CN106999055A - 用于确定针对睡眠阶段分类的谱边界的系统和方法 - Google Patents

用于确定针对睡眠阶段分类的谱边界的系统和方法 Download PDF

Info

Publication number
CN106999055A
CN106999055A CN201580067101.3A CN201580067101A CN106999055A CN 106999055 A CN106999055 A CN 106999055A CN 201580067101 A CN201580067101 A CN 201580067101A CN 106999055 A CN106999055 A CN 106999055A
Authority
CN
China
Prior art keywords
frequency
peak
wave amplitude
respiratory
sleep
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
Application number
CN201580067101.3A
Other languages
English (en)
Other versions
CN106999055B (zh
Inventor
龙曦
R·哈克玛
P·M·丰塞卡
R·M·阿尔特斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN106999055A publication Critical patent/CN106999055A/zh
Application granted granted Critical
Publication of CN106999055B publication Critical patent/CN106999055B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A61B5/103—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
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • 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
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Pulmonology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本公开涉及一种被配置为确定针对对象中的睡眠阶段分类的谱边界(216、218)的系统(10)。谱边界可以被定制并用于个体对象中的睡眠阶段分类。由所述系统确定的针对所述对象定制的谱边界可以有助于相对于基于不对所述对象特有的静态的、固定的谱边界而进行的分类以更高的准确度来进行睡眠阶段分类。在一些实现方式中，所述系统包括传感器(16)、处理器(20)、电子存储设备(22)、用户接口(24)、和/或其他部件中的一个或多个。

