CN104799614A - 一种基于三层组合的无干扰睡姿识别的健康分区床垫 - Google Patents
一种基于三层组合的无干扰睡姿识别的健康分区床垫 Download PDFInfo
- Publication number
- CN104799614A CN104799614A CN201510133697.4A CN201510133697A CN104799614A CN 104799614 A CN104799614 A CN 104799614A CN 201510133697 A CN201510133697 A CN 201510133697A CN 104799614 A CN104799614 A CN 104799614A
- Authority
- CN
- China
- Prior art keywords
- mattress
- pressure
- sleeping position
- sigma
- amount
- 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.)
- Granted
Links
Abstract
一种基于三层组合的无干扰睡姿识别的健康分区床垫,其特征在于,由上、中、下三层床垫组合而成,上层床垫的上表层面料复合层内设有呈网状矩阵分布的位移传感器,传感器与信息采集器相连,通过信息采集器将采集的人-床界面压陷量矩阵信息传输给数据处理器,从而获得人-床界面压陷形状,诊断睡姿偏好;中层床垫为脊柱支撑层,由头部、肩部、腰部、臀部和腿部区域五个或九个模块单体组成;底层床垫为整体床垫的基层。本发明克服了现有“分区床垫”不能根据使用者人体体型的变化提供合理的脊柱支撑条件的局限性,通过更换少量中层床垫脊柱支撑模块单体,实现脊柱支撑条件的优化,既方便、经济,又有利于脊柱健康。
Description
技术领域
本发明涉及一种健康分区床垫,特别是可以在无干扰睡眠的前提下识别睡姿,诊断睡姿偏好,并根据人体体型和睡姿偏好定量化地选择脊柱支撑条件,维护脊柱健康,达到舒适睡眠效果的床垫。
背景技术
人的一生当中有近三分之一的时间是在睡眠中度过的,睡眠是人体健康和精力恢复的保障。睡眠质量对人的社会交往、情绪、生活质量、工作效率等都有重要的影响。随着人们生活节奏的加快和生活方式的改变,睡眠质量下降已成为了一个普遍存在的社会现象和工业经济社会亟待解决的问题。床垫常被认为是影响睡眠质量的重要的外部因素,睡眠过程中,床垫持续与人体相接触,支撑人体,使人体肌肉放松和椎间盘获得恢复。比较理想的床垫支撑条件是使用者的睡姿脊柱处于自然弯曲的状态。正是基于这一点,目前许多先进的床垫设计为“分区式”,即通过床垫肩部、腰部、臀部等区域硬度特征的设计,响应不同体型的人对脊柱支撑条件的不同需求。但事实上,大量的实验研究表明这种床垫并没达到明显提高睡眠质量的目的,这主要是因为这种床垫只能满足人体的某种特定睡姿,而健康睡眠需要每晚进行各种各样的动作行为和姿势调节,以避免局部肌肉、软组织持续受压。睡姿不同,脊柱形态就不同,对床垫支撑条件的需求也不同,实验研究表明,不同体型、性别、年龄的人群有不同的睡姿偏好,且整晚某一种睡姿(如仰卧、侧卧、俯卧等)时间占总睡眠时间的百分比与入眠时睡姿并没有直接的相关性。因此,真正能够保证睡眠者的脊柱得到有效理想支撑的前提是科学、无干扰地获得睡眠者的睡姿,确定睡姿偏好。目前睡姿识别主要有体动记录图分析法和摄像法两种。其中体动记录图分析法是一种测试具体人体肢体动作的较好的方法,但这种方法只能辅助判断睡姿,同时为了获得全面的睡眠动作行为和较为准备的睡姿,需要给人体肢体部位的多处佩戴体动记录装置,因此,对睡眠产生一定程度的影响。摄像法虽然可以在不干扰睡眠的前提下测试睡姿,但这种方法不够尊重受试者的隐私,同时,也无法精确测试被褥掩盖下的动作行为和睡姿。
发明内容
本发明的目的在于提供一种基于三层组合的无干扰睡姿识别的健康分区床垫,该床垫可以监测睡姿等睡眠行为,还可以根据人体体型特征和睡姿偏好选择、优化脊柱支撑条件。
本发明解决技术问题采用如下方案:
一种基于三层组合的无干扰睡姿识别的健康分区床垫,其结构特点在于,由上、中、下三层床垫组合而成,所述上层床垫的上表层面料复合层内固定有呈网状矩阵分布的位移传感器,所述位移传感器与信息采集器相连,通过信息采集器将采集的人-床界面压陷量矩阵信息传输给数据处理器,从而获得人-床界面压陷形状,并根据人-床界面压陷形状的识别和连续记录、分析,诊断睡姿偏好;所述中层床垫为脊柱支撑层,由头部区域、肩部区域、腰部区域、臀部区域和腿部区域五个模块单体组成;所述底层床垫为整体床垫的基层,提供稳定的床垫支撑并起到缓冲压力的作用。
本发明健康分区床垫,其结构特点还在于:
所述健康分区床垫为双人床垫时,所述数据处理器采用左右两个分别控制的人-床界面压陷形状的采集和分析系统,分别用于夫妻双方睡姿识别和睡姿信息的记录;所述中层床垫的头部区域、肩部区域、腰部区域、臀部区域均由左右对称的两个区域功能模块单体组成,所述腿部区域为左右共用的一个区域功能模块单体。
所述上层床垫包括芯层和包覆芯层的面料复合层,所述芯层由泡沫海绵或乳胶海绵或马毛垫或羽绒填充材料的一种或几种组合制备而成;所述上层床垫的面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成;所述上层床垫的硬度有5个规格等级,分别为:10mm-15mm、15mm-20mm、20mm-25mm、25mm-30mm。
所述中层床垫每个模块单体由芯层和包覆芯层的面料复合层组成,所述芯层由泡沫海绵或乳胶海绵或弹簧或植物纤维垫组成,所述面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成;所述中层床垫中相同规格尺寸的模块单体分别有10个硬度等级,可供不同体型和性别的使用者选择并组合以保证脊柱处于自然弯曲的状态,所述硬度等级分别为:50mm-60mm、55mm-60mm、60mm-65mm、65mm-70mm、70mm-75mm、75mm-80mm、80mm-85mm、85mm-90mm、90mm-95mm、95mm-100mm;所述中层床垫的区域功能模块单体周边上设置有用于模块单体相互拼接后起固定作用的粘扣带。
所述下层床垫由芯层和包覆芯层的面料复合层组成;所述下层床垫的芯层由弹簧或植物纤维垫组成,所述面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成;所述下层床垫的硬度有5个等级,可供不同体型和性别的使用者选择,所述硬度等级分别为:10mm-15mm、15mm-20mm、20mm-25mm、25mm-30mm。
所述上、中、下三层床垫的四面围边上设置有粘扣带,用于固定叠放的三层床垫结构。
一种基于如上所述床垫的人-床界面压陷形状的采集和分析方法,包括人-床界面压陷形 状采集模块、睡姿识别和记录模块、睡眠质量和睡眠健康分析模块,其特点在于:所述人-床界面压陷形状由位于上层床垫的上表层面料复合层内固定的呈网状矩阵分布的位移传感器采集,并通过采集卡传输给数据处理器;所述数据处理器采用支持向量机分类器对睡姿进行分类与识别,方法如下:
①首先提取受试者的人-床界面压陷形状;
