CN109102898A - 一种睡眠大数据库的建立方法、装置及设备 - Google Patents

一种睡眠大数据库的建立方法、装置及设备 Download PDF

Info

Publication number
CN109102898A
CN109102898A CN201810804388.9A CN201810804388A CN109102898A CN 109102898 A CN109102898 A CN 109102898A CN 201810804388 A CN201810804388 A CN 201810804388A CN 109102898 A CN109102898 A CN 109102898A
Authority
CN
China
Prior art keywords
sleep
user
sleep quality
large database
environmental parameter
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
Application number
CN201810804388.9A
Other languages
English (en)
Inventor
曾胜
曾骄阳
曾灵芝
陈俊达
陈道蓉
严天华
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.)
Yu Xin Intelligent Technology (shanghai) Co Ltd
Original Assignee
Yu Xin Intelligent Technology (shanghai) Co Ltd
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 Yu Xin Intelligent Technology (shanghai) Co Ltd filed Critical Yu Xin Intelligent Technology (shanghai) Co Ltd
Priority to CN201810804388.9A priority Critical patent/CN109102898A/zh
Publication of CN109102898A publication Critical patent/CN109102898A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • 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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Anesthesiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种睡眠大数据库的建立方法包括：获取睡眠头动频率监测器的使用位置信息；通过所述睡眠头动频率监测器获取用户的睡眠状态数据；根据所述睡眠状态数据，确定用户的睡眠质量；根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。通过睡眠头动频率监测器获取用户睡眠的头动频率，通过头动频率确定用户的睡眠质量，并根据位置信息确定不同位置对应的睡眠质量的大数据库，使得统计的睡眠大数据库的准确度和及时性更高。

Description

一种睡眠大数据库的建立方法、装置及设备
技术领域
本申请属于健康睡眠领域，尤其涉及一种睡眠大数据库的建立方法、装置及设备。
背景技术
随着现代社会节奏的加快，人们的工作压力越来越大。长期的工作压力可能会影响人们的身体健康。比如，压力过大，或者长期受到工作压力的困扰，使得用户无法进入睡眠，使得夜晚的睡眠质量较差。睡眠质量差又会进一步使得人们在白天的工作中的注意力不够集中，精神状态较差，从而会形成恶性循环。
然而，睡眠质量的好坏往往不会被人们重视，在出现睡眠质量问题时，一般也不能够及时的发现睡眠质量的问题。当睡眠工作组需要获取人们的睡眠数据时，一般只能通过问卷调查的方式获取，使得获取的睡眠数据的结果的准确度和及时性不高。
发明内容
有鉴于此，本申请实施例提供了一种睡眠大数据库的建立方法、装置及设备，以解决现有技术中获取的睡眠数据结果的准确度和及时性不高的问题。
本申请实施例的第一方面提供了一种睡眠大数据库的建立方法，所述睡眠大数据库的建立方法包括：
获取睡眠头动频率监测器的使用位置信息；
通过所述睡眠头动频率监测器获取用户的睡眠状态数据；
根据所述睡眠状态数据，确定用户的睡眠质量；
