CN110037653A - 用于便携式智能可穿戴设备的睡眠质量评估方法与装置 - Google Patents

用于便携式智能可穿戴设备的睡眠质量评估方法与装置 Download PDF

Info

Publication number
CN110037653A
CN110037653A CN201810042349.XA CN201810042349A CN110037653A CN 110037653 A CN110037653 A CN 110037653A CN 201810042349 A CN201810042349 A CN 201810042349A CN 110037653 A CN110037653 A CN 110037653A
Authority
CN
China
Prior art keywords
sleep
sleep quality
duration
data
age
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
CN201810042349.XA
Other languages
English (en)
Inventor
张冠群
贺钰杰
刘子毅
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.)
Guangdong Transtek Medical Electronics Co Ltd
Original Assignee
Guangdong Transtek Medical Electronics 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 Guangdong Transtek Medical Electronics Co Ltd filed Critical Guangdong Transtek Medical Electronics Co Ltd
Priority to CN201810042349.XA priority Critical patent/CN110037653A/zh
Publication of CN110037653A publication Critical patent/CN110037653A/zh
Pending legal-status Critical Current

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
    • A61B5/4815—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

Landscapes

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

Abstract

本发明公开了一种用于便携式智能可穿戴设备的睡眠质量评估方法与装置，其中所述方法包括：采集步骤，用于采集用户个体属性信息数据、睡眠信息数据以及睡眠质量反馈结果；交互计算步骤，通过将采集的有关用户个体属性信息数据和睡眠信息数据各自以及相互之间进行交互，生成交互的睡眠特征数据；构建步骤，通过对睡眠特征数据进行两次非线性变换，构建睡眠质量概率模型以获得睡眠质量的概率表示数据；以及评估步骤，利用睡眠质量的概率表示数据计算睡眠质量分数。按照本发明实施例的睡眠质量评估方法与装置，从用户个体属性的角度出发，同时结合可穿戴设备对于睡眠信息监测的准确性，来有效提高便携式可穿戴设备对于睡眠质量评估的智能化程度。