Description

用于确定针对睡眠阶段分类的谱边界的系统和方法
技术领域
本公开涉及用于确定针对睡眠阶段分类的谱边界的系统和方法。
背景技术
基于监测就寝期间的睡眠和清醒阶段的睡眠质量的评估是已知的。已知用于分析睡眠结构和特定睡眠相关问题的发生的具有手动评分睡眠图(由睡眠技术人员完成)的夜间多导睡眠监测(PSG)记录。分析是基于没有针对特定对象个体地调节的固定的谱边界来执行的。
发明内容
因此，本公开的一个或多个方面涉及一种被配置为确定针对对象中的睡眠阶段分类的谱边界的系统。所述系统包括一个或多个传感器、一个或多个物理计算机处理器、和/或其他部件。所述一个或多个传感器被配置为生成输出信号，所述输出信号传达与针对所述对象的睡眠段的呼吸波幅度度量有关的信息。所述一个或多个物理计算机处理器由计算机可读指令配置为：将由个体时间段中的所述输出信号传达的所述信息变换到频率域中；确定所述个体时间段内的呼吸波幅度度量峰的个体频率；通过聚合所述个体时间段内的所述呼吸波度量峰值的个体频率来确定所述呼吸波幅度度量峰的聚合频率；基于所述聚合频率来确定针对所述对象的睡眠阶段分类的所述谱边界；并且使用所确定的谱边界，根据呼吸波幅度度量峰的所述聚合频率，确定在随后的睡眠段中的在个体时间段期间的所述对象的睡眠阶段。
本公开的另一方面涉及一种利用确定系统来确定针对对象中的睡眠阶段分类的谱边界的方法。所述确定系统包括一个或多个传感器、一个或多个物理计算机处理器、和/或其他部件。所述方法包括：利用所述一个或多个传感器生成输出信号，所述输出信号传达与针对所述对象的睡眠段的呼吸波幅度度量有关的信息；利用所述一个或多个物理计算机处理器将由个体时间段中的所述输出信号传达的所述信息变换到频率域中；利用所述一个或多个物理计算机处理器确定所述个体时间段内呼吸波幅度度量峰的个体频率；利用所述一个或多个物理计算机处理器，通过聚合所述个体时间段内的所述呼吸波度量峰的所述个体频率来确定所述呼吸波幅度度量峰的聚合频率；利用所述一个或多个物理计算机处理器，基于所述聚合频率来确定针对所述对象的睡眠阶段分类的所述谱边界；并且利用所述一个或多个物理计算机处理器，使用所确定的谱边界，根据呼吸波幅度度量峰的所述聚合频率，确定在随后的睡眠段中在个体时间段期间的所述对象的睡眠阶段。
本公开的再另一方面涉及一种被配置为确定针对对象中的睡眠阶段分类的谱边界的系统。所述系统包括：用于生成传达与针对所述对象的睡眠段的呼吸波幅度度量有关的信息的输出信号的单元；用于将由个体时间段中的所述输出信号传达的所述信息变换到频率域中的单元；用于确定个体时间段内的呼吸波幅度度量峰的个体频率的单元；用于通过聚合所述个体时间段内的所述呼吸波度量峰的所述个体频率来确定所述呼吸波幅度度量峰的聚合频率的单元；用于基于所述聚合频率来确定针对所述对象的睡眠阶段分类的所述谱边界的单元；以及用于使用所确定的谱边界根据呼吸波幅度度量峰的所述聚合频率来确定在随后的睡眠段中在个体时间段期间的所述对象的睡眠阶段的单元。
参考附图，考虑以下说明和所附权利要求，本公开的这些和其他目标、特征、和特性，以及操作的方法和结构的相关元件的功能，以及各部分的组合和制造的经济性将变得更加显而易见，所有附图均构成本说明的部分，其中，相似的附图标记指示各附图中对应的部分。然而，要明确理解，附图仅出于图示和说明的目的并且不旨在作为对本公开的限度的限制。
附图说明
图1图示了被配置为确定针对对象中的睡眠阶段分类的谱边界的系统。
图2图示了作为频率的函数的平均归一化功率谱密度的曲线图。
图3图示了使用线性回归模型针对个体对象确定的高频带的谱边界的范例。
图4图示了用于利用确定系统来确定针对对象中的睡眠阶段分类的谱边界的方法。
具体实施方式
本文中使用的单数形式的“一”、“一个”以及“该”包括多个指代物，除非上下文中明确地另行规定。本文中所用的两个或多个零件或部件被“耦合”的表述将意味着所述零件直接或间接地(即，通过一个或多个中间零件或部件，只要发生连接)被结合到一起或一起工作。本文中所用的“直接耦合”意指两个元件彼此直接接触。本文中所用的“固定耦合”或“固定”意指两个部件被耦合以作为一体移动，同时维持相对于彼此的固定取向。
本文中使用的词语“一体的”意指部件被创建为单件或单个单元。亦即，包括单独创建并然后被耦合到一起成为单元的多件的部件不是“一体的”部件或体。本文中采用的两个或多个零件或部件相互“接合”的表述将意味着所述零件直接地或通过一个或多个中间零件或部件而相互施加力。本文中采用的术语“数目”将意味着一或大于一的整数(即，多个)。
本文中使用的方向短语，例如但不限于，顶部、底部、左、右、上、下、前、后以及它们的派生词涉及附图中所示的元件的取向，并且不对权利要求构成限制，除非在权利要求中明确记载。
图1图示了被配置为确定针对对象12中的睡眠阶段分类的谱边界的系统10。谱边界和/或与对象12中的呼吸活动有关的其他信息可以用于睡眠阶段分类。这是因为呼吸活动与自主神经活动(ANA)和呼吸控制有关，其在睡眠和清醒期间是不同的。用于睡眠阶段分类的与呼吸活动有关的信息可以基于例如对象12的呼吸努力的谱分析(例如，使用谱边界)来确定。谱分析可以包括确定和/或以其他方式分析来自对象12的呼吸信号的(由所确定的谱边界所界定的)不同频带(包括非常低频(VLF)频带、低频(LF)频带和高频(HF)频带)内的谱功率，和/或其他分析。由系统10确定的针对对象12定制的谱边界可以有助于相对于基于不对对象12特有的静态的、固定的谱边界而进行的分类以更高的准确度来进行睡眠阶段分类。在一些实现方式中，系统10包括传感器16、处理器20、电子存储设备22、用户接口24、和/或其他部件中的一个或多个。
