。而Ki值可通过多元线性回归方法得出。
在本发明实施例中,本申请可将R值绘制成曲线,通过提取数据曲线的特征信息判断用户的入睡和起床时间,即睡眠时长。在确定睡眠区间后,可记录睡眠过程中R>1的次数(在公式中n为R>1的次数),即设备穿戴者在睡眠区间中醒来的次数/时长。假设体动睡眠初始得分为1000分,按照R>1的次数进行扣分计算,第二计算单元302得出体动维度的睡眠分数(BM)。第一计算公式模型公式如下:BM=1000-n*[1000/(end-start)*60],其中,(end-start)是指睡眠结束时间减去睡眠开始时间(以小时为单位),即睡眠时长。
作为另一种可选的实施方式,在本发明实施例中,本申请可在不同时间测量多个温度值。由该运算处理算法的分类规则产生引擎以单位期间为基准点而定义具有不同大小的多个窗口期间,分别计算在这些窗口期间中的样本温度的特征参数,以及依据这些对应样本状态与这些特征参数而决定时间序列窗口长度。
作为另一种可选的实施方式,在本发明实施例中,本申请可在每个一定宽度的时间窗内(例如5分钟)取一次穿戴者在深度睡眠时间段内的体温信息。根据监测穿戴者睡眠期间的体温,得到体温的变异性数据,第三计算单元303分析得出用户在该期间体温变异性与均值之差,对穿戴者体温维度的睡眠分数进行评分。以其睡眠时间内的体温均值作为一个标准,按照每一时间点体温偏离平均值的程度进行计算,假设体温睡眠初始得分为[1000/24*(end-start)],根据第二公式模型: 其中,(end-start)是指睡眠结束时间减去睡眠开始时间(以小时为单位),即睡眠时长,B为实时体温,/>为体温均值。
作为另一种可选的实施方式,在本发明实施例中,第五计算单元305可根据监测用户睡眠期间的心率,得到心率数据,以心率均值±标准差为范围,分析得用户心率不在此区间的次数(n),对用户心率维度的睡眠分数(HB)进行计算。以心率睡眠初始得分为1000为例,第三公式模型如下:HB=1000-n*[1000/(end-start)*12],其中,(end-start)是指睡眠结束时间减去睡眠开始时间(以小时为单位),即睡眠时长。
在本发明实施例中,本申请的公式模型为根据100人的数据多次试验分析,以及多次拟合方程优化参数模型,才最终计算得出的。以日为单位,第六计算单元306得出的日睡眠质量分数公式模型为:SQ=(BT*0.5+BM*0.4+HB*0.1)*0.1,那么月均睡眠质量分数(SQA)算法公式模型,即第四计算公式模型可以为:其中,M为每月的天数。
作为另一种可选的实施方式,在本发明实施例中,本申请的可穿戴设备内可设置有用于每间隔五分钟采集一条用户体温数据信息的温度传感器、用于采集用户三轴加速度数据的加速度传感器、用于采集用户心率数据的光学模拟前端传感器,在以上传感器设备将各数据上传至可穿戴设备的处理***内时,可穿戴设备的处理***可先对采集到的数据信息进行过滤,除去自然界的能量变化的干扰,并将过滤后的信息数据化。随后可穿戴设备的分析***可提取数据的特征信息,通过并通过相关公式判断睡眠时间并计算体动、温度、心率这三个维度的睡眠分数以推算睡眠质量分数。
作为另一种可选的实施方式,在本发明实施例中,本申请的体动睡眠质量分数、温度睡眠质量分数和心率睡眠质量分数的计算可以是同步进行的,也可以是依次进行的,本申请不做任何限定。
作为另一种可选的实施方式,在本发明实施例中,本发明中的穿戴式设备监测睡眠的好处在于对动作感知更加准确,且它能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性,同时这种方法适合各类人群,具有方便快捷、可以长时间连续监测的特点,让人们更简单地了解自己的长期睡眠情况,及时发现睡眠问题,有意识地提高自身睡眠质量。
可见,实施图3所描述的可穿戴设备,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
此外,实施图3所描述的可穿戴设备,能够对睡眠时间进行快速、准确的自动判断,对睡眠质量作出快速的推算评估。
实施例四
请参阅图4,图4是本发明实施例公开的另一种可穿戴设备的结构示意图。其中,图4所示的可穿戴设备是由图3所示的可穿戴设备进行优化得到的。与图3所示的可穿戴设备相比较,图4所示的第一计算单元301包括:
第一计算子单元3011,用于计算出在每一时间点内的三轴加速度数据信息;其中,三轴加速度数据信息内至少包括有穿戴者在横轴x、纵轴y和竖轴z方向上的合加速度数值。