根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。
结合第一方面，在第一方面的第一种可能实现方式中，所述方法还包括：
获取用户的特征信息，所述特征信息包括用户年龄、用户性别、用户职业中的一种或者多种；
根据所述用户的特征信息，统计具有相有特征信息的人群所对应的睡眠数据。
结合第一方面，在第一方面的第二种可能实现方式中，所述方法还包括：
获取所述使用位置的环境参数；
查找具有相同特征信息的多个用户，确定所述多个用户的所在位置的环境参数，及其所述多个用户的睡眠质量；
将所述环境参数作为神经网络模型的输入向量，将所述睡眠质量作为所述神经网络模型的输出向量，训练所述神经网络模型；
根据训练后的神经网络模型修复用户的睡眠质量。
结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，所述根据训练后的神经网格模型修复用户的睡眠质量的步骤包括：
获取待修复睡眠质量的用户所在位置的环境参数集合，计算调整所述环境参数集合中的环境参数对睡眠质量的影响；
根据计算的睡眠质量优化程度，结合环境参数调整的难易程度，选择需要调整的环境参数。
结合第一方面，在第一方面的第四种可能实现方式中，所述根据所述睡眠状态数据，确定用户的睡眠质量的步骤包括：
确定用户的睡眠过程的各种睡眠状态的持续时长；
根据所述睡眠状态的持续时长以及睡眠状态的权值，计算用户的睡眠质量。
本申请实施例的第二方面提供了一种睡眠大数据库的建立装置，所述睡眠大数据库的建立装置包括：
使用位置获取单元，用于获取睡眠头动频率监测器的使用位置信息；
睡眠状态获取单元，用于通过所述睡眠头动频率监测器获取用户的睡眠状态数据；
睡眠质量确定单元，用于根据所述睡眠状态数据，确定用户的睡眠质量；
睡眠大数据库生成单元，用于根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。
结合第二方面，在第二方面的第一种可能实现方式中，
所述装置还包括：
特征信息获取单元，用于获取用户的特征信息，所述特征信息包括用户年龄、用户性别、用户职业中的一种或者多种；
睡眠数据统计单元，用于根据所述用户的特征信息，统计具有相有特征信息的人群所对应的睡眠数据。
结合第二方面的第一种可能实现方式，在第二方面的第二种可能实现方式中，所述装置还包括：
环境参数获取单元，用于获取所述使用位置的环境参数；
用户查找单元，查找具有相同特征信息的多个用户，确定所述多个用户的所在位置的环境参数，及其所述多个用户的睡眠质量；
模型训练单元，用于将所述环境参数作为神经网络模型的输入向量，将所述睡眠质量作为所述神经网络模型的输出向量，训练所述神经网络模型；
睡眠修复单元，用于根据训练后的神经网络模型修复用户的睡眠质量。
本申请实施例的第三方面提供了一种数据库设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面任一项所述睡眠大数据库的建立方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述睡眠大数据库的建立方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：通过获取睡眠头动频率监测器的位置信息，并接收由睡眠头动频率监测器所采集的用户的睡眠状态数据，根据所述采集的睡眠状态数据，可以计算得到用户的睡眠质量，根据所述睡眠质量以及使用位置信息，生成睡眠大数据库。由于本申请可以通过睡眠头动频率监测器获取用户睡眠的头动频率，通过头动频率确定用户的睡眠质量，并根据位置信息确定不同位置对应的睡眠质量的大数据库，使得统计的睡眠大数据库的准确度和及时性更高。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种睡眠大数据库的建立方法的实现流程示意图；
图2是本申请实施例提供的一种检测睡眠状态的装置的结构示意图；
图3是本申请实施例提供的一种根据所述动静状态确定所述用户的头动频率的实现流程示意图；
图4是本申请实施例提供的又一种睡眠大数据库的建立方法的实现流程示意图；
图5是本申请实施例提供的一种睡眠大数据库的建立装置的示意图；
图6是本申请实施例提供的数据库设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
如图1所示为本申请实施例提供的一种睡眠大数据库的建立方法实现流程示意图，详述如下：
在步骤S101中，获取睡眠头动频率监测器的使用位置信息；
具体的，本申请实施例所述的睡眠头动频率监测器，是指用户处于睡眠状态时，用于监测用户的头动频率的设备。所述睡眠头动频率监测器，可以设置于枕头上或枕头中，或者也可设置在枕头下。