②然后计算人-床界面压陷量矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压陷量TC六项指标,其中肩臀比Rjt为肩部区域总压陷量与臀部区域总压陷量之比;膝臀比Rxt为膝部区域总压陷量与臀部区域总压陷量之比;总压陷量T即整个床垫表面的总压陷量;腿部压陷量Tt是小腿区域总压陷量;侧向不对称系数C为肩部、腰部、臀部压陷对称中心曲线CL至该曲线起止点连线距离的平均值,侧向不对称压陷量TC为肩部、腰部、臀部压陷对称中心曲线CL两侧压陷总量之差的绝对值,公式分别为:
C=average(d(i,j)) (5)
其中,Z为床垫压陷量矩阵,Zjian为肩部压陷量矩阵,Zxi为膝部压陷量矩阵,Ztui为臀部压陷量矩阵,Ztotal为肩部、腰部、臀部总压陷量矩阵;m为侧向压陷量测试点数,n为纵向压陷量测试点数,n1、n2、n3、n4、n5分别为肩部、腰部、臀部、膝部、小腿部区域纵向压陷量测试点数,l为肩部、腰部、臀部纵向总压陷量测试点数,m、n、n1、n2、n3、n4、n5、l取值自然数;d(i,j)为肩部、腰部、臀部压陷对称中心曲线CL上任意一点(i,j)至该曲线起止点连线的距离;
③利用Z-score标准化法将以上六项指标规格化,组成人-床界面压陷量矩阵的特征向 量,即仰卧、左侧卧、右侧卧、俯卧四种睡姿识别的特征向量;
④每两类睡姿间训练一个分类器,获得6个支持向量机分类器;
(2)睡姿识别时,首先提取受试者的人-床界面压陷形状;然后计算人-床界面压陷量矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压陷量TC六项指标,对上述指标规格化,组成用以睡姿识别的特征向量;最后利用获得的6个支持向量机分类器对睡姿进行分类和识别。
一种如上所述无干扰识别和记录睡眠行为的健康分区床垫的选择方法,其特点在于,包括如下步骤:
(1)首先进行人体测量,获得使用者的人体体型特征参量;
(2)然后根据喜好,选择不同硬度等级的上层床垫和底层床垫;
(3)根据体型特征,分别选择中层床垫脊柱支撑层的个模块单体;
(4)夫妻双方分别躺到床垫左区域和右区域的位置上;
(5)判断夫妻双方仰卧或侧卧脊柱形态是否处于自然弯曲的状态,脊柱形态的判定利用数字化人体模型,使数字化人体模型与人-床界面压陷形状相拟合,获得睡姿脊柱形态,然后判断脊柱形态是否处于自然弯曲的状态;
(6)若脊柱形态处于非自然弯曲的状态,则更换调节不同硬度特征的模块单体,直至夫妻双方9的睡姿脊柱形态处于自然弯曲为止;
(7)确定当前睡姿状态下中层床垫脊柱支撑层的模块单体;
(8)改变夫妻双方的睡姿状态,重复步骤(3)-(6),直至组成的整体床垫可以使夫妻双方的睡姿脊柱形态处于自然弯曲的状态,并确定此时中层床垫脊柱支撑层2的模块单体;
(9)通过步骤(1)-(8)确定满足夫妻双方每种睡姿状态下脊柱形态处于自然弯曲的各床垫模块组,以供选择;
(10)选择其中一组满足夫妻双方某一睡姿状态下脊柱形态处于自然弯曲状态的床垫模块组,及上层床垫和下层床垫组合成床垫整体,完成选择。
本发明选择方法,其特点还在于,完成选择后还包括睡姿偏好诊断和最终床垫产品的确定,具体步骤为:
(1)通过使用床垫,记录1周或一周以上夫妻双方的睡姿信息,并通过睡姿信息判断睡姿偏好;
(2)根据夫妻双方的睡姿偏好,判断所使用的中层床垫脊柱支撑层的模块单体是否符合夫妻双方的睡姿偏好,如果不符合,根据睡姿偏好选择满足睡眠偏好的中层床垫脊柱支撑层的模块单体,并进行更换;以最终确定床垫产品;
(3)若夫妻双方中任何一人体型特征发生变化时,则重新选择中层床垫脊柱支撑层的模块单体,以满足脊柱支撑的需求。
所述睡姿信息包括睡姿识别和睡姿信息的连续记录;具体方法如下:
夫妻双方选择各自的睡眠区域,躺在床垫上,位于上层床垫的上表层面料复合层内的位移传感器分别采集左右两侧人-床界面的压陷量矩阵,并通过信息采集器和信息采集器将连续采集到的左右两侧人-床界面压陷量矩阵信息传输给主机处理器,通过主机处理器分析人-床界面压陷形状,主机处理器根据人-床界面压陷形状分别计算左侧区域和右侧区域区间上人-床界面压陷量矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压陷量TC六项指标表征人-床界面压陷量矩阵的特征,其中肩臀比Rjt为肩部区域总压陷量与臀部区域总压陷量之比;膝臀比Rxt为膝部区域总压陷量与臀部区域总压陷量之比;总压陷量T即整个床垫表面的总压陷量;腿部压陷量Tt是小腿区域总压陷量;侧向不对称系数C为肩部、腰部、臀部压陷对称中心曲线CL至该曲线起止点连线距离的平均值,侧向不对称压陷量TC为肩部、腰部、臀部压陷对称中心曲线CL两侧压陷总量之差的绝对值,公式分别为:
C=average(d(i,j)) (5)
其中,Z为床垫压陷量矩阵,Zjian为肩部压陷量矩阵,Zxi为膝部压陷量矩阵,Ztui为臀部 压陷量矩阵,Ztotal为肩部、腰部、臀部总压陷量矩阵;m为侧向压陷量测试点数,n为纵向压陷量测试点数,n1、n2、n3、n4、n5分别为肩部、腰部、臀部、膝部、小腿部区域纵向压陷量测试点数,l为肩部、腰部、臀部纵向总压陷量测试点数,m、n、n1、n2、n3、n4、n5、l取值自然数;d(i,j)为肩部、腰部、臀部对称曲线CL上任意一点(i,j)至该曲线起止点连线的距离;
利用Z-score标准化法将以上六项指标规格化,组成人-床界面压陷量矩阵的特征向量,即仰卧、左侧卧、右侧卧、俯卧四种睡姿识别的特征向量,利用支持向量机分类器进行睡姿识别;
左侧区域和右侧区域的位移传感器的控制系统分别以0.05HZ的采样率连续采集左右两个区域的人-床界面压陷量矩阵,并通过上述方法判断识别睡姿,并记录睡姿保持时间、睡姿的时间分布、翻身次数、超过30分钟的不动片段出现次数。
与已有技术相比,本发明的优点主要体现在:
(1)本发明克服了现有“分区调节式”床垫没有考虑睡姿偏好不同,脊柱支撑条件的需求也不同的局限性,利用人-床压陷形状识别睡姿,通过连续记录1周以上的睡姿信息,诊断睡眠者的睡姿偏好,在此基础上选择满足使用者人体体型特征和睡姿偏好的脊柱支撑模块单体,不仅可以达到舒眠的效果,还可以更大成都地满足使用者的个性化需求。
(2)本发明克服了现有睡姿测试技术需要将测试装置佩戴于人体之上或对受试者隐私不够尊重的局限性,利用人-床界面压陷形状识别睡姿和睡眠行为,不仅可以确保受试者的隐私权,还可以实现睡姿的无干扰识别与实时监测。
(3)本发明克服了现有“分区床垫”不能根据使用者人体体型的变化提供合理的脊柱支撑条件的局限性,通过更换少量中层床垫脊柱支撑模块单体,实现脊柱支撑条件的优化,既方便、经济,又有利于脊柱健康。
(4)本发明所提供的睡姿识别和记录的方法还可以用于睡眠行为的监测,通过翻身次数、超过30分钟的不动片段出现次数、每种睡姿的保持时间、每种睡姿的时间分布等指标评价睡眠质量和睡眠健康,符合e健康家居产品发展的趋势。
(5)本发明所提供的上层床垫可以作为迷你床垫单独使用,或与其它床垫、床具配合使用,用于自动识别睡姿,判断睡姿脊柱形态,诊断睡姿偏好,监测睡眠行为,为健康睡眠研究与监测提供简单易行的方法,与所谓的健康分区床垫配合使用,通过睡姿和睡眠行为监测,判断健康分区床垫是否满足使用者的健康需求。可以在睡眠体验环境方便地使用,克服 了试睡师只能提供主观感受,不能提供客观睡眠质量的相关数据的局限性。