传感器16被配置为生成输出信号，所述输出信号传达与对象12中的呼吸活动、对象12中的心脏活动、对象12的移动有关的信息和/或其他信息。对象12的呼吸活动、心脏活动、和/或移动可对应于对象12的呼吸努力和/或对象12的其他特征。对象12的呼吸活动、心脏活动、和/或移动可对应于对象12的睡眠阶段和/或对象12的其他特征。对象12的睡眠阶段可以与快速眼动(REM)睡眠、非快速眼动(NREM)睡眠、和/或其他睡眠相关联。传感器16可以包括直接和/或间接测量这些参数的一个或多个传感器。例如，一个或多个传感器16可以基于以下来生成输出：对象12的心率(例如，传感器16可以是定位于对象12的胸部上的心率传感器和/或被配置为在对象12的手腕上和/或位于对象12的另一个肢体上的手环)，对象12的移动(例如，传感器16可以包括具有加速度计的围绕对象12的手腕和/或脚踝的手环，使得可以使用体动记录信号来分析睡眠)，对象12的呼吸和/或对象12的其他特征。在一些实施例中，可以直接测量呼吸信号，例如利用胸带和/或鼻套管，和/或可以从诸如光电体积描记术(PPG)信号和/或心率的其他信号导出，所述其他信号可以容易地例如利用腕戴式传感器设备来测量。尽管传感器16被示出在对象12附近的单个位置处，但这并不旨在限制。传感器16可以包括设置在多个位置中的传感器，诸如，例如在用户接口24内(或与其通信)、与对象12的服装耦合(或以可移除的方式)、由对象12穿戴(例如，作为头带，腕带等)，被定位为在对象12睡觉时指向对象12(例如，传达与对象12的移动有关的输出信号的相机)、和/或在其他位置。
在一些实施例中，传感器16被配置为生成输出信号，所述输出信号传达与来自对象12的心脏、呼吸、移动、和/或其他(例如，呼吸努力)信号的幅度和/或功率有关的信息。输出信号可随着心脏、呼吸和/或移动信号波幅度和/或功率而随时间波动。在一些实施例中，传感器16被配置为生成输出信号，所述输出信号传达与对象12的睡眠段中的特定心脏、呼吸、和/或移动波振幅度量有关的信息。例如，该特定心脏、呼吸和/或、移动波幅度度量可以是和/或可以包括来自对象12的心脏、呼吸、运动、和/或其他(例如呼吸努力)信号的功率谱密度和/或其他度量。
处理器20被配置为提供系统10中的信息处理能力。这样，处理器20可以包括一个或多个数字处理器、逻辑处理器、被设计为处理信息的数字电路、被设计为处理信息的逻辑电路、状态机、和/或用于电子地处理信息的其他机构。虽然处理器20在图1中被示为单个实体，但是这仅出于说明目的。在一些实施例中，处理器20可包括多个处理单元。这些处理单元可在物理上定位于同一设备内，或者处理器20可表示联合操作的多个设备的处理功能。
如图1中所示，处理器20被配置为执行一个或多个计算机程序部件。所述一个或多个计算机程序部件可以包括呼吸活动部件30、频率部件32、谱边界部件34、睡眠阶段部件36、和/或其他部件中的一个或多个。处理器20可以被配置为通过软件；硬件；固件；软件、硬件和/或固件的某种组合；和/或用于配置处理器20上处理能力的其它机构来执行部件30、32、34和/或36。
应当理解，尽管部件30、32、34和/或36在图1中被图示为共同定位于单个处理单元中，但是在处理器20包括多个处理单元的实施例中，部件30、32、34和/或36中的一个或多个可以被定位为远离其他部件。以下描述的不由同部件30、32、34和/或36提供的功能仅用于说明的目的，并不旨在作为限制，因为部件30、32、34和/或36中的任一个可以提供比所描述的更多或更少的功能。例如，可以去除部件30、32、34和/或36中的一个或多个，并且其功能的一些或全部可以由其他部件30、32、34和/或36提供。作为另一示例，处理器20可以被配置为执行一个或多个额外的部件，其可以执行以下归属于部件30、32、34和/或36中的一个的功能的一些或全部。
在一些实施例中，呼吸活动部件30被配置为便于低通滤波(例如，具有大约0.7Hz的截止频率的10阶巴特沃斯滤波器)，并且然后对来自传感器16的输出信号(例如，呼吸努力信号)进行归一化(例如，通过减去在整个睡眠段中的估计的波峰-波谷幅度中值来去除信号基线)。然后，呼吸活动部件30被配置为将由经滤波和/或归一化的输出信号传达的信息变换到频率域中。呼吸活动部件30被配置为将输出信号分离成对应于信息的个体时间段的信号段。个体时间段的长度可以由呼吸活动部件30确定，可以在制造时确定，和/或可以通过其它方法来确定。在一些实施例中，个体时间段可以是约30秒长。在一些实施例中，呼吸活动部件30被配置为将输出信号(或其某些导出)按时段变换到频率域时段中，以创建经变换的信号段。在一些实施例中，创建经变换的信号段可以包括在对应于个体时间段的输出信号(或其导出)的段上执行傅里叶变换、快速傅里叶变换、或一些其他变换。
在一些实施例中，呼吸活动部件30被配置为基于经变换的信号段来确定一个或多个呼吸(努力)波幅度度量。呼吸(例如，努力、和/或心脏和/或移动)波幅度可以指示呼吸波功率。在一些实施例中，呼吸活动部件30被配置为确定呼吸波幅度量度，例如功率谱密度和/或其他度量。功率谱密度描述了呼吸波信号的强度在频率域中如何分布。功率谱密度描述了由频率按每单位频率对波贡献的功率。功率谱密度描述了波的特性作为频率函数的变化率。例如，在给定频带上的功率谱密度的积分给出了该频带上的信号的平均功率。在一些实施例中，呼吸活动部件30被配置为确定呼吸波幅度量度，例如功率谱密度、平均功率谱密度、平均归一化功率谱密度、和/或其他度量。可以针对与个体经变换的信号段相对应的个体时间段(例如，在每个段的基础上)进行这种确定。
在一些实施例中，在个体经变换(呼吸努力)信号段内，在VLF，LF和HF频带内的谱功率的对数、以及LF和HF频带谱功率的比率、和/或其他信息可以由呼吸活动部件30来确定。可以通过将个体频带的功率谱密度除以LF和HF频带中的总谱功率来对个体频带的功率谱密度进行归一化。在一些实施例中，呼吸活动部件30被配置为将30秒功率谱密度时段变换到频率域中，对30秒功率谱密度时段进行归一化，对经归一化的30秒功率谱密度时段进行平均，和/或以其他方法分析所述输出信号。