获取子单元3012,用于根据合加速度数值,获取穿戴者在睡眠时间内的体动次数;其中,合加速度数值大于第一指定阈值的次数为体动次数。
在本发明实施例中,在可穿戴设备测量出横纵X、纵轴Y、竖轴Z三个轴上的加速度时,第一计算子单元3011为降低不同姿势对采样结果的影响,用可三维空间下的三轴加速度数据信息来描述体动状况,其中,第一计算子单元3011可采用合加速度公式模型:来计算得出合加速度数值。
作为另一种可选的实施方式,在本发明实施例中,三轴加速度数据信息表明人体运动的剧烈程度,其将人体横纵X、纵轴Y、竖轴Z三轴的加速度变化集合为一矢量,其值越大表明运动越剧烈。
作为另一种可选的实施方式,在本发明实施例中,第一计算子单元3011可对测量到的体动信号使用过零检测模式进行量化,记录一分钟时间内体动合加速度值大于参考加速度值的次数,即一分钟内的体动次数。
第一确定子单元3013,用于利用多元线性回归方法确定出系数。
第二计算子单元3014,用于分别将每一时间点内的合加速度数值、体动次数和系数进行相乘,以计算得出体动睡眠状态数值;其中,体动睡眠状态数值大于第二指定阈值的次数为觉醒次数。
在本发明实施例中,第二计算子单元3014可采用体动信息和睡眠状态之间的关系模型式来计算出体动睡眠状态数值,R为体动睡眠状态数值,当R<1时判断为睡眠,当R>1时判断为醒觉。Ai为与当前一分钟前后的某一分钟腕活动次数,举例A0为当前这一分钟的腕活动次数,那么Ai可为当前这一分钟之前第1分钟和当前一分钟之后第1分钟的腕活动次数。而Ki值可通过多元线性回归方法得出。
与图3所示的可穿戴设备相比较,图4所示的第一计算单元301还包括:
绘制子单元3015,用于将每一体动睡眠状态数值绘制成曲线,以获得体动睡眠状态曲线信息;其中,体动睡眠状态曲线信息内包括有穿戴者的入睡时间和醒觉时间。
第二确定子单元3016,用于根据体动睡眠状态曲线信息,确定出睡眠时间。
在本发明实施例中,绘制子单元3015可将R值绘制成曲线,通过提取数据曲线的特征信息判断用户的入睡和起床时间,即睡眠时长。在第二确定子单元3016确定睡眠区间后,可记录睡眠过程中R>1的次数(在公式中n为R>1的次数),即设备穿戴者在睡眠区间中醒来的次数/时长。
与图3所示的可穿戴设备相比较,图4所示的第二计算单元302包括:
第三计算子单元3021,用于将体动睡眠初始得分除以睡眠时间的商乘以总觉醒次数,以计算得出觉醒次数得分。
第四计算子单元3022,用于将体动睡眠初始得分减去觉醒次数得分,以计算出体动睡眠分数。
在本发明实施例中,本申请的第一计算公式模型可为:BM=1000-n*[1000/(end-start)*60],其中,1000为假设的体动睡眠初始得分,1000/(end-start)*60为觉醒次数得分。
与图3所示的可穿戴设备相比较,图4所示的第三计算单元303包括:
第五计算子单元3031,用于计算得出异常体温得分;其中,异常体温得分为实时体温与体温均值之差。
第六计算子单元3032,用于将体温睡眠初始得分减去异常体温得分,以计算得出时间温度点分数。
作为另一种可选的实施方式,在本发明实施例中,本申请可在每个一定宽度的时间窗内(例如5分钟)取一次穿戴者在深度睡眠时间段内的体温信息。根据监测穿戴者睡眠期间的体温,得到体温的变异性数据,分析得出用户在该期间体温变异性与均值之差,对穿戴者体温维度的睡眠分数进行评分。以其睡眠时间内的体温均值作为一个标准,按照每一时间点体温偏离平均值的程度进行计算,本申请的第二公式模型可以为: 其中,[1000/24*(end-start)]为假设的体温睡眠初始得分,/> 为异常体温得分。
与图3所示的可穿戴设备相比较,图4所示的第五计算单元305包括:
选择子单元3051,用于从心率数据信息中选择出不在指定心率范围区间内的心率异常数据,以获得心率异常次数。
第七计算子单元3052,用于将心率睡眠初始得分除以睡眠时间的商乘以总心率异常次数,以计算得出心率异常得分。
第八计算子单元3053,用于将心率睡眠初始得分减去心率异常得分,计算得出心率睡眠分数。
与图3所示的可穿戴设备相比较,图4所示的第六计算单元306包括:
第九计算子单元3061,用于将体动睡眠分数、体温睡眠分数和心率睡眠分数按照一定的比例关系进行相加,以计算得出穿戴者在第一指定时间段内的第一睡眠质量分数。
第十计算子单元3062,用于将第二指定时间段内的每一第一睡眠质量分数进行累加,并除以第一指定时间段在第二指定时间段内的数量,以计算得出目标睡眠质量分数。