说明书附图
图1是本发明整体床垫的结构图。
图2是本发明整体床垫的纵剖图。
图3是本发明上层床垫水平剖面图,即位移传感器矩阵的水平分布图。
图4是本发明三层床垫结构图。
图5是本发明整体床垫使用状态的总剖图。
图6a、图6b、图6c是本发明采集的侧卧状态下人-床界面压陷形状。
图6b1、图6b2、图6b3是本发明采集的仰卧状态下人-床界面压陷形状。
图7a和图7b是本发明床垫模块单体硬度测试方法的示意图。
图8a1、8a2是矢状面上脊柱形态及其评价参量P1、P2、P3、P4、P5的示意图。
图8b1至图8b3是冠状面上脊柱形态及其评价参量P6、P7、P8、P9的示意图。
图8c是三维空间中脊柱形态及其扭曲度的评价参量P10的示意图。
图9是本发明中人体表面通用模型示意图。
图10是本发明中个性化人体表面模型示意图。
图11是本发明中附简化内部构架的个性化人体模型示意图。
图12a是本发明中侧卧睡姿时,数字化人体模型与人-床界面压陷形状相拟合的示意图。
图12b是本发明中仰卧睡姿时,数字化人体模型与人-床界面压陷形状相拟合的示意图。
图13a是本发明中侧卧睡姿时,人-床界面压陷形状的自适应压陷中心示意图。
图13b是本发明中仰卧睡姿时,人-床界面压陷形状的自适应压陷中心示意图。
图14a是本发明中侧卧状态下,人体模型背部表面脊柱棘突部位各点的三次样条曲线。
图14b是本发明中仰卧状态下,人体模型背部表面脊柱棘突部位各点的三次样条曲线。
图中标号:1上层床垫、11位移传感器、12上层床垫的面料复合层、13上层床垫的芯层、1a位移传感器矩阵的左侧控制区域、1b位移传感器矩阵的右侧控制区域、2中层床垫(脊柱支撑层模块单体)、21中层床垫的面料复合层、22中层床垫的芯层、2a1中层床垫的左侧头部区域模块单体、2a2中层床垫的左侧肩部区域模块单体、2a3中层床垫的左侧腰部区域模块单体、2a4中层床垫的左侧臀部区域模块单体、2b1中层床垫的右侧头部区域模块单体、2b2中层床垫的右侧肩部区域模块单体、2b3中层床垫的右侧腰部区域模块单体、 2b4中层床垫的右侧臀部区域模块单体、25中层床垫的腿部区域模块单体、3下层床垫、31下层床垫的面料复合层、32下层床垫的芯层、4用于固定中层床垫模块单体的粘扣带、5用于固定三层床垫结构的粘扣带、61左侧人-床界面压陷量矩阵采集器、62右侧人-床界面压陷量矩阵采集器、7主机处理器(包含数据处理模块Ⅰ和数据处理模块Ⅱ)、8显示器、9使用者、91胸椎C7、92腰椎L1、93腰椎L5、94双臀关节、95双膝关节、96双踝关节、97双肩关节、98双肘关节、99双腕关节、10冠状面上脊柱曲线、110床垫硬度测试机的支撑平台、111床垫硬度测试机的压头、D床垫硬度测试机压头的直径、P床垫硬度测试时所加载的载荷、b1髂后上棘韧窝中心、b2腰椎L1、b3颈椎隆突、P1矢状面上腰曲的角度、P2矢状面上胸曲的角度、P3矢状面上腰椎曲线至脊柱曲线最小二乘线的最大的距离、P4矢状面上胸椎曲线至脊柱曲线最小二乘线的最大的距离、P5矢状面上脊柱曲线至其最小二乘线距离的均方差、P6为冠状面上与x轴之间的夹角、P7为冠状面上脊柱曲线至其最小二乘线距离的均方差、P8冠状面上与其最小二乘线之间的夹角、P9冠状面上腰椎曲线的最小二乘线和胸椎曲度的最小二乘线之间的夹角、P10三维立体空间中腰椎L5和L1两处脊柱曲线密切平面法向量之间的夹角。
具体实施方式
结合附图和具体实施方法对本发明技术做进一步说明。
(一)以双人床为例对具体实施方案对本发明技术做进一步说明:
一种无干扰睡姿识别的健康分区床垫主要包括上层床垫1、中层床垫脊柱支撑层2、底层床垫3、位移传感器11、信息采集器6和主机处理器7组成。
位移传感器11呈网状矩阵分布,与信息采集器6相连,位于反映人-床界面垂直下陷量最敏感的区域——上层床垫1的上表层面料复合层12内,其组成的矩阵分左区域1a和右区域1b两个独立的控制区域,分别用于采集左右两侧使用状下人-床界面的压陷量矩阵,并分别通过信息采集器61和信息采集器62将连续采集的人-床界面压陷量矩阵信息传输给主机处理器7,通过主机处理器7分析人-床界面压陷形状,判断识别睡姿和睡姿保持时间,诊断睡姿偏好。
中层床垫脊柱支撑层2由9个独立的模块组成,分别为左侧头部区域模块单体2a1、左侧肩部区域模块单体2a2、左侧腰部区域模块单体2a3、左侧臀部区域模块单体2a4、右侧头部区域模块单体2b1、右侧肩部区域模块单体2b2、右侧腰部区域模块单体2b3、右侧臀 部区域模块单体2b4和腿部区域模块单体25。
上层床垫1、和下层床垫3均有5种不同的硬度规格,中层床垫脊柱支撑层2的9个独立的模块单体分别有10中不同的硬度规格可供搭配组合。上层床垫1由芯层13、包覆芯层13的面料复合层12和固定于上表层面料复合层12中的若干个位移传感器11组合而成。中层床垫脊柱支撑层2的9个独立的模块单体均由芯层22和包覆芯层22的面料复合层21组合合成。底层床垫3由芯层32和包覆芯层32的面料复合层31组合而成。中层床垫脊柱支撑层2的9个独立的模块单体之间通过粘扣带4连接并固定,上层床垫1、中层床垫脊柱支撑层2和底层床垫3之间通过粘扣带5连接并固定,构成整体健康分区床垫。上层床垫1的面料复合层12、中层床垫脊柱支撑层2的9个独立模块单体的面料复合层21,及底层床垫3的面料复合层31均由面料、硬质海绵、海绵、无纺布等绗缝而成。上层床垫1的芯层13由泡沫海绵或乳胶海绵或马毛垫或羽绒等填充材料或几种填充材料的组合制备而成;中层床垫脊柱支撑层2的9个独立模块单体的芯层22由泡沫海绵或乳胶海绵或弹簧或植物纤维垫组成;底层床垫3的芯层32由弹簧或植物纤维垫等组成。
1、购买床垫时,夫妻双方:
(1)首先进行人体测量,获得人体体型特征参量。
人体体型特征参量的获取:首先利用人体形态测量尺和围度尺,以肩峰点、肩部、胸、腰、盆骨、臀、跨部等人体解剖位置为基准,采集人体高度、宽度和围度方面的尺寸数据;以肩峰、肩、胸、腰、盆骨位置为基准采集人体厚度方面的尺寸数据;另外采集人体高度、体重、脊椎隆突点高度等人体数据,具体测量如表1所示。得肩宽、胸宽、腰宽、盆骨宽(中臀宽)、臀宽等人体特征参量,并计算人体质量指数(BMI)、胸宽/长度、胸宽/长度2、胸宽/重量、腰宽/长度、腰宽/长度2、腰宽/重量、肩宽/长度、肩宽/长度2、肩宽/重量、臀宽/长度、臀宽/长度2、臀宽/重量、盆骨宽/长度、盆骨宽/长度2、盆骨宽/重量、臀宽/腰宽、肩宽/腰宽等人体特征参量。
受试者人体测量表(表1)
(2)然后根据喜好,选择不同硬度等级的上层床垫1和底层床垫3。
(3)根据体型特征,分别选择中层床垫脊柱支撑层2的9个模块单体。
(4)夫妻双方9分别躺到床垫左区域1a和右区域1b的位置上。
(5)判断夫妻双方某一睡姿(主要是仰卧和侧卧)脊柱形态10是否处于自然弯曲的状态,脊柱形态10的判定利用数字化人体模型,使数字化人体模型与人-床界面压陷形状相拟合,获得睡姿脊柱形态10,然后通过脊柱形态10的评价指标判断脊柱形态10是否处于自然弯曲的状态。数字化人体模型利用人体测量的数据参量构建。
(6)若脊柱形态10处于非自然弯曲的状态,则更换调节不同硬度特征的模块单体2a2、2a3、2a4,2b2、2b3、2b4,直至夫妻双方9的睡姿脊柱形态10处于自然弯曲为止。