通过非限制性范例的方式，图2图示了针对个体30秒(例如)时段(例如，个体经变换的信号段)的作为频率204(例如，在频率域中)的函数的平均归一化功率谱密度202的曲线图200。图2示出了传统固定边界位置处的VLF频带206、LF频带208和HF频带210(例如，VLF通常被认为是0.01-0.05Hz，LF通常被认为是0.05-0.15Hz，并且HF通常被认为是0.15-0.5Hz)。图2示出睡眠时段212和清醒时段214的归一化功率谱密度。如下所述，针对对象12确定的谱边界对应于位置216、218，其中清醒时段214和睡眠时段212的平均归一化功率谱密度彼此交叉。针对对象12确定的对应于位置216和218的频率与HF频带的传统固定边界频率不同(因此基于对应于位置216和218的谱边界而不是传统的HF频段的固定边界频率来确定睡眠阶段，将产生针对对象12更准确的睡眠阶段确定)。
频率部件32(图1)被配置为确定(例如，在个体经变换的信号段内的)个体时间段内的呼吸(努力)波幅度度量峰(例如，平均归一化功率谱密度峰)的个体频率。例如，在图2中，频率部件32被配置为确定针对在图2中示出的经变换的信号段的30秒(例如)时段的峰220的频率(例如，约0.26Hz)。频率分量32被配置为通过聚合个体时间段内的呼吸波度量峰(例如，峰220)的个体频率来确定呼吸波幅度度量峰的聚合频率(例如，多个相似的时段/经变换的信号段到图2所示的那个)。如本文所使用的，聚合峰频率是指通过考虑和/或组合多个经变换的信号段的呼吸波幅度度量的峰频率值的针对确定的频率的值。例如，聚合峰频率可以通过以下中的一项或多项来确定：对多个经变换信号元素的峰频率取平均，对多个经变换的信号元素的一个或多个特性求和，图形地叠加多个经变换的信号元素，以及视觉地和/或图形地确定峰频率，和/或其他方法。在一些实施例中，确定呼吸波幅度度量峰的聚合频率包括对来自个体时间段的平均归一化功率谱密度峰的频率(例如，图2中的峰220)进行平均。在一些实施例中，来自在所述睡眠段期间的个体三十秒时间段的功率谱密度峰的平均频率是针对睡眠段的对象12的平均呼吸频率ω。在一些实施例中，频率部件32(图1)被配置为仅在传统的LF和HF频带(例如0.01-0.5Hz)内确定功率谱密度峰(例如，峰220)，因为健康人的呼吸频率通常在这个范围内。
谱边界部件34(图1)被配置为确定对象12中的谱边界(例如，其对应于图2中的位置216和218的频率)。谱边界可以对应于对象12中的不同水平的警觉性(例如，不同的睡眠阶段)。例如，谱边界可以限定、描述睡眠阶段和/或与睡眠阶段相关，例如轻REM睡眠，深度NREM睡眠和/或其他睡眠阶段。
基于由频率分量32确定的聚合频率(ω)和/或其他信息来确定谱边界(B)。在一些实施例中，谱边界部件34(图1)被配置为确定对象12(图1)的HF频带的上(Bu HF)谱边界290和下(Bl HF)谱边界292(例如，对应于图2中的位置218和216的频率)。HF频带的下谱边界290可以与LF频带的上谱边界(Bu LF)相同。谱边界部件34被配置为使得VLF频带的上边界和下边界270、272保持固定在0.01-0.05Hz(这意味着LF频带的下边界，Bl LF也是0.05Hz)。在一些实施例中，基于使用线性回归和根据以下公式的回归系数基于对象12的聚合(呼吸)频率ω，确定针对对象12的HF频带的上谱边界(Bu HF)和下谱边界(Bl HF)：
B＝aω+b
其中，B是针对对象12的个体边界(例如，B＝Bu HF或B＝Bl HF)，ω是由频率部件32确定的聚合(平均呼吸)频率，并且a和b是回归系数(例如，斜率和截距)。回归系数a和b可以包括在确定Bu HF时使用的上回归系数au和bu以及在确定Bl HF时使用的下回归系数al和bl。通过非限制性范例的试，公式Bu HF＝auω+bu可以用于确定对象12中的HF频带的上边界，并且公式Bl HF＝alω+bl可以用于确定对象12中的HF频带的下边界。
回归系数a和b由谱边界部件34基于从用户的群体获得的睡眠信息来确定。基于以下公式，使用诸如最小平方估计(LSE)方法，最大似然估计(MSE)和/或其他方法的一种或多种方法来确定两个回归系数a和b：
其中，Bi＝{B1,B2,…,Bi,…,Bn}(i＝1,2,…,n)是来自对象的群体中的n个不同对象的先前确定的一组边界，并且ω＝{ω1,ω2,…,ωi,…,ωn}(i＝1,2,…,n)是来自n个对象的对应的先前确定的平均呼吸频率(例如，如上所述地针对所述群体中的个体对象的针对对象12确定的)。通过非限制性范例的方式，可以基于针对对象的群体中的个体对象先前确定的上边界(例如，Bu HF)来确定上回归系数au和bu，并且可以基于针对对象的群体中的个体对象先前确定的下边界(例如，Bl HF)来确定下回归系数al和bl。在一些实施例中，针对对象的群体的先前确定的信息可以在系统10的制造时被编程，存储在电子存储设备22中和/或在其他位置并且由谱边界部件34获得，经由用户接口24输入和/或选择(例如，由对象12、医生、护理者、和/或其他用户)，和/或以其他方式确定。
睡眠阶段部件36(图1)被配置为确定对象12的睡眠阶段。使用所确定的谱边界(Bu HF和Bl HF)，根据呼吸波幅度度量峰(ω)的聚合频率，确定针对随后的睡眠段中的个体时间段的所述睡眠阶段。在一些实施例中，睡眠阶段部件34被配置为基于来自传感器16的输出信号、所确定的谱边界和/或其他信息来确定睡眠阶段。例如，图2图示了传统的HF频带谱上边界280和下边界282以及专门针对对象12(图1)确定的新确定的HF频带谱上边界290和下边界292。对象12HF频带294比传统的HF频带210更窄296。基于对应于上边界290和下边界292位置的谱边界而不是传统的固定上边界280和下边界282来确定睡眠阶段将产生更加准确的针对对象12的睡眠阶段确定。
图3图示了使用如上所述的线性回归模型来确定针对个体对象12的HF频带的谱边界的范例。图3图了可以基于聚合(平均呼吸)频率ω来线性地估计的针对个体对象12的边界。图3是确定的边界频率302对平均呼吸频率304的曲线300。图3示出了作为对象12中的ω的函数的上HF频带边界确定结果306和相应的线性回归308，以及作为对象12中的ω的函数的确定的下HF带边界确定结果310和对应的线性回归312。