所述睡眠头动频率监测器的使用位置信息，可以通过将睡眠头动频率检测器设置于枕头中，当用户购买枕头，或者单独购买睡眠头动频率检测器时，通过用户填写用户资料的方式，获取使用位置信息。当然，也可以通过在所述枕头或者睡眠头动频率检测器中设置定位器，比如可以为基于基站的无线定位模块或者基于WIFI的无线定位模块。
在步骤S102中，通过所述睡眠头动频率监测器获取的述用户的睡眠状态数据。
具体的，所述睡眠头动频率监测器可以包括多个形变感应装置，所述形变感应装置包括形变装置和感应装置。所述形变装置纵向设置(即沿枕头的宽度方向，与进行睡眠的用户的身体长度方向一致)在枕头位置处，通过均匀或不均匀的纵向分布，可以检测到枕头上所受到的压力在枕头长度方向的分布位置。所述感应装置可以设置在枕头的侧部。当用户的头部在枕头的长度方向发生移动时，由于头部的压力作用在不同的形变装置处，使得受压的形变装置对应的感应装置检测到不同的受压状态的信息。
如图2所示为本申请实施例提供的一种形变感应装置的实施结构示意图，如图2所示，所述形变感应装置包括形变装置21和感应装置22，形变装置21可以为弹性腔体(所述弹性腔体可以选用气囊或者液囊)，所述形变装置21与形变感应装置22相连，在形变装置发生形变，比如受到挤压时，形变感应装置可以检测到是否发生形变。所述形变装置21包括弹性腔体211，还可以在弹性腔体的表面设置软质层212，以保护所述弹性腔体。所述弹性腔体的一侧设置有出孔，受压后的弹性腔体211中的气体或液体向右挤压，迫使感应装置22中的中的形变位移器221发生位移，所述形变位移器可以是滑块、弹性膜等。当形变位移器221发生位移时，位于形变位移器221的移动方向上设置的触片222受到挤压，从而使得两个触片之间的导电状态发生改变，由控制器检测到形变装置21为受挤压的状态。为了控制形变位移器221的位置，在形变位移器221的移动方向还设置有限位器223，从而能够有效的控制形变位移器221的最大移动距离。
即：当弹性腔体受到用户头部的压力时，所述形变位移器发生位置的改变，通过所设置的能够感应所述形变位移器的位置变化的触片222，当形变感应器受压时，则两个触片222导通，通过处理器可以检测到该状态的变化。如果弹性腔体由受压状态转为不受压状态时，形变装置恢复原状，两个触片断开，处理器检测到两个触片断开状态，并确定当前处于未受压状态。
优选的实施方式中，所述弹性腔体的中轴线之间的间距可以为2-5厘米，在枕头上设置的弹性腔体的个数14-18个。特别的，对于枕头的长度可能不同的情形，可以根据用户的头部睡在枕头上所受压的弹性腔体个数来确定弹性腔体的间距和个数，比如可以设定用户睡在枕头上时，同时受压的弹性腔体的个数为3个或者4个等。
其中，如图3所示，根据所述睡眠头动频率检测器确定所述用户的头动频率的步骤包括：
在步骤S301中，通过感应装置检测纵向并列设置在枕头位置的多个形变装置的形变信号，获得不同序号的感应装置对应的感应状态；
具体的，可以对纵向并列设置的多个形变感应装置进行编号，比如枕头位置设置有16个形变感应装置，序号依次为1-16，当其中任意一个或者多个形变感应装置的形变装置被按压时时，相应序列的感应装置检测到按压信号。
一般的，当使用者的头部枕在枕头上时，根据设置的间距的区别，会有多个形变感应装置能够检测到按压信号。比如，当头部的宽度对应三个形变感应装置的宽度时，用户睡在枕头中部时，可能会检测到序号分别为7、8、9的三个形变装置的形变感应信号，比如形变信号为1(表示当前为受压状态)，其它没有发生变形的形变装置的形变感应信号为0(表示当前为未受压状态)。
当用户从中部向左边移动头部时，序号为9的形变感应装置恢复为0，序号为6、7、8的形变装置的形变感应信号为1，持续检测，可能检测到序号为5、6、7的形变装置的形变感应信号为1。
在步骤S302中，当其中任一个感应装置的感应状态发生变化时，确定所述用户发生移动；
当所有的形变感应装置的感应状态保持不变时，则表明用户处于静态，当其中任何一个感应装置的感应状态发生变化时，比如从形变信号从1变为0，或者从0变成1。其中，任何一个感应装置的感应状态发生变化时，可能总的处于受压状态的形变装置的个数未发生改变，因此，需要通过确定感应状态发生变化的感应装置的序号，以确定用户当前发生移动的方式。
在步骤S303中，根据所述用户发生移动的时间和方向确定所述头动频率。
由于用户在移动过程中，可能会引起持续的感应状态的变化，比如用户从中间的仰卧转为侧卧时，处于受压状态的形变装置的序号可能依次为(7，8，9)、(6，7，8)、(5，6，7)、(4，5，6)。而这三次序号的改变，如果统计为三次头动，则会使得统计的头动次数的准确率不高。
为了提高所统计的头动次数的准确率，具体可以包括：