Description

用于便携式智能可穿戴设备的睡眠质量评估方法与装置
技术领域
本发明涉及一种睡眠质量评估方法与装置，特别是涉及一种用于便携式智能可穿戴设备的睡眠质量评估方法与装置。
背景技术
目前，基于可穿戴设备的睡眠监测提供的功能主要包含睡眠时长和睡眠深浅分析两个部分。这些参数只是用户睡眠状况的一种记录，用户难以直观地、定量地了解自身的睡眠情况，也无法与其他用户进行横向比较。所以，需要将各种睡眠信息进行整合分析，得到一个标准化的睡眠质量评价分数。这样，用户既可以与自身相比，了解自己睡眠状况的波动情况，也可以与他人相比，了解在整个用户人群中处于什么位置。另外，通过睡眠质量分数也可使用户更加关注自己的睡眠状况，并且影响用户养成更加健康的睡眠习惯。
现有的睡眠质量评测方法包括匹兹堡睡眠质量指数，规范化睡眠日志，以及睡眠质量评级三种评测方法。其中匹兹堡睡眠质量指数是一个自主打分的问卷调查，评估一个月内睡眠质量和干扰的程度，其中通过对十九项内容的描述构成了七个最终分数的组成部分，包括：自评睡眠质量，入睡所需时间，睡眠时长，习惯性睡眠效率，睡眠干扰，对助睡眠药物的使用情况，以及白天的睡眠失衡。这七项分数之和组成最终睡眠分数。睡眠日志与睡眠质量评级也是基于问卷形式的记录方式，用以量化失眠症与睡眠质量的程度。
可见，在现有技术方案中，都是基于用户主观描述的方式（如调查问卷）来判定睡眠质量。然而，既有研究表明这类主观描述的方式中所涉及的部分关键性睡眠特征（如深睡时长、浅睡时长等）往往与实际情况以及手环等设备记录出入较大，尤其对年龄55岁以上的人群误差更大，因此难以确保其准确性。针对此类关键性睡眠特征的监测，便携式智能可穿戴设备则能够较好地弥补主观描述所带来的缺陷。但是，目前还未见有可穿戴设备能够结合自身优势，提供较为理想的睡眠质量评估方案的先例。
因此，需要一种能应用于便携式智能可穿戴设备的睡眠质量评估方法与装置，可从用户个体属性的角度出发，同时结合可穿戴设备对于睡眠信息监测的准确性，来有效提高便携式可穿戴设备对于睡眠质量评估的智能化程度。
发明内容
本发明的目的是为了克服现有技术存在的缺陷，提供一种用于便携式智能可穿戴设备的睡眠质量评估方法与装置以及包含该装置的便携式智能可穿戴设备。为了实现这一目的，本发明所采取的技术方案如下：
按照本发明实施例的第一方面，提供一种用于便携式智能可穿戴设备的睡眠质量评估方法，包括：采集步骤，用于采集用户个体属性信息数据、睡眠信息数据以及睡眠质量反馈结果；交互计算步骤，通过将采集的有关用户个体属性信息数据和睡眠信息数据各自以及相互之间进行交互，生成交互的睡眠特征数据；构建步骤，通过对睡眠特征数据进行两次非线性变换，构建睡眠质量概率模型以获得睡眠质量的概率表示数据；其中所述睡眠特征数据包括用户个体属性信息数据、睡眠信息数据以及交互的睡眠特征数据；以及评估步骤，利用睡眠质量的概率表示数据p并通过下式计算睡眠质量分数score：
；
其中max为睡眠质量分数的上限，min为睡眠质量分数的下限。
按照一个实施例，所述个体属性信息数据包括用户的身高（height）、性别（sex）和年龄（age）；所述睡眠信息数据包括入睡时间（sleep_time）、起床时间（awakening_time）、睡眠总时长（sleep_duration）、清醒次数（awakening_count）、清醒总时长（awakening_ duration）、浅睡时长(shallow_sleep)、以及深睡时长（deep_sleep）。