返回图1，电子存储设备22包括电子地存储信息的电子存储设备介质。电子存储设备22的电子存储介质可以包括与系统10一体地(即，基本上不可移除)提供的系统存储器和/或可经由例如端口(例如，USB端口，火线端口等)或驱动器(例如，磁盘驱动器等)可移除地可连接到系统10的可移除存储器中的一个或两者。电子存储设备22可以包括以下中的一个或多个：光学可读存储介质(例如光盘等)、磁性可读存储介质(例如磁带、磁硬盘驱动器、软盘驱动器等)、基于电荷的存储介质(例如EPROM、RAM等)，固态存储介质(例如闪速驱动器等)、和/或其他电子地可读的存储介质。电子存储设备22可以存储软件算法、由处理器20确定的信息、经由用户接口24和/或外部计算系统接收到的信息、和/或使得系统10能够正确工作的其他信息。电子存储设备22可以(整体地或部分地)是系统10内的独立的部件，或者电子存储设备22可以(整体地或部分地)与系统10的一个或多个其他部件(例如处理器20)被集成提供。
用户接口24被配置为提供系统10与对象12和/或其他用户之间的接口，通过用户接口对象12和/或其他用户可以向系统10提供信息并从系统10接收信息。这使得统称为“信息”的数据、线索、结果和/或指令以及任何其他可通信项能够在用户(例如对象12)与传感器16、处理器20和/或系统10的其他部件中的一个或多个之间传送。例如，经调节的谱边界可以经由用户接口24而被显示给护理提供者。
适合包括在用户接口24中的接口设备的范例包括小键盘、按钮、开关、键盘、旋钮、控制杆、显示屏、触摸屏、扬声器、麦克风、指示灯、可听警报、打印机、触觉反馈设备和/或其他接口设备。在一些实施例中，用户接口24可以包括多个单独的接口。在一些实施例中，用户接口24包括与处理器20和/或系统10的其他部件集成地提供的至少一个接口。
应该理解，本公开也预期其他通信技术、不管是硬连接线的还是无线的，作为用户接口。例如，本公开预期，用户接口24可以与由电子存储设备22提供的可移除存储接口集成。在该范例中，信息可以从可移除存储设备(例如，智能卡、闪速存储器、可移除磁盘等)加载到系统10中，其使得(一个或多个)用户能够定制系统10的操作。适于与系统10一起使用作为用户接口24的一个范例输入设备和技术包括但不限于，RS-232端口、RF链路、IR链路、调制解调器(电话、线缆或其他)。简言之，本公开预期用于与系统10交流信息的任何技术作为用户接口24.
图4图示了用于利用确定系统来确定针对对象中的睡眠阶段分类的谱边界的方法400。所述确定系统包括一个或多个传感器、一个或多个物理计算机处理器、和/或其他部件。所述一个或多个物理计算机处理器被配置为执行计算机程序部件。所述计算机程序部件包括呼吸活动部件、频率部件、谱边界部件34、睡眠阶段部件、和/或其他部件。以下呈现的方法400的操作旨在是说明性的。在一些实施例中，方法400可以利用一个或多个未描述的额外的操作来完成、或者在没有所讨论的操作中的一个或多个的情况下完成。另外，在图4中图示并且在以下描述的方法400的操作的顺序不旨在限制。
在一些实施例中，方法400可以在一个或多个处理设备(例如，数字处理器、逻辑处理器、被设计为处理信息的数字电路、被设计为处理信息的逻辑电路、状态机、和/或用于电子地处理信息的其他机构)中实施。所述一个或多个处理设备可以包括响应于电子地存储在电子存储设备介质中的指令来执行方法400的操作中的一些或全部的一个或多个设备。所述一个或多个处理设备可以包括通过硬件、固件、和/或软件被配置为专门执行方法400的操作中的一个或多个设备。
在操作402，生成传达与呼吸波幅度度量有关的信息的输出信号。在一些实施例中，所述呼吸波幅度度量是功率谱密度。在一些实施例中，操作402由与(在图1中所示并且在本文中描述的)传感器16相同或相似的一个或多个传感器来执行。
在操作404中，将由个体时间段中的输出信号传达的信息变换到频率域中。在一些实施例中，操作404由与(在图1中所示并且在本文中描述的)呼吸活动部件30相同或相似的一个或多个处理器部件来执行。
在操作406，确定个体时间段内呼吸波幅度度量峰的个体频率。在一些实施例中，操作406由与(在图1中所示并且在本文中描述的)频率部件32相同或相似的一个或多个处理器部件来执行。
在操作408中，通过聚合个体时间段内的呼吸波度量峰的个体频率来确定呼吸波幅度度量峰的聚合频率。在一些实施例中，确定呼吸波幅度度量峰的聚合频率包括对来自各个时间段的功率谱密度峰的频率进行平均。在一些实施例中，来自在所述睡眠段期间的个体的三十秒时间段的功率谱密度峰的平均频率是所述对象的平均呼吸频率。在一些实施例中，操作408由与(在图1中所示并且在本文中描述的)频率部件32相同或相似的一个或多个处理器部件来执行。
在操作410，确定谱边界。所述谱边界是基于所述聚合频率来确定的。在一些实施例中，使用线性回归，基于所述平均呼吸频率来确定所述谱边界。在一些实施例中，操作410由与(在图1中所示并且在本文中描述的)谱边界部件34相同或相似的一个或多个处理器部件来执行。
在操作412中，确定对象的睡眠阶段。使用所确定的谱边界，根据呼吸波幅度度量峰的聚合频率，确定在随后的睡眠段中在个体时间段内的所述睡眠阶段。在一些实施例中，操作412由与(在图1中所示并且在本文中描述的)睡眠阶段部件36相同或相似的一个或多个处理器部件来执行。
在权利要求中，置于括号之间的任何附图标记都不应被解释为对权利要求的限制。词语“包括”或“包含”不排除存在多于权利要求中列出的那些之外的元件或步骤的存在。在枚举了若干器件的装置型权利要求中，这些装置中的若干个可以由相同的硬件项来实现。元件前的词语“一”或“一个”不排除存在多个这样的元件。在枚举了若干器件的任何装置型权利要求中，这些装置中的若干个可以由相同的硬件项来实现。尽管在互不相同的从属权利要求中记载了特定元件，但是这并不指示不能有利地使用这些元件的组合。
尽管以上提供的说明出于基于当前认为最优选和现实的实施例的提供了说明的目的的细节，但是应理解，这样的细节仅用于该目的并且本公开不限于明确公开的实施例，而是相反，旨在涵盖在随附权利要求书的精神和范围之内的修改和等价布置。例如，应该理解，本公开预期，在可能的范围内，任何实施例的一个或多个特征可以与任何其他实施例的一个或多个特征相组合。