S1，当所述用户发生第二移动，且第二移动的方向与之前相邻的第一移动方向相同时，第二移动的时间点与之前相邻的第一移动的时间点的间隔长小于预定时长，则统计第一移动和第二移动为一次头动；
S2，当所述用户发生第二移动，且第二移动的方向与之前相邻的第一移动的方向相反，则统计第二移动和第一移动为两次头动；
S3，根据统计的头动次数，确定所述头动频率。
当所述用户发生多次移动时，需要获取多次移动的移动方向和时间间隔，通过移动方向和时间间隔共同确定多次移动是否为一次头动或者多次头动。在本申请中，移动是指感应装置的感应状态发生变化，即可认为用户的头部发生了移动。但是，用户的头动发生移动的次数并不能等效于头动次数，这是因为一次头动会包括多次移动的过程，比如上述的处于受压状态的形变装置的序号依次变化为(7，8，9)、(6，7，8)、(5，6，7)、(4，5，6)，包括三次移动，但整个过程是一次头动。
为了能够有效的统计出头动的次数，通过获取多次移动的移动方向以及多次移动的时间间隔，如果多次移动的时间间隔小于预定时长，比如5秒种，并且移动的方向相同时，则认为多次移动发生在一次头动的动作中。
如果时间间隔超过预定时长，或者多次移动的移动方向发生改变，则可认为当前的移动与之前的移动处于两次头动的动作中。
通过对移动的时间间隔，以及移动方向等特征的采集，可以更为可靠的统计出用户头部的移动所对应的头动次数，从而能够更准确的统计到用户的头动频率。
作为本申请一种具体的实施方式，所述头动频率的统计，可以通过选取预定的时长，以需要统计的时间点为起点，向前选取预定时长，统计在该预定时长内的头动次数，通过统计该预定时长内的头动次数即可确定头动频率。比如，预定时长为30分钟时，如果需要统计任意时间点(比如为12:00)的头动频率，可以以需要统计的时间点向前减30分钟(即为11:30)，得到该时间段(11:30-12:00)的头动次数。如果头动次数为3次，则头动频率为3次/30分钟。
在本申请中，所述睡眠状态可以包括有睡意状态、浅睡状态、轻睡状态、深睡状态或极度深睡状态。不同的睡眠状态，用户的头动频率不同，本申请所设定的头动频率与睡眠状态的对应关系，可以为：
当在同一区域的所述头动频率大于3次/10分钟，且在不同区域的总的头动频率大于6次/30分钟，以及用户头部在枕头上变换位置的频率大于2次/30分钟时，用户处于有睡意状态；
当在同一区域的所述头动频率小于或等于3次/10分钟，且在不同区域的总的头动频率为3-6次/30分钟，以及用户头部在枕头上变换位置的频率小于或等于2次/30分钟时，用户处于浅睡眠状态；
当在同一区域的所述头动频率为1-2次/30分钟，且在不同区域的总的头动频率小于3次/30分钟，以及用户头部在枕头上变换位置的频率小于2次/30分钟，用户处于轻睡眠状态；
当在同一区域的所述头动频率为1次/30分钟，且用户头部在枕头上变换位置的频率为0次/30分钟时，用户处于深睡眠状态；
当在同一区域的所述头动频率为0次/30分钟，且用户头部在枕头上变换位置的频率为0次/30分钟时，用户处于极度深睡眠状态。
经检测，通过上述头动频率以及变换位置的频率所确定的睡眠状态，与脑电波检测到的睡眠状态吻合。
其中，头部位置的改变，是指在预定时间内，用户处于同一睡姿时的头部位置发生改变的次数，比如在第一时间点，侧卧的位置为A，在第二时间点侧卧的位置为B，如果A与B不同，则认为头部位置发生改变，如果第一时间点为侧卧，第二时间点为仰卧，则可以根据第一时间点或第二时间点的睡姿进行推测计算，得到两个时间点处于相同睡姿时的位置，再比较位置是否相同。而头动频率则包括在预定时间内头部不同睡姿的变换次数，可以包括预先将枕头划分为多个区域，比如可以为3个区域，确定每个区域的头动频率。或者，也可以根据用户的头部位置为中心，作为区域的中心点；区域的半径可以为头部由仰卧变换为侧卧时的最远移动距离，比如由仰卧的中心点，到侧卧的最远侧的距离。
作为本申请可选的实施方式中，所述有睡意状态，可以在当在同一区域的所述头动频率大于3次/10分钟、在不同区域的总的头动频率大于6次/30分钟，用户头部在枕头上变换位置的频率大于2次/30分钟时这三个条件中的任意两个条件满足时，即可确认用户当前处于有睡意状态。同样，当在同一区域的所述头动频率小于或等于3次/10分钟，在不同区域的总的头动频率为3-6次/30分钟，用户头部在枕头上变换位置的频率小于或等于2次/30分钟，这三个条件中的任意两个满足要求时，也可确认用户当前处于有浅睡状态。
通过压力检测器获取用户的头部在枕头上的受压状态的变化数据，可以实时的获取用户的头动频率，即以当前时间点向前推移预定时长，比如向前推移30分钟，得到当前时间之前的30分钟内用户发生头动的次数，即可实时的获得用户的头动频率。