按照再一个实施例，在所述交互计算步骤中，所生成的交互的睡眠特征数据包括：年龄与入睡时间的交互（int_age_sleep_time），即；年龄与浅睡时长的交互（int_age_shallow_sleep），即；年龄与身高的交互（int_age_height），即；入睡时间与浅睡时长的交互（int_sleep_time_shallow_sleep），即；身高与浅睡时长的交互（int_shallow_sleep_height），即；以及浅睡时长与睡眠总时长的交互（int_shallow_sleep_duration），
即。
按照又一个实施例，所述构建步骤进一步包括：将睡眠特征数据构成向量进行表示x=[height,sex,age,sleep_time,awakening_time,sleep_duration,awakening_count,awakening_duration,shallow_sleep,deep_sleep,int_age_sleep_time,int_age_shallow_sleep,int_age_height,int_sleep_time_shallow_sleep,int_shallow_sleep_height,int_shallow_sleep_duration]；用户睡眠质量反馈结果为差时表示为y=0，用户睡眠质量反馈结果为好时表示为y=1；将x作为输入，进行睡眠特征的第一层非线性转换，得到O 1：，其中w 1为x中各睡眠特征的对应权重系数向量，b 1为对应偏执项向量，f(.)为ReLU函数；将O 1 作为输入，进行睡眠特征的第二层非线性转换，得到O 2：，其中w 2为O 1 中各项的对应权重系数向量，b 2为对应偏执项向量；将O 2作为输入，进行概率变换，获得睡眠质量的概率表示数据p：
；
其中p表示y取值为1的概率，该值趋向于1则表示用户睡眠质量趋向于好，反之，趋向于0则表示用户睡眠质量趋向于差；w 3为O 2 中各项的对应权重系数向量，b 3为对应偏执项向量；其中所涉及的参数w 1、 b 1、 w 2、 b 2、 w 3、 b 3，均采用反向误差传播算法最小化代价函数获得，其中y为用户睡眠质量反馈结果，p’为w 1、 b 1、 w 2、 b 2、 w 3、 b 3在最小化求解过程中迭代至不同取值时的输出概率。
按照另一个实施例，所述交互计算包括乘除运算。
按照本发明实施例的第二方面，提供一种用于便携式智能可穿戴设备的睡眠质量评估装置，包括：采集模块，用于采集用户个体属性信息数据、睡眠信息数据以及睡眠质量反馈结果；交互计算模块，用于将采集的有关用户个体属性信息数据和睡眠信息数据各自以及相互之间进行交互，生成交互的睡眠特征数据；构建模块，用于对睡眠特征数据进行两次非线性变换，构建睡眠质量概率模型以获得睡眠质量的概率表示数据；其中所述睡眠特征数据包括用户个体属性信息数据、睡眠信息数据以及交互的睡眠特征数据；以及评估模块，利用睡眠质量的概率表示数据p并通过下式计算睡眠质量分数score：
；
其中max为睡眠质量分数的上限，min为睡眠质量分数的下限。
按照本发明实施例的第三方面，提供一种便携式智能可穿戴设备，其按照本发明实施例的第二方面所述的睡眠质量评估装置。
按照一个实施例，其中所述的便携式智能可穿戴设备包括：智能手环，智能手表，智能手机。
按照本发明实施例的用于便携式智能可穿戴设备的睡眠质量评估方法与装置，从用户个体属性的角度出发，同时结合可穿戴设备对于睡眠信息监测的准确性，来有效提高便携式可穿戴设备对于睡眠质量评估的智能化程度。
下面将结合附图并通过实施例对本发明进行具体说明，其中相同或基本相同的部件采用相同的附图标记指示。
附图说明
图1是按照本发明一个实施例的用于便携式智能可穿戴设备的睡眠质量评估方法的示意性流程图；
图2是按照本发明一个实施例的用于便携式智能可穿戴设备的睡眠质量概率模型的二值化输出与对应用户反馈结果对比后的精度表示；