在本发明实施例中,本申请的公式模型为根据100人的数据多次试验分析,以及多次拟合方程优化参数模型,才最终计算得出的。以日为单位,本申请得出的日睡眠质量分数公式模型为:SQ=(BT*0.5+BM*0.4+HB*0.1)*0.1,那么月均睡眠质量分数(SQA)算法公式模型,即第四计算公式模型可以为:其中,M为每月的天数。
作为另一种可选的实施方式,在本发明实施例中,用上述月均睡眠质量分数(SQA)算法公式模型监测100位用户的睡眠质量,并连续追踪这100人的数据持续约1个月的时间,由算法算得他们的月平均睡眠质量分数(SQA)。后续针对该100位用户进行问卷调查,由用户填写匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index PSQI)量表以评价他们的睡眠质量,即获取用户自评得出的近一个月实际睡眠情况分数。PSQI得分越高说明睡眠质量越差,以PSQI≥8分作为睡眠质量差(即睡眠障碍)的评价标准。运用SPSS23.0软件进行统计和数据分析,研究算法得分和PSQI量表得分的相关关系,得出,月平均睡眠质量得分、睡眠量表PSQI得分的积差相关系数为-0.762,为大效应量,对应P值小于0.05,说明算法所测得的用户月均睡眠质量得分(SQA)与用户在匹兹堡睡眠质量量表(PSQI)的得分呈显著的负相关关系。SQA分值越高则匹兹堡睡眠量表得分越低,即SQA分值越高用户睡眠质量越好,这有效说明SQA在测量睡眠质量方面有一定的参考价值,再加上通过量表所测结果与SQA结果一一比对,最终验证得该睡眠质量算法的准确率达到约83%,略高于市面上的各类睡眠质量评估算法的准确度。睡眠质量算法在评估长期睡眠质量方面精准性较高,为穿戴类设备的睡眠质量监测算法提供一定的理论依据。
与图3所示的可穿戴设备相比较,图4所示的可穿戴设备还包括:
判断单元307,用于在第六计算单元根据体动睡眠分数、体温睡眠分数和心率睡眠分数,利用第四计算公式模型计算出穿戴者的目标睡眠质量分数之后,根据目标睡眠质量分数,判断出穿戴者的睡眠质量结果。
输出单元308,用于将睡眠质量结果输出至相关联的设备终端上。
可见,实施图4所描述的另一种可穿戴设备,能够融合多项指标去评估睡眠质量,对睡眠质量的监测更具有准确性。
此外,实施图4所描述的另一种可穿戴设备,能够适合各类人群,具有方便快捷、可以长时间连续监测的特点,让人们更简单地了解自己的长期睡眠情况,及时发现睡眠问题,有意识地提高自身睡眠质量。
实施例五
请参阅图5,图5是本发明实施例公开的另一种可穿戴设备的结构示意图。如图5所示,该可穿戴设备可以包括:
存储有可执行程序代码的存储器501;
与存储器501耦合的处理器502;
其中,处理器502调用存储器501中存储的可执行程序代码,执行图1~图2任意一种睡眠数据持续监测和管理的方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行图1的一种睡眠数据持续监测和管理的方法。
本发明实施例还公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一种计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种睡眠数据持续监测和管理的方法及可穿戴设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种睡眠数据持续监测和管理的方法,其特征在于,包括:
在获得穿戴者的三轴加速度数据信息时,计算出所述穿戴者在睡眠时间内的睡眠状态信息,以得到所述穿戴者在所述睡眠时间内的觉醒次数;
根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数;
在获得所述穿戴者在所述睡眠时间内的温度数据信息时,根据所述穿戴者在所述睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出所述穿戴者在所述睡眠时间内的每一时间温度点分数;
将每一所述时间温度点分数进行累加,计算出所述穿戴者的体温睡眠分数;
在获得所述穿戴者在所述睡眠时间内的心率数据信息时,根据所述穿戴者的心率异常次数,利用第三公式模型计算出所述穿戴者的心率睡眠分数;
根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数。
2.根据权利要求1所述的方法,其特征在于,所述在获得穿戴者的三轴加速度数据信息时,计算出所述穿戴者在所述睡眠时间内的睡眠状态信息,以得到所述穿戴者在睡眠时间内的觉醒次数,包括:
计算出在所述每一时间点内的所述三轴加速度数据信息;其中,所述三轴加速度数据信息内至少包括有所述穿戴者在横轴x、纵轴y和竖轴z方向上的合加速度数值;
根据所述合加速度数值,获取所述穿戴者在所述睡眠时间内的体动次数;其中,所述合加速度数值大于第一指定阈值的次数为所述体动次数;
利用多元线性回归方法确定出系数;
分别将所述每一时间点内的所述合加速度数值、所述体动次数和所述系数进行相乘,以计算得出体动睡眠状态数值;其中,所述体动睡眠状态数值大于第二指定阈值的次数为所述觉醒次数。
3.根据权利要求2所述的方法,其特征在于,在所述分别将所述每一时间点内的所述合加速度数值、所述体动次数和所述系数进行相乘,以计算得出体动睡眠状态数值之后,以及所述根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数之前,所述方法还包括:
将每一所述体动睡眠状态数值绘制成曲线,以获得体动睡眠状态曲线信息;其中,所述体动睡眠状态曲线信息内包括有所述穿戴者的入睡时间和醒觉时间;
根据所述体动睡眠状态曲线信息,确定出所述睡眠时间。
4.根据权利要求1所述的方法,其特征在于,所述根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数,包括:
将体动睡眠初始得分除以所述睡眠时间的商乘以总觉醒次数,以计算得出觉醒次数得分;
将所述体动睡眠初始得分减去所述觉醒次数得分,以计算出所述体动睡眠分数。
5.根据权利要求1所述的方法,其特征在于,所述在获得所述穿戴者在所述睡眠时间内的温度数据信息时,根据所述穿戴者在所述睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出所述穿戴者在所述睡眠时间内的每一时间温度点分数,包括:
计算得出异常体温得分;其中,所述异常体温得分为所述实时体温与体温均值之差;
将体温睡眠初始得分减去所述异常体温得分,以计算得出所述时间温度点分数。
6.根据权利要求1所述的方法,其特征在于,所述在获得所述穿戴者在所述睡眠时间内的心率数据信息时,根据所述穿戴者的心率异常次数,利用第三公式模型计算出所述穿戴者的心率睡眠分数,包括:
从所述心率数据信息中选择出不在指定心率范围区间内的心率异常数据,以获得所述心率异常次数;
将心率睡眠初始得分除以所述睡眠时间的商乘以总心率异常次数,以计算得出心率异常得分;
将所述心率睡眠初始得分减去所述心率异常得分,计算得出所述心率睡眠分数。
7.根据权利要求1所述的方法,其特征在于,所述根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数,包括:
将所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数按照一定的比例关系进行相加,以计算得出所述穿戴者在第一指定时间段内的第一睡眠质量分数;
将第二指定时间段内的每一所述第一睡眠质量分数进行累加,并除以所述第一指定时间段在所述第二指定时间段内的数量,以计算得出所述目标睡眠质量分数。
8.根据权利要求1~7任一项所述的方法,其特征在于,所述根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数之后,所述方法还包括:
根据所述目标睡眠质量分数,判断出所述穿戴者的睡眠质量结果;
将所述睡眠质量结果输出至相关联的设备终端上。
9.一种可穿戴设备,其特征在于,所述可穿戴设备包括:
第一计算单元,用于在获得穿戴者的三轴加速度数据信息时,计算出所述穿戴者在睡眠时间内的睡眠状态信息,以得到所述穿戴者在所述睡眠时间内的觉醒次数;
第二计算单元,用于根据所述觉醒次数,利用第一计算公式模型计算出所述穿戴者的体动睡眠分数;
第三计算单元,用于在获得所述穿戴者在所述睡眠时间内的温度数据信息时,根据所述穿戴者在所述睡眠时间内每一时间点的实时体温与体温均值之差,利用第二公式模型计算出所述穿戴者在所述睡眠时间内的每一时间温度点分数;
第四计算单元,用于将每一所述时间温度点分数进行累加,计算出所述穿戴者的体温睡眠分数;
第五计算单元,用于在获得所述穿戴者在所述睡眠时间内的心率数据信息时,根据所述穿戴者的心率异常次数,利用第三公式模型计算出所述穿戴者的心率睡眠分数;
第六计算单元,用于根据所述体动睡眠分数、所述体温睡眠分数和所述心率睡眠分数,利用第四计算公式模型计算出所述穿戴者的目标睡眠质量分数。