(7)确定当前睡姿状态下中层床垫脊柱支撑层2的模块单体。
(8)改变夫妻双方9的睡姿状态,重复步骤(3)-(6),直至组成的整体床垫可以使夫妻双方9的睡姿脊柱形态10处于自然弯曲的状态,并确定此时中层床垫脊柱支撑层2的 模块单体。
(9)通过步骤(1)-(8)确定满足夫妻双方每种睡姿状态下脊柱形态10处于自然弯曲的各床垫模块组,以供购买选择。
(10)选择购买其中1组满足夫妻双方某一睡姿状态下脊柱形态10处于自然弯曲状态的床垫模块组,及上层床垫和下层床垫组合成床垫整体。
2、睡姿偏好诊断和最终床垫产品的确定。
(1)通过使用本发明床垫,记录1星期以上夫妻双方9的睡姿信息,诊断二人的睡姿偏好。睡姿识别和睡姿信息的连续记录方法如下:
夫妻双方选择各自的睡眠区域,躺在床垫上,位于上层床垫1的上表层面料复合层12内的位移传感器分别采集左右两侧人-床界面的压陷量矩阵,并通过信息采集器61和信息采集器62将连续采集到的左右两侧人-床界面压陷量矩阵信息传输给主机处理器7,通过主机处理器7分析人-床界面压陷形状,主机处理器7根据人-床界面压陷形状分别计算左侧区域1a和右侧区域1b区间上人-床界面压陷量矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压陷量TC六项指标表征人-床界面压陷量矩阵的特征,其中肩臀比Rjt为肩部区域总压陷量与臀部区域总压陷量之比;膝臀比Rxt为膝部区域总压陷量与臀部区域总压陷量之比;总压陷量T即整个床垫表面的总压陷量;腿部压陷量Tt是小腿区域总压陷量;侧向不对称系数C为肩部、腰部、臀部压陷对称中心曲线CL至该曲线起止点连线距离的平均值,侧向不对称压陷量TC为肩部、腰部、臀部压陷对称中心曲线CL两侧压陷总量之差的绝对值,公式分别为:
C=average(d(i,j))(5)
其中,Z为床垫压陷量矩阵,Zjian为肩部压陷量矩阵,Zxi为膝部压陷量矩阵,Ztui为臀部压陷量矩阵,Ztotal为肩部、腰部、臀部总压陷量矩阵;m为侧向压陷量测试点数,n为纵向压陷量测试点数,n1、n2、n3、n4、n5分别为肩部、腰部、臀部、膝部、小腿部区域纵向压陷量测试点数,l为肩部、腰部、臀部纵向总压陷量测试点数,m、n、n1、n2、n3、n4、n5、l取值自然数;d(i,j)为肩部、腰部、臀部对称曲线CL上任意一点(i,j)至该曲线起止点连线的距离;
利用Z-score标准化法将以上六项指标规格化,组成人-床界面压陷量矩阵的特征向量,即仰卧、左侧卧、右侧卧、俯卧四种睡姿识别的特征向量,利用支持向量机分类器进行睡姿识别;
左侧区域1a和右侧区域1b的位移传感器11的控制系统分别以0.05HZ的采样率连续采集左右两个区域的人-床界面压陷量矩阵,并通过上述方法判断识别睡姿,并记录睡姿保持时间。通过1周以上睡姿信息的记录分析睡姿偏好。
(2)根据夫妻双方9的睡姿偏好,判断所使用的中层床垫脊柱支撑层2的模块单体2a2、2a3、2a4,2b2、2b3、2b4是否符合夫妻双方9的睡姿偏好,如果不符合,根据睡姿偏好选择满足睡眠偏好的中层床垫脊柱支撑层2的模块单体2a2、2a3、2a4,2b2、2b3、2b4,并进行更换。
(3)另外,当夫妻双方9中任何一人体型特征发生变化时,则重新选择中层床垫脊柱支撑层2的模块单体2a2、2a3、2a4,2b2、2b3、2b4,以满足脊柱支撑的需求。
(4)本发明专利所提供的睡姿识别和记录的方法还可以用于睡眠行为的监测,通过翻身次数、超过30分钟的不动片段出现次数、每种睡姿的保持时间、每种睡姿的时间分布等指标评价睡眠质量和睡眠健康。
3、脊柱形态10的定量化分析
(1)个性化人体模型的构件
①输入人体各部位的高度、宽度、厚度和围度方面的尺寸数据,及体重数据,具体人体测量数据如表1所示。
②将数据代入数字化人体表面通用模型,并利用MATLB和UGS两种软件结合构建人体模型。其中,通用模型包括5个主要的部分,分别是躯干、双臂和双腿。每个部分分别由连 续的超椭圆所组成,代表人体的横截面,如图9所示,这些超椭圆被定义为点集的几何形状,其上的任一点(x,y)满足公式:
其中,a和b分别为半径,表征人体的宽度和厚度,n为阶数,决定椭圆的形状(当0<n<1时为星形,当n=2时为椭圆体,当n>2时为矩形)。建模时输入人体各部位界面的高度、宽度、厚度和围度。高度用于椭圆的定位,宽度和厚度分别确定椭圆的半径。椭圆的阶数利用最小二乘优化法,由围度计算获得。将相邻的椭圆上的点相连接,获得人体模型,如图10所示。其中解剖点之间的椭圆利用分段3次埃尔米特插值法获得。解剖点包括内踝点、胫骨突点、大转子点、髂前上棘、髂后上棘、第1椎点、第3椎点、第5椎点、第7胸椎点、乳头点、肩峰点、桡骨茎突、桡骨点、第7椎点;根据解剖点测量给定内部骨架,这一骨架由检测关节及其连接关节点构成,如图11所示,检测关节主要包括双膝关节95、双肩关节97、双轴关节98、双臀关节94和三个脊椎(1腰椎L1、2腰椎L5、3胸椎C7),根据关节的活动特性,赋予个性化人体模型28个自由度。其中28个自由度包括三个肩关节自由度(包括屈伸、外展内收、内外旋转);两个锁骨旋转活动自由度(包括伸与缩、提与降);肘关节有两个活动自由度,包括屈伸和内外旋转;脊柱变形有6个活动自由度,腰椎L1和L5各三个,包括屈伸、外展内收和内外翻转;髋关节3个自由度,包括屈伸、外展内收和内外旋转;膝关节1个活动自由度;肩关节左右各3个关节自由度,锁骨旋转活动自由度左右各2个,肘关节左右各2个,髋关节左右各3个,膝关节左右各1个,脊柱上有6个活动自由度。
(1)结合数字化人体模型与人-床界面压陷形状的拟合(如图12a和图12b),获得睡姿脊柱形态:
①使数字化人体模型躺倒,并根据人-床界面压陷形状,调节数字化人体模型的活动自由度,确定其自由度的对应值。
②对于仰卧睡姿,由于在人体模型与床垫表面压陷形状拟合之前,脊柱没有变形,因此,只需要确定三个定位的人体活动自由度就可以了,即:横向平移量x,纵向平移量y,床垫表面的旋转角度是θ。而这三个参量可以根据肩部区域最大压陷点O1和臀部区域最大压陷点O2的位置来设置。其中O1和O2为两个区域的自适应压陷中心COI,计算公式为:
其中,(xi,yj)为纵横坐标点,Zi为床垫压陷量。
用O1、O2连线与纵轴的夹角表示θ,纵横轴坐标x和y通过臀部O2点来对正,如图13b所示。
③对于侧卧睡姿,除了以上三个定位数字化人体模型的自由度以外,还需要确定四个关节角度,即胸关节91、腰关节92和93、髋关节94和膝关节95。其中O1、O2点的确定与仰卧相同,点O3为肩部区域和臀部区域的鞍点,x、y和θ由点O3的坐标和与纵轴的夹角来确定。和腰椎2确定胸部脊柱弯曲度,如图13a所示。以O2为圆心,以大腿长为半径在躯干和大腿夹角90°-180°的范围之内可以找到大腿的最大压陷量直线,而这一直线确定髋关节94和膝关节95的位置。膝关节5的弯曲的确定方法与髋关节5相同。
④当以上数字化人体模型活动自由度完全确定后,通过计算连续人体表面到对应压陷位置的距离来完成拟合工作。
⑤通过人体背部表面三次样条曲线取点确定侧卧和仰卧脊柱形态,如图14a和14b所示。
(3)脊柱形态9的定量化评价:
利用矢状面、冠状面以及立体空间中脊柱曲线的10项评价参量,如图8a1-a2、8b1