图3是按照本发明一个实施例的用于便携式智能可穿戴设备的睡眠质量评估装置的示意图；以及
图4是按照本发明又一个实施例的用于便携式智能可穿戴设备的睡眠质量评估装置的示意图。
具体实施方式
按照本发明实施例的用于便携式智能可穿戴设备的睡眠质量评估方法，基于用户个人信息（包括个体属性、睡眠信息等）构建反应用户睡眠质量的代表性特征，并结合概率模型以及评分机制，来量化表达用户对于自身睡眠质量较为模糊的主观感知。其中便携式智能可穿戴设备包括但不限于智能手环、智能手表、智能手机等。
如图1所示，是按照本发明一个实施例的用于便携式智能可穿戴设备的睡眠质量评估方法的示意性流程图，主要包括：采集步骤100，交互计算步骤102，构建步骤104，以及评估步骤106。下面对其进行具体说明。
在采集步骤100中，用于采集用户个体属性信息数据、睡眠信息数据以及睡眠质量反馈结果。其中所述睡眠质量反馈结果表示为用户输入的好或差，而用户个体属性信息和睡眠信息为用户个人信息。个体属性信息数据包括用户的身高（height）、性别（sex）和年龄（age），可由用户输入便携式智能可穿戴设备；睡眠信息数据包括入睡时间（sleep_time）、起床时间（awakening_time）、睡眠总时长（sleep_duration）、清醒次数（awakening_ count）、清醒总时长（awakening_duration）、浅睡时长(shallow_sleep)、深睡时长（deep_ sleep），可通过便携式智能可穿戴设备监测得到。
在交互计算步骤102中，通过将采集的有关用户个体属性信息数据和睡眠信息数据各自以及相互之间进行交互，生成交互的睡眠特征数据。用户个体属性信息和睡眠信息为两类信息，在一个实施例中，交互计算包括这两类信息各自以及相互之间进行交互，具体来说，一组涉及两类信息各自及相互之间进行交互后的特征定义如下：
a.年龄与入睡时间的交互（int_age_sleep_time）：
；
b.年龄与浅睡时长的交互（int_age_shallow_sleep）：
；
c.年龄与身高的交互（int_age_height）：；
d.入睡时间与浅睡时长的交互（int_sleep_time_shallow_sleep）：
；
e. 身高与浅睡时长的交互（int_shallow_sleep_height）：
；
f.浅睡时长与睡眠总时长的交互（int_shallow_sleep_duration）：
。
上述交互处理是为了为按照本发明实施例的模型引入复杂的特征信息，以提高对非线性信息的适应性。
在构建步骤104中，通过对睡眠特征数据进行两次非线性变换，构建睡眠质量概率模型以获得睡眠质量的概率表示；其中所述睡眠特征数据或代表性的睡眠特征数据包括用户个体属性信息数据、睡眠信息数据以及交互的睡眠特征数据。在一个实施例中，上述两次非线性转换过程，以及最后的概率变换具体包括：
利用所述代表性的睡眠特征数据构成向量，并表示为x= [height,sex,age,sleep_time,awakening_time,sleep_duration,awakening_count,awakening_duration,shallow_sleep,deep_sleep,int_age_sleep_time,int_age_shallow_sleep,int_age_height,int_sleep_time_shallow_sleep,int_shallow_sleep_height,int_shallow_sleep_duration]；
将采集的用户睡眠质量反馈结果表示为y=0（睡眠质量反馈结果为差）或y= 1（睡眠质量反馈结果为好）；