10.一种可穿戴设备,其特征在于,所述可穿戴设备包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行权利要求1-8任一项所述的睡眠质量监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310149679.XA CN116269220A (zh) | 2023-02-21 | 2023-02-21 | 一种睡眠数据持续监测和管理的方法及可穿戴设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310149679.XA CN116269220A (zh) | 2023-02-21 | 2023-02-21 | 一种睡眠数据持续监测和管理的方法及可穿戴设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116269220A true CN116269220A (zh) | 2023-06-23 |
Family
ID=86786163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310149679.XA Pending CN116269220A (zh) | 2023-02-21 | 2023-02-21 | 一种睡眠数据持续监测和管理的方法及可穿戴设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116269220A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104224147A (zh) * | 2014-09-15 | 2014-12-24 | 中国科学院苏州生物医学工程技术研究所 | 无线便携式人体健康与睡眠质量监护仪 |
CN105748043A (zh) * | 2016-02-17 | 2016-07-13 | 安徽华米信息科技有限公司 | 睡眠质量监测方法及装置、可穿戴设备 |
CN109260566A (zh) * | 2018-09-12 | 2019-01-25 | 深圳众赢时代科技有限公司 | 使用投影技术增强睡眠技术 |
CN109937010A (zh) * | 2016-09-16 | 2019-06-25 | 伯斯有限公司 | 睡眠质量评分和改进 |
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 |
US20210407684A1 (en) * | 2020-06-25 | 2021-12-30 | Oura Health Oy | Illness Detection Based on Temperature Data |
CN115274056A (zh) * | 2021-04-29 | 2022-11-01 | Oppo广东移动通信有限公司 | 睡眠信息提示方法、装置、电子设备、***和可穿戴设备 |
-
2023
- 2023-02-21 CN CN202310149679.XA patent/CN116269220A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104224147A (zh) * | 2014-09-15 | 2014-12-24 | 中国科学院苏州生物医学工程技术研究所 | 无线便携式人体健康与睡眠质量监护仪 |
CN105748043A (zh) * | 2016-02-17 | 2016-07-13 | 安徽华米信息科技有限公司 | 睡眠质量监测方法及装置、可穿戴设备 |
CN109937010A (zh) * | 2016-09-16 | 2019-06-25 | 伯斯有限公司 | 睡眠质量评分和改进 |
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 |
CN109260566A (zh) * | 2018-09-12 | 2019-01-25 | 深圳众赢时代科技有限公司 | 使用投影技术增强睡眠技术 |
US20210407684A1 (en) * | 2020-06-25 | 2021-12-30 | Oura Health Oy | Illness Detection Based on Temperature Data |