在步骤S103中，根据所述睡眠状态数据，确定用户的睡眠质量；
在本申请中，根据睡眠状态数据确定睡眠质量的方法，可以通过计算极度深睡眠状态、深睡眠状态、轻睡眠状态、浅睡眠状态的时长，以及相应的权值，计算得到睡眠质量。比如可以将上述睡眠状态分配不同的权值为0.5、0.4、0.3、0.2，统计上述睡眠状态的睡眠时长分别为2小时、1.5小时、2小时、3小时，则睡眠质量为：2*0.5+1.5*0.4+2*0.3+3*0.2＝2.8。当然，不局限于此，比如，还可以通过用户在白天的精神状态进行监测，从而反馈得到用户晚上的睡眠质量等。
在步骤S104中，根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。
根据获取的使用位置信息，以及该使用位置信息的睡眠质量，从而可以对不同的区域的睡眠质量进行统计，方便睡眠质量的工作人员及时的对睡眠质量较差的区域进行知识讲座，或者输送关于修复睡眠的设备或药品等。
另外，还可以根据用户的特征信息，对睡眠数据进行分类，得到不同的特征信息所对应的睡眠数据。所述特征信息可以包括用户的年龄、性别、用户职业等。
作为本申请进一步优化的实施方式，图4示出了根据获取的睡眠质量数据，修复用户的睡眠质量的一种方法，包括：
在步骤S401中，获取所述使用位置的环境参数；
具体的，所述环境参数可以包括以下参数中的一项或者多项：环境中的噪音大小、空气含氧量、环境自然光可照度、环境温度、空气二氧化碳含量、空气湿度等。
在步骤S402中，查找具有相同特征信息的多个用户，确定所述多个用户的所在位置的环境参数，及其所述多个用户的睡眠质量；
在特征信息相同的前提下，获取多个用户的环境参数以及相应的睡眠质量，由于用户的特征信息相同，因此可以免除用户的特征信息，
在步骤S403中，将所述环境参数作为神经网络模型的输入向量，将所述睡眠质量作为所述神经网络模型的输出向量，训练所述神经网络模型；
通过输入大量的样本数据，可以对神经网络模型进行训练，从而可以训练后的神经网络模型。通过训练后的神经网络模型，在相同特征信息的前提下，可以计算不同的环境参数对睡眠质量的影响。
在步骤S404中，根据训练后的神经网络模型修复用户的睡眠质量。
对于待修复睡眠的用户，可以获取用户当前位置的环境参数，并对其中的环境参数逐个进行调整，计算相应的睡眠质量的优化量，并结合环境参数调整的难易程度，选择需要调整的环境参数进行调整，从而完成对用户睡眠质量的修复。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图5为本申请实施例提供的一种睡眠大数据库的建立装置的结构示意图，详述如下：
所述睡眠状态的报警装置，包括：
使用位置获取单元501，用于获取睡眠头动频率监测器的使用位置信息；
睡眠状态获取单元502，用于通过所述睡眠头动频率监测器获取用户的睡眠状态数据；
睡眠质量确定单元503，用于根据所述睡眠状态数据，确定用户的睡眠质量；
睡眠大数据库生成单元504，用于根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。
优选的，所述装置还包括：
特征信息获取单元，用于获取用户的特征信息，所述特征信息包括用户年龄、用户性别、用户职业中的一种或者多种；
睡眠数据统计单元，用于根据所述用户的特征信息，统计具有相有特征信息的人群所对应的睡眠数据。
优选的，所述装置还包括：
环境参数获取单元，用于获取所述使用位置的环境参数；
用户查找单元，查找具有相同特征信息的多个用户，确定所述多个用户的所在位置的环境参数，及其所述多个用户的睡眠质量；
模型训练单元，用于将所述环境参数作为神经网络模型的输入向量，将所述睡眠质量作为所述神经网络模型的输出向量，训练所述神经网络模型；
睡眠修复单元，用于根据训练后的神经网络模型修复用户的睡眠质量。
图5所述的睡眠大数据库的建立装置，与图1所述的睡眠大数据库的建立方法对应，在此不作重复赘述。
图6是本申请一实施例提供的数据库设备的示意图。如图6所示，该实施例的数据库设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如睡眠大数据库的建立程序。所述处理器60执行所述计算机程序62时实现上述各个睡眠大数据库的建立方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至504的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述数据库设备6中的执行过程。例如，所述计算机程序62可以被分割成使用位置获取单元、睡眠状态获取单元、睡眠质量确定单元和睡眠大数据库生成单元，各单元具体功能如下：
使用位置获取单元，用于获取睡眠头动频率监测器的使用位置信息；