-b3、8c所示,分别从偏离脊柱曲线的最小二乘线、水平的角度,偏离最小二乘线的距离、脊柱空间的扭曲度、腰椎曲线、胸椎曲线等方面描述睡姿脊柱形态,并实现睡姿脊柱形态9的定量化评价。
其中10项评价参量,是指P1-P10这10项参量,其中P1为矢状面上腰曲的角度,即脊柱曲线上b1髂后上棘韧窝中心和b2腰椎L1两处切线之间的夹角,从角度方面反映腰椎前凸的程度;P2为矢状面上胸曲的角度,即脊柱曲线上b3颈椎隆突和b2腰椎L1两处切线之间的夹角,反映胸椎后凸的程度,如图8a1所示;P3为矢状面上腰椎曲线至脊柱曲线最小二乘线的最大的距离,反映腰椎曲线偏离直线的程度,如图8a1所示;P4为矢状面上胸椎曲线至脊柱曲线最小二乘线的最大的距离,反映胸椎曲线偏离直线的程度,如图8a1所示;P5为矢状面上脊柱曲线至其最小二乘线距离的均方差,反映矢状面上整体脊柱曲线偏离直线的程度,如图8a2所示;P6为冠状面上(髂后上棘韧窝中心与颈椎隆突之间的连线)与x轴之间的夹角,从角度方面反映冠状面上脊柱曲线偏离直线的角度,如图8b1所示;P7为冠状面上脊柱曲线至其最小二乘线距离的均方差,反映冠状面上整体脊柱曲线偏离直线的程度,如图8b2所示;P8为冠状面上(髂后上棘韧窝中心与颈椎隆突之间的连线)与其最小二乘线之间的夹角,从角度方面反映冠状面上脊柱曲线偏离直线的角度,如图8b2所示; P9为冠状面上腰椎曲线的最小二乘线和胸椎曲度的最小二乘线之间的夹角,反映脊柱偏离直线的程度,如图8b3;P10为三维立体空间中腰椎L5和L1两处脊柱曲线密切平面法向量之间的夹角,反映腰椎曲线在空间内的扭曲程度,如图8c。
4、床垫和床垫模块单体硬度测试和计算方法。
测试之前上层床垫1、下层床垫3和中层床垫2的模块单体需在室温(23±2)℃,相对湿度(50±5)%的环境中静置24小时(适应环境),然后将各层床垫及中层床垫2的模块单体放置于试验机的支撑台100上,测试各层床垫及模块单体上上的离散的点。支撑台100具有直径约为6mm的多孔,孔间距20mm(以便在试验过程中将产生的气体排出)。试验机的压头101为圆柱形,直径D=200mm,压力范围0-250N,加载速度100mm/min。预压次数101次,其中总压力达到1200N的预压循环100次,总压力达到300N的预压1次。各层床垫及中层床垫2的床垫模块单体的硬度由Dsurface、Dcore、Dbottom三个值来表示,单位mm,分别表征上层床垫1、中层2和下层床垫3的硬度,其值越大表示床垫或模块单体越软,其值越小表示床垫或模块单体越硬,公式为:
其中,分别表示加载曲线上对应于4N、40N、200N和250N的位移,即上层床垫1取加载曲线的4N-40N作为硬度计算的区间,中层床垫2的模块单体取加载曲线的40N-200N作为硬度计算的区间,下层床垫取加载曲线的200N-250N作为硬度计算的区间。
(二)本发明专利中上层床垫1可以作为迷你床垫单独使用,或与其它床垫、床具配合使用,用于自动识别睡姿,判断脊柱形态,诊断睡姿偏好,监测睡眠行为,为健康睡眠研究与监测提供简单易行的方法,睡姿识别与监测方法同上述案例(一)。
(三)本发明专利中上层床垫1可以与其它健康分区床垫配合使用,通过睡姿脊柱形态、睡姿识别与判断以及睡眠行为监测,判断健康分区床垫是否满足使用者的健康需求,睡姿识别与监测方法同上述案例(一)。
Claims (10)
1.一种基于三层组合的无干扰睡姿识别的健康分区床垫,其特征在于,由上、中、下三层床垫组合而成,所述上层床垫的上表层面料复合层内固定有呈网状矩阵分布的位移传感器,所述位移传感器与信息采集器相连,通过信息采集器将采集的人-床界面压陷量矩阵信息传输给数据处理器,从而获得人-床界面压陷形状,并根据人-床界面压陷形状的识别和连续记录、分析,诊断睡姿偏好;所述中层床垫为脊柱支撑层,由头部区域、肩部区域、腰部区域、臀部区域和腿部区域五个模块单体组成;所述底层床垫为整体床垫的基层,提供稳定的床垫支撑并起到缓冲压力的作用。
2.根据权利要求1所述的一种基于三层组合的无干扰睡姿识别的健康分区床垫,其特征在于,所述健康分区床垫为双人床垫时,所述数据处理器采用左右两个分别控制的人-床界面压陷形状的采集和分析系统,分别用于夫妻双方睡姿识别和睡姿信息的记录;所述中层床垫的头部区域、肩部区域、腰部区域、臀部区域均由左右对称的两个区域功能模块单体组成,所述腿部区域为左右共用的一个区域功能模块单体。
3.根据权利要求1所述的一种基于三层组合的无干扰睡姿识别的健康分区床垫,其特征在于,所述上层床垫包括芯层和包覆芯层的面料复合层,所述芯层由泡沫海绵或乳胶海绵或马毛垫或羽绒填充材料的一种或几种组合制备而成;所述上层床垫的面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成;所述上层床垫的硬度有5个规格等级,分别为:10mm-15mm、15mm-20mm、20mm-25mm、25mm-30mm。
4.根据权利要求1或3所述的所述一种基于三层组合的无干扰睡姿识别的健康分区床垫,其特征在于,所述中层床垫每个模块单体由芯层和包覆芯层的面料复合层组成,所述芯层由泡沫海绵或乳胶海绵或弹簧或植物纤维垫组成,所述面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成;所述中层床垫中相同规格尺寸的模块单体分别有10个硬度等级,可供不同体型和性别的使用者选择并组合以保证脊柱处于自然弯曲的状态,所述硬度等级分别为:50mm-60mm、55mm-60mm、60mm-65mm、65mm-70mm、70mm-75mm、75mm-80mm、80mm-85mm、85mm-90mm、90mm-95mm、95mm-100mm;所述中层床垫的区域功能模块单体周边上设置有用于模块单体相互拼接后起固定作用的粘扣带。
5.根据权利要求1或3所述的一种基于三层组合的无干扰睡姿识别的健康分区床垫,其特征在于,所述下层床垫由芯层和包覆芯层的面料复合层组成;所述下层床垫的芯层由弹簧或植物纤维垫组成,所述面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成;所述下层床垫的硬度有5个等级,可供不同体型和性别的使用者选择,所述硬度等级分别为:10mm-15mm、15mm-20mm、20mm-25mm、25mm-30mm。
6.根据权利要求1或3所述的一种基于三层组合的无干扰睡姿识别的健康分区床垫,其特征在于,所述上、中、下三层床垫的四面围边上设置有粘扣带,用于固定叠放的三层床垫结构。
7.一种基于权利要求1所述床垫的人-床界面压陷形状的采集和分析方法,包括人-床界面压陷形状采集模块、睡姿识别和记录模块、睡眠质量和睡眠健康分析模块,其特征在于:所述人-床界面压陷形状由位于上层床垫的上表层面料复合层内固定的呈网状矩阵分布的位移传感器采集,并通过采集卡传输给数据处理器;所述数据处理器采用支持向量机分类器对睡姿进行分类与识别,方法如下:
①首先提取受试者的人-床界面压陷形状;