将x作为输入，进行睡眠特征的第一层非线性转换，得到O 1：，其中w 1为x中各特征的对应权重系数向量，b 1为对应偏执项向量，f(.)为ReLU函数；
将O 1作为输入，进行睡眠特征的第二层非线性转换，得到O 2：，其中w 2为O 1中各项的对应权重系数向量，b 2为对应偏执项向量；
将O 2作为输入，进行最后的概率变换，获得睡眠质量的概率表示p：
，其中p表示y取值为1的概率，该值趋向于1则表示模型预测用户睡眠质量趋向于好；反之，趋向于0则表示模型预测用户睡眠质量趋向于差。w3为O 2中各项的对应权重系数向量，b 3为对应偏执项向量。
上述模型中所涉及参数w 1，b 1 ，w 2，b 2，w 3，以及b 3，均采用反向误差传播算法最小化下述代价函数J获得：
，
其中y为用户睡眠质量反馈结果，p’为w 1、b 1 、w 2、b 2、w 3和b 3在最小化求解过程中，迭代至不同取值时的输出概率。
评估步骤106中，利用睡眠质量的概率表示数据p并通过下式计算睡眠质量分数score：
，
其中max为睡眠质量分数的上限，min为睡眠质量分数的下限；在一个实施例中，可设定max=1.0，min=0.6。
下面通过实例，对上述方法进行具体说明。首先，采集获取某用户生理信息及当前次睡眠信息，并转换为数值形式便于计算，具体为：
身高（height）：172（公分）；
性别（sex）：1（男1， 女2）；
年龄（age）：21（岁）；
入睡时间(sleep_time)：1.067（1 + 4 / 60，时间01:04:00 am）；起床时间(awakening_time)：8.5（8 + 30 / 60，时间08:30:00 am）；浅睡时长(shallow_sleep)：316（分钟）；
深睡时长(deep_sleep)：130（分钟）；
睡眠总时长(sleep_duration)：446（分钟）（浅睡时长+深睡时长）；
清醒次数(awakening_count)：0（次）；
清醒总时长(awakening_duration)：0（分钟）；
其次，对上述有关个体属性信息数据和睡眠信息数据进行交互计算，具体为：
年龄与入睡时间交互(age×sleep_time)：21×1.067=22.407；
年龄与身高交互(age×height)：21×172=3612；
入睡时间与浅睡时长的交互(sleep_time×shallow_sleep)：1.067×316=337.172；
身高与浅睡时长的交互(height × shallow_sleep)：172×316=54352；
浅睡时长与睡眠总时长的交互(shallow_sleep/sleep_duration)：316/446=0.709。
接下来，将上述数值信息构建为维度为1×15的输入特征x，逐次基于模型的第一个和第二个系数矩阵w 1（维度为10×15）、b1（10×1）和w 2（维度为10×10）、b2（1×1）进行线性变换，并利用ReLU函数作非线性映射，在此步骤依次获得变换输出O 2。
最后，将O 2作为输入进行最后的概率变换，得到概率表示p=0.4。然后，利用该概率值并依照前述评估步骤中所述的睡眠质量分数score计算公式定义的评分机制（设定max=1.0, min=0.6），映射为睡眠质量分数76分。
为说明按照本发明实施例的睡眠质量评估方法的正确性，对其中睡眠质量概率模型的概率输出进行二值化，即若输出概率大于0.5，则认为睡眠质量为好，若输出概率小于0.5则为差。图2为在一组独立的测试集上（25678组用户个人信息），将睡眠质量概率模型的二值化输出与对应用户反馈结果对比后的精度，达到0.75以上。