睡眠状态获取单元，用于通过所述睡眠头动频率监测器获取用户的睡眠状态数据；
睡眠质量确定单元，用于根据所述睡眠状态数据，确定用户的睡眠质量；
睡眠大数据库生成单元，用于根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。
所述数据库设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述数据库设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是数据库设备6的示例，并不构成对数据库设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述数据库设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，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。
所述存储器61可以是所述数据库设备6的内部存储单元，例如数据库设备6的硬盘或内存。所述存储器61也可以是所述数据库设备6的外部存储设备，例如所述数据库设备6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，所述存储器61还可以既包括所述数据库设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述数据库设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种睡眠大数据库的建立方法，其特征在于，所述睡眠大数据库的建立方法包括：
获取睡眠头动频率监测器的使用位置信息；
通过所述睡眠头动频率监测器获取用户的睡眠状态数据；
根据所述睡眠状态数据，确定用户的睡眠质量；
根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。
2.根据权利要求1所述的睡眠大数据库的建立方法，其特征在于，所述方法还包括：
获取用户的特征信息，所述特征信息包括用户年龄、用户性别、用户职业中的一种或者多种；
根据所述用户的特征信息，统计具有相有特征信息的人群所对应的睡眠数据。
3.根据权利要求1所述的睡眠大数据的建立方法，其特征在于，所述方法还包括：
获取所述使用位置的环境参数；
查找具有相同特征信息的多个用户，确定所述多个用户的所在位置的环境参数，及其所述多个用户的睡眠质量；
将所述环境参数作为神经网络模型的输入向量，将所述睡眠质量作为所述神经网络模型的输出向量，训练所述神经网络模型；
根据训练后的神经网络模型修复用户的睡眠质量。
4.根据权利要求3所述的睡眠大数据的建立方法，其特征在于，所述根据训练后的神经网格模型修复用户的睡眠质量的步骤包括：
获取待修复睡眠质量的用户所在位置的环境参数集合，计算调整所述环境参数集合中的环境参数对睡眠质量的影响；
根据计算的睡眠质量优化程度，结合环境参数调整的难易程度，选择需要调整的环境参数。
5.根据权利要求1所述的睡眠大数据的建立方法，其特征在于，所述根据所述睡眠状态数据，确定用户的睡眠质量的步骤包括：
确定用户的睡眠过程的各种睡眠状态的持续时长；
根据所述睡眠状态的持续时长以及睡眠状态的权值，计算用户的睡眠质量。
6.一种睡眠大数据库的建立装置，其特征在于，所述睡眠大数据库的建立装置包括：
使用位置获取单元，用于获取睡眠头动频率监测器的使用位置信息；
睡眠状态获取单元，用于通过所述睡眠头动频率监测器获取用户的睡眠状态数据；
睡眠质量确定单元，用于根据所述睡眠状态数据，确定用户的睡眠质量；
睡眠大数据库生成单元，用于根据所述用户的睡眠质量以及使用位置信息，生成睡眠大数据库。
7.根据权利要求6所述的睡眠大数据库的建立装置，其特征在于，所述装置还包括：
特征信息获取单元，用于获取用户的特征信息，所述特征信息包括用户年龄、用户性别、用户职业中的一种或者多种；
睡眠数据统计单元，用于根据所述用户的特征信息，统计具有相有特征信息的人群所对应的睡眠数据。
8.根据权利要求6所述的睡眠大数据的建立装置，其特征在于，所述装置还包括：
环境参数获取单元，用于获取所述使用位置的环境参数；
用户查找单元，查找具有相同特征信息的多个用户，确定所述多个用户的所在位置的环境参数，及其所述多个用户的睡眠质量；
模型训练单元，用于将所述环境参数作为神经网络模型的输入向量，将所述睡眠质量作为所述神经网络模型的输出向量，训练所述神经网络模型；
睡眠修复单元，用于根据训练后的神经网络模型修复用户的睡眠质量。