CN115274056A (zh) * | 2021-04-29 | 2022-11-01 | Oppo广东移动通信有限公司 | 睡眠信息提示方法、装置、电子设备、***和可穿戴设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7329549B2 (ja) | ユーザのストレスレベルを決定するための装置、システムおよび方法 | |
RU2535615C2 (ru) | Определение затрат энергии пользователя | |
JP6531161B2 (ja) | 健康リスク指標決定 | |
US10448829B2 (en) | Biological rhythm disturbance degree calculating device, biological rhythm disturbance degree calculating system, and biological rhythm disturbance degree calculating method | |
KR100954817B1 (ko) | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 | |
CN108392211B (zh) | 一种基于多信息融合的疲劳检测方法 | |
US20160089078A1 (en) | Device and method for sleep monitoring | |
CN109646022B (zh) | 儿童注意力评估***及其方法 | |
CN108601566B (zh) | 一种精神压力评测方法和装置 | |
CN104757955A (zh) | 一种基于脉搏波的人体血压预测方法 | |
CN106725383A (zh) | 基于动作和心率的睡眠状态判别***及方法 | |
CN105051799A (zh) | 用于检测跌倒的方法和跌倒检测器 | |
US20160354024A1 (en) | Method for detecting deception and predicting interviewer accuracy in investigative interviewing using interviewer, interviewee and dyadic physiological and behavioral measurements | |
US20160128638A1 (en) | System and method for detecting and quantifying deviations from physiological signals normality | |
CN104188639A (zh) | 一种动态血压连续监测和实时分析*** | |
CN111248928A (zh) | 压力识别方法及装置 | |
Kusserow et al. | Modeling arousal phases in daily living using wearable sensors | |
JPWO2019069417A1 (ja) | 生体情報処理装置、生体情報処理システム、生体情報処理方法、およびプログラム | |
CN115862873A (zh) | 一种睡眠节律量化及干预的方法、***和装置 | |
KR101870630B1 (ko) | 생체/운동 신호 기반의 에너지 소모량 측정 방법 및 장치 | |
CN116616708B (zh) | 一种基于智能穿戴设备的生命体征数据处理方法和*** | |
CN112914536B (zh) | 运动状态的检测方法、装置、计算机设备和存储介质 | |
JP2008253727A (ja) | モニタ装置、モニタシステム及びモニタ方法 | |
WO2018104970A1 (en) | Pulse detection, measurement and analysis based health management system, method and apparatus | |
CN116269220A (zh) | 一种睡眠数据持续监测和管理的方法及可穿戴设备 |
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 |