图3是按照本发明一个实施例的用于便携式智能可穿戴设备的睡眠质量评估装置300的示意图，该装置300主要包括：采集模块302，交互计算模块304，构建模块306，以及评估模块308。这些模块可以通过软件、硬件、固件或者其组合来实现。其中：
-采集模块302用于执行步骤100；
-交互计算模块304用于执行步骤102；
-构建模块306用于执行步骤104；以及
-评估模块308用于执行步骤106。
图4是按照又一个实施例的另一种用于便携式智能可穿戴设备的睡眠质量评估装置400的示意图，该装置400包括处理单元413，例如MCU、DSP或CPU等。处理单元413可以是单个单元或者多个单元，以执行不同的步骤。另外，该装置400还可选地包括交互界面480以及输出单元490，用于输入用户个体属性信息数据和睡眠质量反馈结果等，以及输出睡眠质量分数score等。此外，该装置400还包括非易失性存储器形式的至少一个计算机程序产品410，例如EEPROM、闪存或者硬盘驱动器等。该计算机程序产品410包括计算机程序411，而计算机程序411包括程序代码，当其被运行时，使得该装置400执行关于图1所示的步骤。
具体来说，在装置400的计算机程序411中的程序代码包括：采集模块411a，用于执行步骤100；交互计算模块411b，用于执行步骤102；构建模块411c，用于执行步骤104；以及评估模块411d，用于执行步骤106。换句话说，当在处理单元413上运行不同的模块411a-411d时，它们对应于图3所示的模块302、304、306和308。
上述按照本发明实施例的用于便携式智能可穿戴设备的睡眠质量评估装置，可以通过软件、硬件、固件或者其组合实现在各种便携式智能可穿戴设备中，所述设备包括但不限于智能手环、智能手表、智能手机等。对此本领域普通技术人员容易理解，在此不做详述。
按照本发明实施例的用于便携式智能可穿戴设备的睡眠质量评估方法与装置，具有以下有益效果：（1）基于用户反馈，以客观的概率模型对用户主观、模糊的睡眠感受进行较为精确的量化；（2）按照本发明的技术方案本身同时结合了用户的生理信息和当前的睡眠信息，以及生理信息与当前睡眠信息的交互作用，具备个体适应性；（3）按照本发明的技术方案将睡眠状态算法（对深浅睡，清醒与睡眠的判断）与睡眠质量分数算法解耦，只要用户反馈数据存在，就可以任意替换或更新睡眠状态算法，重新训练模型而得到适用于不同睡眠状态算法的质量分数模型，灵活度高，可维护性好，并且核心功能可模块化；（4）由于本方案基于用户反馈，在新反馈获得后可以通过批量(batch)或在线(online learning)方法重新训练模型以进一步提高模型表现，加快迭代过程；（5）本方案在数据量有一定积累后也可以训练基于细分用户群体甚至个体用户的个性化质量分数模型，模型规模可伸缩性较高。总之，按照本发明的技术方案通过对数据的特征提取、特征工程开发、模型的智能更新三个关键步骤，使得计算更简单、快捷、稳定，准确度更高，模型的可移植性更强，维护更简单。
以上通过具体的实施例对本发明进行了说明，但本发明并不限于这些具体的实施例。本领域技术人员应该明白，还可以对本发明做各种修改、等同替换、变化等等，例如将上述实施例中的一个步骤或模块分为两个或更多个步骤或模块来实现，或者相反，将上述实施例中的两个或更多个步骤或模块的功能放在一个步骤或模块中来实现。但是，这些变换只要未背离本发明的精神，都应在本发明的保护范围之内。另外，本申请说明书和权利要求书所使用的一些术语并不是限制，仅仅是为了便于描述。此外，以上多处所述的“一个实施例”、“另一个实施例”等等表示不同的实施例，当然也可以将其全部或部分结合在一个实施例中。