9.一种数据库设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述睡眠大数据库的建立方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述睡眠大数据库的建立方法的步骤。
CN201810804388.9A 2018-07-20 2018-07-20 一种睡眠大数据库的建立方法、装置及设备 Pending CN109102898A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810804388.9A CN109102898A (zh) 2018-07-20 2018-07-20 一种睡眠大数据库的建立方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810804388.9A CN109102898A (zh) 2018-07-20 2018-07-20 一种睡眠大数据库的建立方法、装置及设备

Publications (1)

Publication Number Publication Date
CN109102898A true CN109102898A (zh) 2018-12-28

Family

ID=64847021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810804388.9A Pending CN109102898A (zh) 2018-07-20 2018-07-20 一种睡眠大数据库的建立方法、装置及设备

Country Status (1)

Country Link
CN (1) CN109102898A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102946A (zh) * 2019-11-21 2020-12-18 北京健康有益科技有限公司 一种基于深度学习的睡眠质量检测方法和装置
CN114937498A (zh) * 2022-05-06 2022-08-23 慕思健康睡眠股份有限公司 一种睡眠姿态检测方法、装置、设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105125011A (zh) * 2015-08-26 2015-12-09 深圳市华盛奥莱实业有限公司 一种互联网睡眠监测枕头及系统
CN105404160A (zh) * 2015-10-29 2016-03-16 小米科技有限责任公司 基于睡眠状态的控制方法和装置
CN105890117A (zh) * 2016-04-28 2016-08-24 北京小米移动软件有限公司 控制空调的方法、装置及服务器
CN105911878A (zh) * 2016-06-27 2016-08-31 韦庆克 具有睡眠模式控制的自学习智能家居系统
CN105911873A (zh) * 2016-06-27 2016-08-31 谢骞 具有睡眠模式控制的自学习智能家居平台
CN105920716A (zh) * 2016-04-26 2016-09-07 深圳市思立普科技有限公司 一种睡眠系统
CN106600938A (zh) * 2017-01-23 2017-04-26 赵红领 智能睡眠引导闹铃
CN106679124A (zh) * 2016-12-28 2017-05-17 天津众阳科技有限公司 利用可穿戴设备实现空调温度控制的系统及方法
CN106724513A (zh) * 2016-12-30 2017-05-31 东莞市同祥海绵制品有限公司 一种记录睡眠数据的枕头及睡眠数据记录方法
CN106730238A (zh) * 2016-12-30 2017-05-31 清华大学 一种环境自适应的智能辅助睡眠装置及方法
CN108078551A (zh) * 2018-01-31 2018-05-29 成都乐享智家科技有限责任公司 一种睡眠监测系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105125011A (zh) * 2015-08-26 2015-12-09 深圳市华盛奥莱实业有限公司 一种互联网睡眠监测枕头及系统
CN105404160A (zh) * 2015-10-29 2016-03-16 小米科技有限责任公司 基于睡眠状态的控制方法和装置
CN105920716A (zh) * 2016-04-26 2016-09-07 深圳市思立普科技有限公司 一种睡眠系统
CN105890117A (zh) * 2016-04-28 2016-08-24 北京小米移动软件有限公司 控制空调的方法、装置及服务器