Claims (15)

1.一种被配置为确定针对对象(12)中的睡眠阶段分类的谱边界的系统(10)，所述系统包括：
一个或多个传感器(16)，其被配置为生成输出信号，所述输出信号传达与针对所述对象的睡眠段的呼吸波幅度度量有关的信息；以及
一个或多个物理计算机处理器(20)，其由计算机可读指令配置为：
将由个体时间段中的所述输出信号传达的信息变换到频率域中；
确定所述个体时间段内的呼吸波幅度度量峰的个体频率；
通过聚合所述个体时间段内的所述呼吸波度量峰的所述个体频率来确定所述呼吸波幅度度量峰的聚合频率；
基于所述聚合频率来确定针对所述对象的睡眠阶段分类的所述谱边界；并且
使用所确定的谱边界，根据呼吸波幅度度量峰的所述聚合频率，确定在随后的睡眠段中在个体时间段期间的所述对象的睡眠阶段。
2.根据权利要求1所述的系统，其中，所述一个或多个传感器以及所述一个物理计算机处理器被配置为使得所述呼吸波幅度度量是功率谱密度。
3.根据权利要求2所述的系统，其中，所述一个或多个物理计算机处理器被配置为使得确定所述呼吸波幅度度量峰的所述聚合频率包括对来自所述个体时间段的功率谱密度峰的频率进行平均。
4.根据权利要求3所述的系统，其中，所述一个或多个物理计算机处理器被配置为使得来自在所述睡眠段期间的个体三十秒时间段的所述功率谱密度峰的平均频率是所述对象的平均呼吸频率。
5.如权利要求4所述的系统，其中，所述一个或多个物理计算机处理器被配置为使得所述谱边界是使用线性回归基于所述平均呼吸频率来确定的。
6.一种利用确定系统(10)来确定针对对象(12)中的睡眠阶段分类的谱边界的方法，所述确定系统包括一个或多个传感器(16)以及一个或多个物理计算机处理器(20)，所述方法包括：
利用所述一个或多个传感器生成输出信号，所述输出信号传达与针对所述对象的睡眠段的呼吸波幅度度量有关的信息；
利用所述一个或多个物理计算机处理器将由个体时间段中的所述输出信号传达的所述信息变换到频率域中；
利用所述一个或多个物理计算机处理器确定所述个体时间段内呼吸波幅度度量峰的个体频率；
利用所述一个或多个物理计算机处理器，通过聚合所述个体时间段内的所述呼吸波度量峰的所述个体频率来确定所述呼吸波幅度度量峰的聚合频率；
利用所述一个或多个物理计算机处理器，基于所述聚合频率来确定针对所述对象的睡眠阶段分类的所述谱边界；并且
利用所述一个或多个物理计算机处理器，使用所确定的谱边界，根据呼吸波幅度度量峰的所述聚合频率，确定在随后的睡眠段中在个体时间段期间的所述对象的睡眠阶段。
7.根据权利要求6所述的方法，其中，所述呼吸波幅度度量是功率谱密度。
8.根据权利要求7所述的方法，其中，确定所述呼吸波幅度度量峰的所述聚合频率包括对来自所述个体时间段的功率谱密度峰的频率进行平均。
9.根据权利要求8所述的方法，其中，来自在所述睡眠段期间的个体三十秒时间段的所述功率谱密度峰的平均频率是所述对象的平均呼吸频率。
10.根据权利要求9所述的方法，其中，使用线性回归，基于所述平均呼吸频率来确定所述谱边界。
11.一种被配置为确定针对对象(12)中的睡眠阶段分类的谱边界的系统(10)，所述系统包括：
用于生成传达与针对所述对象的睡眠段的呼吸波幅度度量有关的信息的输出信号的单元(16)；
用于将由个体时间段中的所述输出信号传达的所述信息变换到频率域的单元(20)；
用于确定所述个体时间段内的呼吸波幅度度量峰的个体频率的单元(20)；
用于通过聚合所述个体时间段内的所述呼吸波度量峰的所述个体频率来确定所述呼吸波幅度度量峰的聚合频率的单元(20)；
用于基于所述聚合频率来确定针对所述对象的睡眠阶段分类的所述谱边界的单元(20)；以及
用于使用所确定的谱边界根据呼吸波幅度度量峰的所述聚合频率来确定在随后的睡眠段中在个体时间段期间的所述对象的睡眠阶段的单元(20)。
12.如权利要求11所述的系统，其中，所述呼吸波幅度度量是功率谱密度。
13.如权利要求12所述的系统，其中，用于确定所述聚合频率的所述单元被配置为使得确定所述呼吸波幅度度量峰的所述聚合频率包括对来自所述个体时间段的功率谱密度峰的频率进行平均。
14.如权利要求13所述的系统，其中，用于确定所述聚合频率的所述单元被配置为使得来自在所述睡眠段期间的个体三十秒时间段的所述功率谱密度峰的平均频率是所述对象的平均呼吸频率。
15.根据权利要求14所述的系统，其中，用于确定所述谱边界的所述单元被配置为使得所述谱边界是使用线性回归基于所述平均呼吸频率来确定的。
CN201580067101.3A 2014-12-11 2015-12-04 用于确定针对睡眠阶段分类的谱边界的系统和方法 Active CN106999055B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462090534P 2014-12-11 2014-12-11
US62/090,534 2014-12-11
PCT/IB2015/059341 WO2016092433A1 (en) 2014-12-11 2015-12-04 System and method for determining spectral boundaries for sleep stage classification