Claims (8)

1.一种用于便携式智能可穿戴设备的睡眠质量评估方法，其特征在于，包括：
采集步骤，用于采集用户个体属性信息数据、睡眠信息数据以及睡眠质量反馈结果；
交互计算步骤，通过将采集的有关用户个体属性信息数据和睡眠信息数据各自以及相互之间进行交互，生成交互的睡眠特征数据；
构建步骤，通过对睡眠特征数据进行两次非线性变换，构建睡眠质量概率模型以获得睡眠质量的概率表示数据；其中所述睡眠特征数据包括用户个体属性信息数据、睡眠信息数据以及交互的睡眠特征数据；以及
评估步骤，利用睡眠质量的概率表示数据p并通过下式计算睡眠质量分数score：
；
其中max为睡眠质量分数的上限，min为睡眠质量分数的下限。
2.如权利要求1所述的用于便携式智能可穿戴设备的睡眠质量评估方法，其特征在于：所述个体属性信息数据包括用户的身高（height）、性别（sex）和年龄（age）；所述睡眠信息数据包括入睡时间（sleep_time）、起床时间（awakening_time）、睡眠总时长（sleep_ duration）、清醒次数（awakening_count）、清醒总时长（awakening_duration）、浅睡时长(shallow_sleep)、以及深睡时长（deep_sleep）。
3.如权利要求2所述的用于便携式智能可穿戴设备的睡眠质量评估方法，其特征在于，在所述交互计算步骤中，所生成的交互的睡眠特征数据包括：
年龄与入睡时间的交互（int_age_sleep_time），即
；
年龄与浅睡时长的交互（int_age_shallow_sleep），即
；
年龄与身高的交互（int_age_height），即；
入睡时间与浅睡时长的交互（int_sleep_time_shallow_sleep），即
；
身高与浅睡时长的交互（int_shallow_sleep_height），即
；以及
浅睡时长与睡眠总时长的交互（int_shallow_sleep_duration），即
。
4.如权利要求3所述的用于便携式智能可穿戴设备的睡眠质量评估方法，其特征在于，所述构建步骤进一步包括：
将睡眠特征数据构成向量进行表示x=[height,sex,age,sleep_time,awakening_time,sleep_duration,awakening_count,awakening_duration,shallow_sleep,deep_sleep,int_age_sleep_time,int_age_shallow_sleep,int_age_height,int_sleep_time_shallow_sleep,int_shallow_sleep_height,int_shallow_sleep_duration]；
用户睡眠质量反馈结果为差时表示为y=0，用户睡眠质量反馈结果为好时表示为y=1；
将x作为输入，进行睡眠特征的第一层非线性转换，得到O 1：，其中w 1为x中各睡眠特征的对应权重系数向量，b 1为对应偏执项向量，f(.)为ReLU函数；
将O 1 作为输入，进行睡眠特征的第二层非线性转换，得到O 2：，其中w 2为O 1 中各项的对应权重系数向量，b 2为对应偏执项向量；
将O 2作为输入，进行概率变换，获得睡眠质量的概率表示数据p：
；
其中p表示y取值为1的概率，该值趋向于1则表示用户睡眠质量趋向于好，反之，趋向于0则表示用户睡眠质量趋向于差；w 3为O 2 中各项的对应权重系数向量，b 3为对应偏执项向量；其中所涉及的参数w 1、 b 1、 w 2、 b 2、 w 3、 b 3，均采用反向误差传播算法最小化代价函数获得，其中y为用户睡眠质量反馈结果，p’为w 1、 b 1、 w 2、 b 2、 w 3、 b 3在最小化求解过程中迭代至不同取值时的输出概率。
5.如权利要求1所述的用于便携式智能可穿戴设备的睡眠质量评估方法，其特征在于：所述交互计算包括乘除运算。
6.一种用于便携式智能可穿戴设备的睡眠质量评估装置，其特征在于，包括：
采集模块，用于采集用户个体属性信息数据、睡眠信息数据以及睡眠质量反馈结果；
交互计算模块，用于将采集的有关用户个体属性信息数据和睡眠信息数据各自以及相互之间进行交互，生成交互的睡眠特征数据；
构建模块，用于对睡眠特征数据进行两次非线性变换，构建睡眠质量概率模型以获得睡眠质量的概率表示数据；其中所述睡眠特征数据包括用户个体属性信息数据、睡眠信息数据以及交互的睡眠特征数据；以及
评估模块，利用睡眠质量的概率表示数据p并通过下式计算睡眠质量分数score：
；
其中max为睡眠质量分数的上限，min为睡眠质量分数的下限。
7.一种便携式智能可穿戴设备，其特征在于：包括权利要求6所述的睡眠质量评估装置。
8.如权利要求7所述的便携式智能可穿戴设备，其特征在于，其包括：智能手环，智能手表，智能手机。
CN201810042349.XA 2018-01-17 2018-01-17 用于便携式智能可穿戴设备的睡眠质量评估方法与装置 Pending CN110037653A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810042349.XA CN110037653A (zh) 2018-01-17 2018-01-17 用于便携式智能可穿戴设备的睡眠质量评估方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810042349.XA CN110037653A (zh) 2018-01-17 2018-01-17 用于便携式智能可穿戴设备的睡眠质量评估方法与装置