CN105911878A (zh) * 2016-06-27 2016-08-31 韦庆克 具有睡眠模式控制的自学习智能家居系统
CN105911873A (zh) * 2016-06-27 2016-08-31 谢骞 具有睡眠模式控制的自学习智能家居平台
CN106679124A (zh) * 2016-12-28 2017-05-17 天津众阳科技有限公司 利用可穿戴设备实现空调温度控制的系统及方法
CN106724513A (zh) * 2016-12-30 2017-05-31 东莞市同祥海绵制品有限公司 一种记录睡眠数据的枕头及睡眠数据记录方法
CN106730238A (zh) * 2016-12-30 2017-05-31 清华大学 一种环境自适应的智能辅助睡眠装置及方法
CN106600938A (zh) * 2017-01-23 2017-04-26 赵红领 智能睡眠引导闹铃
CN108078551A (zh) * 2018-01-31 2018-05-29 成都乐享智家科技有限责任公司 一种睡眠监测系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102946A (zh) * 2019-11-21 2020-12-18 北京健康有益科技有限公司 一种基于深度学习的睡眠质量检测方法和装置
CN114937498A (zh) * 2022-05-06 2022-08-23 慕思健康睡眠股份有限公司 一种睡眠姿态检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Cook et al. CASAS: A smart home in a box
CN103654759B (zh) 运动信息检测装置以及运动信息检测方法
CN106645978B (zh) 智能穿戴设备的穿戴状态检测方法及检测装置
CN103279687B (zh) 一种基于上下文感知的个性化健康服务系统
CN111932828A (zh) 一种基于数字孪生技术的智慧养老监测与预警系统
CN104490401B (zh) 基于加速度数据的智能终端进行人体行为自动识别的方法
Manikandan et al. Automation of Smart Home for the Wellbeing of Elders Using Empirical Big Data Analysis
CN105045234A (zh) 基于智能可穿戴设备行为感知的智能家庭能源管理方法
CN104835003A (zh) 一种面向移动养老服务的系统及其实现方法
Synnott et al. The creation of simulated activity datasets using a graphical intelligent environment simulation tool
Chen et al. Energy prediction based on resident's activity
CN109199395A (zh) 一种睡眠状态识别方法、装置及设备
CN109102898A (zh) 一种睡眠大数据库的建立方法、装置及设备
CN107767965A (zh) 多因素关联比对的健康监测系统及方法
CN102960994A (zh) 一种智能枕头
CN104738854A (zh) 一种能够与智能设备交互的智能腰带
CN109303548A (zh) 一种儿童睡姿监测方法、装置及设备
CN106725456A (zh) 生理数据的监测方法及装置
CN109009144A (zh) 一种基于温度的睡眠修复方法、装置及设备
CN109331313A (zh) 一种基于温度的睡眠动态修复方法、装置及设备
CN108733111A (zh) 一种睡眠状态的环境参数调控方法、系统及终端设备
US20230355166A1 (en) Artificial intelligece-based posture discrimination device using body pressure sensors and method thereof
CN109199325A (zh) 一种睡眠监测方法及装置
CN205250557U (zh) 一种智能阅读系统
CN109248368A (zh) 一种基于负离子浓度的睡眠修复方法、装置及设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181228

RJ01 Rejection of invention patent application after publication