Publications (2)

Publication Number Publication Date
CN106999055A true CN106999055A (zh) 2017-08-01
CN106999055B CN106999055B (zh) 2021-04-27

Family

ID=54979882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580067101.3A Active CN106999055B (zh) 2014-12-11 2015-12-04 用于确定针对睡眠阶段分类的谱边界的系统和方法

Country Status (5)

Country Link
US (1) US10702207B2 (zh)
EP (1) EP3229661B1 (zh)
JP (1) JP2017537710A (zh)
CN (1) CN106999055B (zh)
WO (1) WO2016092433A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108852293A (zh) * 2018-05-14 2018-11-23 浙江胜昔信息科技有限公司 一种基于倾角传感器的睡眠深度评估装置及其评估方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10470719B2 (en) * 2016-02-01 2019-11-12 Verily Life Sciences Llc Machine learnt model to detect REM sleep periods using a spectral analysis of heart rate and motion
CN108778102A (zh) 2016-02-01 2018-11-09 威里利生命科学有限责任公司 使用心率的频谱分析和运动来检测快速眼动睡眠时段的机器学习模型
US11207021B2 (en) 2016-09-06 2021-12-28 Fitbit, Inc Methods and systems for labeling sleep states
CN106388779B (zh) * 2016-09-21 2019-06-11 广州视源电子科技股份有限公司 睡眠状态样本数据类型的标注方法和系统
EP3570226A1 (en) * 2018-05-16 2019-11-20 Ernst & Young GmbH Wirtschaftsprüfungsgesellschaft Method and system of obtaining audit evidence
WO2020071374A1 (ja) * 2018-10-02 2020-04-09 コニカミノルタ株式会社 状態監視装置および状態監視方法
JPWO2021006235A1 (zh) * 2019-07-05 2021-01-14
JPWO2021230223A1 (zh) * 2020-05-11 2021-11-18

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004018772A1 (en) * 2002-08-23 2004-03-04 The University Of Queensland A method of designing a concrete railway sleeper
WO2004107978A1 (ja) * 2003-06-03 2004-12-16 Cb System Co. 睡眠段階判定方法および判定装置
WO2009022454A1 (ja) * 2007-08-10 2009-02-19 Panasonic Corporation 音声分離装置、音声合成装置および声質変換装置
US20090131803A1 (en) * 2004-11-02 2009-05-21 University College Dublin-National University Of Ireland, Dublin A sleep monitoring system
WO2010138845A1 (en) * 2009-05-29 2010-12-02 Yale University Apparatus, systems and methods utilizing plethysmographic data
WO2011019091A1 (ja) * 2009-08-13 2011-02-17 帝人ファーマ株式会社 呼吸波形情報の演算装置及び呼吸波形情報を利用した医療機器
EP2286723A1 (en) * 2002-09-19 2011-02-23 Ramot at Tel Aviv University Ltd. Method and apparatus for determining sleep apnea
CN102006824A (zh) * 2008-04-16 2011-04-06 皇家飞利浦电子股份有限公司 用于睡眠/清醒状况估计的方法和系统
CN102227770A (zh) * 2009-07-06 2011-10-26 松下电器产业株式会社 音质变换装置、音高变换装置及音质变换方法
WO2012018157A1 (ko) * 2010-08-01 2012-02-09 연세대학교 산학협력단 생체신호 기반 자동 수면단계 분류시스템
CN102499637A (zh) * 2011-09-26 2012-06-20 大连理工大学 阻塞性睡眠呼吸暂停低通气综合症筛查方法及其装置
CN102611450A (zh) * 2012-03-15 2012-07-25 西安交通大学 一种基于功率谱估计的信号预测折叠内插adc 方法
CN102973273A (zh) * 2012-11-29 2013-03-20 中国人民解放军第四军医大学 一种基于红外辐射检测的睡眠呼吸功能监测系统
CN103211598A (zh) * 2013-03-27 2013-07-24 中山大学 射频呼吸监测系统及压缩传感实现方法
CN103687540A (zh) * 2011-05-17 2014-03-26 大学健康网络 使用记录的呼吸音振幅谱图和音高升降曲线诊断osa/csa
CN103890838A (zh) * 2011-06-10 2014-06-25 X-系统有限公司 用于分析声音的方法和系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7860561B1 (en) * 2004-06-04 2010-12-28 Cleveland Medical Devices Inc. Method of quantifying a subject's wake or sleep state and system for measuring
WO2006121455A1 (en) * 2005-05-10 2006-11-16 The Salk Institute For Biological Studies Dynamic signal processing
US9186083B2 (en) * 2009-02-24 2015-11-17 Natus Medical Incorporated Method and system for sleep stage determination
JP5929020B2 (ja) * 2011-07-04 2016-06-01 株式会社豊田中央研究所 意識状態推定装置及びプログラム
US8948832B2 (en) * 2012-06-22 2015-02-03 Fitbit, Inc. Wearable heart rate monitor
AU2015204436A1 (en) * 2014-01-08 2016-08-25 Laszlo Osvath Systems and methods for diagnosing sleep
CA2888394A1 (en) * 2014-05-02 2015-11-02 University Health Network Method and system for sleep detection
WO2016071872A1 (en) * 2014-11-07 2016-05-12 Koninklijke Philips N.V. Actigraphy methods and apparatuses