②然后计算人-床界面压陷量矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压陷量TC六项指标,其中肩臀比Rjt为肩部区域总压陷量与臀部区域总压陷量之比;膝臀比Rxt为膝部区域总压陷量与臀部区域总压陷量之比;总压陷量T即整个床垫表面的总压陷量;腿部压陷量Tt是小腿区域总压陷量;侧向不对称系数C为肩部、腰部、臀部压陷对称中心曲线CL至该曲线起止点连线距离的平均值,侧向不对称压陷量TC为肩部、腰部、臀部压陷对称中心曲线CL两侧压陷总量之差的绝对值,公式分别为:
C=average(d(i,j)) (5)
其中,Z为床垫压陷量矩阵,Zjian为肩部压陷量矩阵,Zxi为膝部压陷量矩阵,Ztui为臀部压陷量矩阵,Ztotal为肩部、腰部、臀部总压陷量矩阵;m为侧向压陷量测试点数,n为纵向压陷量测试点数,n1、n2、n3、n4、n5分别为肩部、腰部、臀部、膝部、小腿部区域纵向压陷量测试点数,l为肩部、腰部、臀部纵向总压陷量测试点数,m、n、n1、n2、n3、n4、n5、l取值自然数;d(i,j)为肩部、腰部、臀部压陷对称中心曲线CL上任意一点(i,j)至该曲线起止点连线的距离;
③利用Z-score标准化法将以上六项指标规格化,组成人-床界面压陷量矩阵的特征向量,即仰卧、左侧卧、右侧卧、俯卧四种睡姿识别的特征向量;
④每两类睡姿间训练一个分类器,获得6个支持向量机分类器;
(2)睡姿识别时,首先提取受试者的人-床界面压陷形状;然后计算人-床界面压陷量矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压陷量TC六项指标,对上述指标规格化,组成用以睡姿识别的特征向量;最后利用获得的6个支持向量机分类器对睡姿进行分类和识别。
8.一种权利要求2所述无干扰识别和记录睡眠行为的健康分区床垫的选择方法,其特征在于,包括如下步骤:
(1)首先进行人体测量,获得使用者的人体体型特征参量;
(2)然后根据喜好,选择不同硬度等级的上层床垫和底层床垫;
(3)根据体型特征,分别选择中层床垫脊柱支撑层的个模块单体;
(4)夫妻双方分别躺到床垫左区域和右区域的位置上;
(5)判断夫妻双方仰卧或侧卧脊柱形态是否处于自然弯曲的状态,脊柱形态的判定利用数字化人体模型,使数字化人体模型与人-床界面压陷形状相拟合,获得睡姿脊柱形态,然后判断脊柱形态是否处于自然弯曲的状态;
(6)若脊柱形态处于非自然弯曲的状态,则更换调节不同硬度特征的模块单体,直至夫妻双方9的睡姿脊柱形态处于自然弯曲为止;
(7)确定当前睡姿状态下中层床垫脊柱支撑层的模块单体;
(8)改变夫妻双方的睡姿状态,重复步骤(3)-(6),直至组成的整体床垫可以使夫妻双方的睡姿脊柱形态处于自然弯曲的状态,并确定此时中层床垫脊柱支撑层2的模块单体。
(9)通过步骤(1)-(8)确定满足夫妻双方每种睡姿状态下脊柱形态处于自然弯曲的各床垫模块组,以供选择;
(10)选择其中一组满足夫妻双方某一睡姿状态下脊柱形态处于自然弯曲状态的床垫模块组,及上层床垫和下层床垫组合成床垫整体,完成选择。
9.根据权利要求8所述的选择方法,其特征在于,完成选择后还包括睡姿偏好诊断和最终床垫产品的确定,具体步骤为:
(1)通过使用床垫,记录1周或一周以上夫妻双方的睡姿信息,并通过睡姿信息判断睡姿偏好;
(2)根据夫妻双方的睡姿偏好,判断所使用的中层床垫脊柱支撑层的模块单体是否符合夫妻双方的睡姿偏好,如果不符合,根据睡姿偏好选择满足睡眠偏好的中层床垫脊柱支撑层的模块单体,并进行更换;以最终确定床垫产品;
(3)若夫妻双方中任何一人体型特征发生变化时,则重新选择中层床垫脊柱支撑层的模块单体,以满足脊柱支撑的需求。
10.根据权利要求8所述的选择方法,其特征在于,所述夫妻双方的睡姿信息包括睡姿识别和睡姿信息的连续记录;具体方法如下:
夫妻双方选择各自的睡眠区域,躺在床垫上,位于上层床垫的上表层面料复合层内的位移传感器分别采集左右两侧人-床界面的压陷量矩阵,并通过信息采集器和信息采集器将连续采集到的左右两侧人-床界面压陷量矩阵信息传输给主机处理器,通过主机处理器分析人-床界面压陷形状,主机处理器根据人-床界面压陷形状分别计算左侧区域和右侧区域区间上人-床界面压陷量矩阵的肩臀比Rjt、膝臀比Rxt、总压陷量T、小腿压陷量Tt、侧向不对称系数C、侧向不对称压陷量TC六项指标表征人-床界面压陷量矩阵的特征,其中肩臀比Rjt为肩部区域总压陷量与臀部区域总压陷量之比;膝臀比Rxt为膝部区域总压陷量与臀部区域总压陷量之比;总压陷量T即整个床垫表面的总压陷量;腿部压陷量Tt是小腿区域总压陷量;侧向不对称系数C为肩部、腰部、臀部压陷对称中心曲线CL至该曲线起止点连线距离的平均值,侧向不对称压陷量TC为肩部、腰部、臀部压陷对称中心曲线CL两侧压陷总量之差的绝对值,公式分别为:
C=average(d(i,j)) (5)
其中,Z为床垫压陷量矩阵,Zjian为肩部压陷量矩阵,Zxi为膝部压陷量矩阵,Ztui为臀部压陷量矩阵,Ztotal为肩部、腰部、臀部总压陷量矩阵;m为侧向压陷量测试点数,n为纵向压陷量测试点数,n1、n2、n3、n4、n5分别为肩部、腰部、臀部、膝部、小腿部区域纵向压陷量测试点数,l为肩部、腰部、臀部纵向总压陷量测试点数,m、n、n1、n2、n3、n4、n5、l取值自然数;d(i,j)为肩部、腰部、臀部对称曲线CL上任意一点(i,j)至该曲线起止点连线的距离;
利用Z-score标准化法将以上六项指标规格化,组成人-床界面压陷量矩阵的特征向量,即仰卧、左侧卧、右侧卧、俯卧四种睡姿识别的特征向量,利用支持向量机分类器进行睡姿识别;
左侧区域和右侧区域的位移传感器的控制系统分别以0.05HZ的采样率连续采集左右两个区域的人-床界面压陷量矩阵,并通过上述方法判断识别睡姿,并记录睡姿保持时间、睡姿的时间分布、翻身次数、超过30分钟的不动片段出现次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510133697.4A CN104799614B (zh) | 2015-03-25 | 2015-03-25 | 一种基于三层组合的无干扰睡姿识别的健康分区床垫 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510133697.4A CN104799614B (zh) | 2015-03-25 | 2015-03-25 | 一种基于三层组合的无干扰睡姿识别的健康分区床垫 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104799614A true CN104799614A (zh) | 2015-07-29 |
CN104799614B CN104799614B (zh) | 2017-09-08 |
Family
ID=53685152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510133697.4A Active CN104799614B (zh) | 2015-03-25 | 2015-03-25 | 一种基于三层组合的无干扰睡姿识别的健康分区床垫 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104799614B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107280329A (zh) * | 2017-07-18 | 2017-10-24 | 邵源东 | 模块化床垫 |