Publications (1)

Publication Number Publication Date
CN110037653A true CN110037653A (zh) 2019-07-23

Family

ID=67273059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810042349.XA Pending CN110037653A (zh) 2018-01-17 2018-01-17 用于便携式智能可穿戴设备的睡眠质量评估方法与装置

Country Status (1)

Country Link
CN (1) CN110037653A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110558934A (zh) * 2019-08-02 2019-12-13 杭州连帆科技有限公司 睡眠质量评估方法、装置、电子设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
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
CN104665771A (zh) * 2015-02-13 2015-06-03 北京康源互动健康科技有限公司 一种基于云平台的睡眠质量监测方法及系统
CN105231997A (zh) * 2015-10-10 2016-01-13 沈阳熙康阿尔卑斯科技有限公司 一种睡眠质量判定方法及睡眠仪
CN105487664A (zh) * 2015-12-01 2016-04-13 深圳还是威健康科技有限公司 一种信息推送方法及终端
CN105894252A (zh) * 2016-05-05 2016-08-24 广东小天才科技有限公司 一种基于穿戴设备的用户起床提醒方法及穿戴设备
CN106073714A (zh) * 2016-06-24 2016-11-09 航天神舟生物科技集团有限公司 一种睡眠质量的识别方法和系统
CN106419893A (zh) * 2016-09-18 2017-02-22 广州视源电子科技股份有限公司 睡眠状态检测方法和装置
CN106725326A (zh) * 2016-12-28 2017-05-31 天津众阳科技有限公司 基于人体hrv测量的睡眠质量评估系统及方法
CN107095517A (zh) * 2017-05-25 2017-08-29 王志强 基于智能床的远程健康监控系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
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
CN104665771A (zh) * 2015-02-13 2015-06-03 北京康源互动健康科技有限公司 一种基于云平台的睡眠质量监测方法及系统
CN105231997A (zh) * 2015-10-10 2016-01-13 沈阳熙康阿尔卑斯科技有限公司 一种睡眠质量判定方法及睡眠仪
CN105487664A (zh) * 2015-12-01 2016-04-13 深圳还是威健康科技有限公司 一种信息推送方法及终端
CN105894252A (zh) * 2016-05-05 2016-08-24 广东小天才科技有限公司 一种基于穿戴设备的用户起床提醒方法及穿戴设备
CN106073714A (zh) * 2016-06-24 2016-11-09 航天神舟生物科技集团有限公司 一种睡眠质量的识别方法和系统
CN106419893A (zh) * 2016-09-18 2017-02-22 广州视源电子科技股份有限公司 睡眠状态检测方法和装置
CN106725326A (zh) * 2016-12-28 2017-05-31 天津众阳科技有限公司 基于人体hrv测量的睡眠质量评估系统及方法
CN107095517A (zh) * 2017-05-25 2017-08-29 王志强 基于智能床的远程健康监控系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110558934A (zh) * 2019-08-02 2019-12-13 杭州连帆科技有限公司 睡眠质量评估方法、装置、电子设备及介质
CN110558934B (zh) * 2019-08-02 2022-06-28 杭州连帆科技有限公司 睡眠质量评估方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
Li et al. Dynamic mapping of design elements and affective responses: a machine learning based method for affective design
Soltanifar et al. The voting analytic hierarchy process method for discriminating among efficient decision making units in data envelopment analysis
Chyu et al. A hybrid fuzzy analytic network process approach to the new product development selection problem
Lin et al. User-experience-based design of experiments for new product development of consumer electronics and an empirical study
Hughes et al. Occupational prestige: The status component of socioeconomic status
CN110037653A (zh) 用于便携式智能可穿戴设备的睡眠质量评估方法与装置
Wijetunge Assessing Knowledge Management Maturity level of a university library: a case study from Sri Lanka
Ghadikolaei et al. Designing a competitive advantage model with technology oriented approach using FAHP technique: a case study in coil industry
Minx et al. Time use and sustainability: An input-output approach in mixed units
Schmidt The development of a disinvestment framework to guide resource allocation decisions in health service delivery organizations
Heijke et al. The knowledge and skills of economics graduates and their significance on the labour market
Narayana Accounting for growth effects of age structure transition through public education expenditure: New macroeconomic evidence from India
Choi et al. Analysis of the Efficiency of the U-Healthcare Industry
Schwartz et al. General consumer preferences for sleep-tracking wearables: the role of expert validation
Elleman et al. Laying personality BARE: Behavioral frequencies strengthen personality-criterion relationships
Hsu et al. Understanding foreign students’ continuance intention toward mobile telecommunication service: An integrative theoretical model
Honka et al. A Comprehensive User Modeling Framework and a Recommender System for Personalizing Well-Being Related Behavior Change Interventions: Development and Evaluation
Karlou et al. The causal model of authentic leadership on psychological well-being and job satisfaction
Hashiguchi et al. Impact of supervisors' research style on young biomedical scientists' capacity development as measured by REDi, a novel index of crossdisciplinarity
Tao Evaluation of Healthcare Service Quality Using Grey Relational Analysis (GRA) Method
Vishwakarma et al. Unveiling consumer behavior in marketing: a meta-analytic structural equation modeling (Meta-SEM) of the model of goal-directed behavior (MGB)
Traiphopsakul A study of factors influencing Thai adults intention to buy a fitness tracker devices in Bangkok.
Mascarenhas et al. Regional culture and adaptive behavior of physicians
Kwon et al. Convergence Technology Opportunity Discovery for Firms Based on Technology Portfolio Using the Stacked Denoising AutoEncoder (SDAE)
Hazlin et al. Review on measurement techniques and technologies to propose new rating scale measurement for shariah compliant hotel industry in Malaysia

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: 20190723

RJ01 Rejection of invention patent application after publication