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004018772A1 (en) * 2002-08-23 2004-03-04 The University Of Queensland A method of designing a concrete railway sleeper
EP2286723A1 (en) * 2002-09-19 2011-02-23 Ramot at Tel Aviv University Ltd. Method and apparatus for determining sleep apnea
WO2004107978A1 (ja) * 2003-06-03 2004-12-16 Cb System Co. 睡眠段階判定方法および判定装置
US20090131803A1 (en) * 2004-11-02 2009-05-21 University College Dublin-National University Of Ireland, Dublin A sleep monitoring system
WO2009022454A1 (ja) * 2007-08-10 2009-02-19 Panasonic Corporation 音声分離装置、音声合成装置および声質変換装置
CN102006824A (zh) * 2008-04-16 2011-04-06 皇家飞利浦电子股份有限公司 用于睡眠/清醒状况估计的方法和系统
WO2010138845A1 (en) * 2009-05-29 2010-12-02 Yale University Apparatus, systems and methods utilizing plethysmographic data
CN102227770A (zh) * 2009-07-06 2011-10-26 松下电器产业株式会社 音质变换装置、音高变换装置及音质变换方法
WO2011019091A1 (ja) * 2009-08-13 2011-02-17 帝人ファーマ株式会社 呼吸波形情報の演算装置及び呼吸波形情報を利用した医療機器
WO2012018157A1 (ko) * 2010-08-01 2012-02-09 연세대학교 산학협력단 생체신호 기반 자동 수면단계 분류시스템
CN103687540A (zh) * 2011-05-17 2014-03-26 大学健康网络 使用记录的呼吸音振幅谱图和音高升降曲线诊断osa/csa
CN103890838A (zh) * 2011-06-10 2014-06-25 X-系统有限公司 用于分析声音的方法和系统
CN102499637A (zh) * 2011-09-26 2012-06-20 大连理工大学 阻塞性睡眠呼吸暂停低通气综合症筛查方法及其装置
CN102611450A (zh) * 2012-03-15 2012-07-25 西安交通大学 一种基于功率谱估计的信号预测折叠内插adc 方法
CN102973273A (zh) * 2012-11-29 2013-03-20 中国人民解放军第四军医大学 一种基于红外辐射检测的睡眠呼吸功能监测系统
CN103211598A (zh) * 2013-03-27 2013-07-24 中山大学 射频呼吸监测系统及压缩传感实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XI LONG ET AL: "Improving sleep/wake detection via boundary adaptation for respiratory spectral features", 《CONF PROC IEEE ENG MED BIOL SOC》 *
XI LONG ET AL: "Spectral Boundary Adaptation on Heart Rate Variability for Sleep and Wake Classification", 《INTERNATIONAL JOURNAL ON ARTIFICIAL INTELLIGENCE TOOLS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108852293A (zh) * 2018-05-14 2018-11-23 浙江胜昔信息科技有限公司 一种基于倾角传感器的睡眠深度评估装置及其评估方法

Also Published As

Publication number Publication date
JP2017537710A (ja) 2017-12-21
EP3229661A1 (en) 2017-10-18
CN106999055B (zh) 2021-04-27
EP3229661B1 (en) 2022-11-30
WO2016092433A1 (en) 2016-06-16
US20170360361A1 (en) 2017-12-21
US10702207B2 (en) 2020-07-07

Similar Documents

Publication Publication Date Title
CN106999055A (zh) 用于确定针对睡眠阶段分类的谱边界的系统和方法
EP3073901B1 (en) Sleep monitoring device and method
CN105813558B (zh) 用于基于睡眠周期确定睡眠阶段的系统和方法
JP6720078B2 (ja) 生命徴候のモニタリング及び管理
EP3102094B1 (en) System and method for determining timing of sensory stimulation delivered to a subject during a sleep session
US10080860B2 (en) System and method for determining timing of sensory stimulation during sleep
US11813055B2 (en) Posture determination apparatus
CN104955513B (zh) 用于通过睡眠慢波诱发和感官环境重建的增强知识巩固的系统和方法
CN106999065A (zh) 使用加速度测量术的可穿戴疼痛监测器
CN106470601B (zh) 用于确定和显示睡眠恢复水平的系统和方法
KR20180046354A (ko) 저전력 모션 센서를 이용한 코골이 검출 방법
US20160287129A1 (en) Electrocardiography monitoring system and method
CN107106050A (zh) 用于慢波睡眠检测的系统和方法
TW201224825A (en) Physiological signal detection system capable of showing emotions, device and emotional display method
KR102457097B1 (ko) 매트리스에서의 수면 측정 및 분석 방법
CN106796258A (zh) 在嘈杂环境中跟踪缓慢变化的频率以及在卫生保健中的应用
EP3226966A1 (en) System and method for increasing the restorative value of a nap
Raji et al. Knitted piezoresistive smart chest band and its application for respiration patterns assessment
US11998355B2 (en) Pressure sensor integration into wearable device

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