CN107944462A (zh) * | 2016-10-12 | 2018-04-20 | 东莞丹蒂诗智能家居科技有限公司 | 基于智能感应的睡姿识别方法 |
CN108135366A (zh) * | 2015-08-03 | 2018-06-08 | 百德基尔有限责任公司 | 可定制的床垫 |
CN108209871A (zh) * | 2017-12-27 | 2018-06-29 | 深圳信息职业技术学院 | 睡眠监测方法、装置、系统及电子设备 |
CN108324004A (zh) * | 2018-03-19 | 2018-07-27 | 浙江农林大学 | 一种定制化床垫及制作方法 |
CN109106132A (zh) * | 2018-11-02 | 2019-01-01 | 西南交通大学 | 一种具有起夜感知功能的床 |
CN109475236A (zh) * | 2016-07-19 | 2019-03-15 | 国王家具澳大利亚有限公司 | 床垫 |
CN109662515A (zh) * | 2019-01-30 | 2019-04-23 | 王晓燕 | 一种人体3d拼图式床垫 |
CN109788856A (zh) * | 2016-10-17 | 2019-05-21 | 德斯坎萨雷睡眠实验室公司 | 提高睡眠质量的方法和系统及包含该系统的床垫 |
WO2019137111A1 (zh) * | 2018-01-10 | 2019-07-18 | 佛山市佑居智能家居有限公司 | 可自主调节的脊椎保护垫 |
WO2019157686A1 (zh) * | 2018-02-14 | 2019-08-22 | 深圳市三分之一睡眠科技有限公司 | 自动调节床及其调节方法 |
WO2022082303A1 (en) * | 2020-10-19 | 2022-04-28 | Orthex Canada Inc. | Modular multi-zone mattress and related design method for optimization of a sleep surface |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1875880A (zh) * | 2006-06-08 | 2006-12-13 | 北京新兴阳升科技有限公司 | 监测睡眠状态和呼吸障碍事件的传感装置 |
CN201256802Y (zh) * | 2008-07-29 | 2009-06-17 | 深圳天诚家具有限公司 | 床垫 |
CN202060377U (zh) * | 2011-05-19 | 2011-12-07 | 东莞市艾慕寝室用品有限公司 | 一种适用于人体工程学的七段式床垫 |
CN103110296A (zh) * | 2013-02-01 | 2013-05-22 | 安徽农业大学 | 一种自动控制系统力学性能的实验床具 |
CN103169477A (zh) * | 2013-02-01 | 2013-06-26 | 安徽农业大学 | 一种无干扰睡眠的睡姿脊柱形态测试方法 |
US20140289964A1 (en) * | 2013-02-13 | 2014-10-02 | Jon Dodd | Configurable bed |
-
2015
- 2015-03-25 CN CN201510133697.4A patent/CN104799614B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1875880A (zh) * | 2006-06-08 | 2006-12-13 | 北京新兴阳升科技有限公司 | 监测睡眠状态和呼吸障碍事件的传感装置 |
CN201256802Y (zh) * | 2008-07-29 | 2009-06-17 | 深圳天诚家具有限公司 | 床垫 |
CN202060377U (zh) * | 2011-05-19 | 2011-12-07 | 东莞市艾慕寝室用品有限公司 | 一种适用于人体工程学的七段式床垫 |
CN103110296A (zh) * | 2013-02-01 | 2013-05-22 | 安徽农业大学 | 一种自动控制系统力学性能的实验床具 |
CN103169477A (zh) * | 2013-02-01 | 2013-06-26 | 安徽农业大学 | 一种无干扰睡眠的睡姿脊柱形态测试方法 |
US20140289964A1 (en) * | 2013-02-13 | 2014-10-02 | Jon Dodd | Configurable bed |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108135366A (zh) * | 2015-08-03 | 2018-06-08 | 百德基尔有限责任公司 | 可定制的床垫 |
CN109475236A (zh) * | 2016-07-19 | 2019-03-15 | 国王家具澳大利亚有限公司 | 床垫 |
CN107944462A (zh) * | 2016-10-12 | 2018-04-20 | 东莞丹蒂诗智能家居科技有限公司 | 基于智能感应的睡姿识别方法 |
CN109788856A (zh) * | 2016-10-17 | 2019-05-21 | 德斯坎萨雷睡眠实验室公司 | 提高睡眠质量的方法和系统及包含该系统的床垫 |
CN109788856B (zh) * | 2016-10-17 | 2022-04-12 | 德斯坎萨雷睡眠实验室公司 | 提高睡眠质量的方法和系统及包含该系统的床垫 |
CN107280329A (zh) * | 2017-07-18 | 2017-10-24 | 邵源东 | 模块化床垫 |
CN107280329B (zh) * | 2017-07-18 | 2023-08-15 | 邵源东 | 模块化床垫 |
CN108209871A (zh) * | 2017-12-27 | 2018-06-29 | 深圳信息职业技术学院 | 睡眠监测方法、装置、系统及电子设备 |
CN108209871B (zh) * | 2017-12-27 | 2020-12-11 | 深圳信息职业技术学院 | 睡眠监测方法、装置、系统及电子设备 |
WO2019137111A1 (zh) * | 2018-01-10 | 2019-07-18 | 佛山市佑居智能家居有限公司 | 可自主调节的脊椎保护垫 |
WO2019157686A1 (zh) * | 2018-02-14 | 2019-08-22 | 深圳市三分之一睡眠科技有限公司 | 自动调节床及其调节方法 |
CN108324004A (zh) * | 2018-03-19 | 2018-07-27 | 浙江农林大学 | 一种定制化床垫及制作方法 |
CN109106132A (zh) * | 2018-11-02 | 2019-01-01 | 西南交通大学 | 一种具有起夜感知功能的床 |
CN109662515A (zh) * | 2019-01-30 | 2019-04-23 | 王晓燕 | 一种人体3d拼图式床垫 |
WO2022082303A1 (en) * | 2020-10-19 | 2022-04-28 | Orthex Canada Inc. | Modular multi-zone mattress and related design method for optimization of a sleep surface |
Also Published As
Publication number | Publication date |
---|---|
CN104799614B (zh) | 2017-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104799614B (zh) | 一种基于三层组合的无干扰睡姿识别的健康分区床垫 | |
CN104799613B (zh) | 一种无干扰识别和记录睡眠行为的健康分区床垫及应用 | |
Namdari et al. | Defining functional shoulder range of motion for activities of daily living | |
CN103169477B (zh) | 一种无干扰睡眠的睡姿脊柱形态测试方法 | |
Iraeus et al. | Development and validation of a generic finite element ribcage to be used for strain-based fracture prediction | |
CN104732250B (zh) | 一种无干扰睡眠的睡姿和睡眠行为测试识别方法 | |
EP2348978B1 (en) | Adjustable pneumatic supporting surface | |
Wu et al. | A novel method for comfort assessment in a supine sleep position using three-dimensional scanning technology | |
CN109655303B (zh) | 一种床垫硬度分级定量化测试方法 | |
Leilnahari et al. | Spine alignment in men during lateral sleep position: experimental study and modeling | |
Wrigley et al. | Principal component analysis of lifting waveforms | |
CN109730682A (zh) | 人体脊柱健康的分析方法及装置 | |
Lee et al. | Variations in posteroanterior stiffness in the thoracolumbar spine: preliminary observations and proposed mechanisms | |
Verhaert et al. | Estimating spine shape in lateral sleep positions using silhouette-derived body shape models | |
CN113688720A (zh) | 一种基于神经网络识别的预测睡姿的方法 | |
Verhaert et al. | Modeling human-bed interaction: the predictive value of anthropometric models in choosing the correct bed support | |
US11627911B2 (en) | System for evaluating sleeping comfort of bedding system | |
Ahn et al. | Asymmetrical change in the pelvis and the spine during cross-legged sitting postures | |
Mousavi et al. | Walking biomechanics and spine loading in patients with symptomatic lumbar spinal stenosis | |
Eskandari et al. | Validation of an EMG submaximal method to calibrate a novel dynamic EMG-driven musculoskeletal model of the trunk: Effects on model estimates | |
Jia et al. | Development and evaluation of an EMG-based model to estimate lumbosacral loads during seated work | |
Kiss | Verification of determining the curvatures and range of motion of the spine by electromechanical-based skin-surface device | |
Lee et al. | Development of a sitting posture monitoring system for children using pressure sensors: An application of convolutional neural network | |
Drzał-Grabiec et al. | The development of anterior-posterior spinal curvature in children aged 7–12 years | |
DiGiovine et al. | The dispersion index as a metric for measuring pressure distribution on seat surfaces: a pilot study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201203 Address after: 314016 Zhejiang, Xiuzhou Province Wang Jiang Jing Town, Autumn Road, No. 158, No. Patentee after: Keeson Technology Corp.,Ltd. Address before: 230036 No. 130 Changjiang West Road, Shushan District, Anhui, Hefei Patentee before: Anhui Agricultural University |