CN111166297A - 基于用户睡眠音频评定睡眠质量的方法和装置 - Google Patents
基于用户睡眠音频评定睡眠质量的方法和装置 Download PDFInfo
- Publication number
- CN111166297A CN111166297A CN202010103446.2A CN202010103446A CN111166297A CN 111166297 A CN111166297 A CN 111166297A CN 202010103446 A CN202010103446 A CN 202010103446A CN 111166297 A CN111166297 A CN 111166297A
- Authority
- CN
- China
- Prior art keywords
- sleep
- audio
- sleep disorder
- information
- current user
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—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
- A61B5/103—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
- A61B5/1116—Determining posture transitions
-
- 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
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- 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
-
- 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
- A61B5/4818—Sleep apnoea
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Anesthesiology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种基于用户睡眠音频评定睡眠质量的方法和装置,方法包括:获取当前用户在整个睡眠阶段发出音频信息,对音频进行分类确定用户睡眠障碍类型;根据睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息与当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度因素;统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量和主观评价的影响;根据不同年龄段人群睡眠障碍的轻重水平的睡眠客观质量和主观评价及影响睡眠障碍程度因素,对当前用户的睡眠进行质量评定。
Description
技术领域
本发明涉及信息处理领域,尤其涉及一种基于用户睡眠音频评定睡眠质量的方法和装置。
背景技术
众所周知,睡眠的质量会关系到人体大脑和神经的作息,直接的影响个人的精神状态,甚至是生活质量。所以睡眠对于人体的健康有着十分重要的意义。但是,现代人由于受到环境污染、工作压力、作息时间不规律等多方面因素的干扰,非常普遍的存在睡眠质量下降的情况。
例如常见的打鼾(俗称打呼噜),就是睡眠过程中极为普遍存在的一种现象。尤其是一些比较严重的打鼾现象,会对睡眠产生很大影响。因为严重的打鼾会引起呼吸暂停,导致人体缺氧,从而使睡眠的质量明显下降。当然,在睡眠期间发出的音频还包括:梦呓(俗称说梦话)、磨牙、咳嗽等,这些情况出出现既是一种身体不健康的表征,同时会对身体健康造成损害。
目前市面上仅有记录睡眠状态下人们发出音频的设备,但缺乏对发出音频原因的分析,且缺乏对当前用户睡眠质量的评定标准。
发明内容
为了解决现有技术中缺乏对发出音频原因的分析,缺乏对当前用户睡眠质量的评定标准问题,本发明提供一种基于用户睡眠音频评定睡眠质量的方法和装置。
第一方面,本发明提供一种基于用户睡眠音频评定睡眠质量的方法,该方法包括:
获取当前用户在整个睡眠阶段发出的音频信息,对音频信息进行分类,确定用户的睡眠障碍类型;
根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;
获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息与当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;
统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;
根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
进一步地,该方法还包括:
获取当前用户的睡眠分期信息,确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响;
获取当前用户的睡后主观睡眠评价,确定各类睡眠障碍程度对主观睡眠质量的影响。
进一步地,获取当前用户在整个睡眠阶段发出的音频信息,对音频进行分类,确定用户的睡眠障碍类型包括:
获取当前用户发出的单个音频声段;
获取预测出的各单个音频声段属于打鼾或梦呓或磨牙音频的分类信息。
进一步地,获取当前用户在整个睡眠阶段发出的音频信息,对音频进行分类,确定用户的睡眠障碍类型还包括:
对音频进行梦呓、打鼾、磨牙睡眠障碍分类,并根据不同分类,进行一般特征及特殊特征的提取;
其中,一般特征包括单个声音片段发生的起始时间、持续时长、平均分贝数、最大分贝数,深睡、浅睡和REM各睡眠期发生的声音片段总和、平均分贝值、分贝平稳度,一周发生睡眠障碍的天数;特殊特征包括鼾声呼吸率,平均一小时鼾声暂停次数,一晚连续打鼾的持续时长总和。
进一步地,对音频进行梦呓、打鼾和磨牙睡眠障碍分类,并根据不同分类,进行一般特征及特殊特征的提取包括:
利用深度学习神经网络模型对各单个音频声段进行打鼾或梦呓或磨牙音频的数据分类处理;
若满足分类条件,则记录各单个音频声段的一般特征和特殊特征信息。
进一步地,根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定之后包括:
根据当前用户睡眠质量,提出改善建议。
第二方面,本发明提供一种基于用户睡眠音频评定睡眠质量的装置,该装置包括:
确定用户的睡眠障碍类型模块,用于获取当前用户在整个睡眠阶段发出的音频信息,对音频信息进行分类,确定用户的睡眠障碍类型;
确定用户睡眠障碍的轻重水平模块,用于根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;
确定影响睡眠障碍程度的因素模块,用于获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息与当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;
统计不同年龄段人群睡眠情况模块,用于统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;
睡眠质量评定模块,用于根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
进一步地,该装置还包括:
获取睡眠分期信息模块,用于获取当前用户的睡眠分期信息,确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响;
获取主观睡眠评价模块,用于获取当前用户的睡后主观睡眠评价,确定各类睡眠障碍程度对主观睡眠质量的影响。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行所述程序时实现第一方面提供的基于用户睡眠音频评定睡眠质量的方法的步骤。
第四方面,本发明提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面提供的基于用户睡眠音频评定睡眠质量的方法的步骤。
本发明获取用户在不同睡眠阶段发出的音频信息,与睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息做关联分析,确定影响睡眠的因素,并经过对不同年龄阶段的人群大数据统计,得到不同年龄段人群的睡眠影响因素,进而更准确地评定出当前用户的睡眠质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于用户睡眠音频评定睡眠质量的方法流程示意图;
图2为本发明实施例提供的基于用户睡眠音频评定睡眠质量的装置框图;
图3为本发明实施例提供的睡眠检测设备界面图;
图4为本发明实施例提供的电子设备框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
睡眠对于人体的健康有着十分重要的意义。但是,现代人由于受到环境污染、工作压力、作息时间不规律等多方面因素的干扰,非常普遍的存在睡眠质量下降的情况。目前市面上仅有记录睡眠状态下人们发出音频的设备,但缺乏对发出音频原因的分析,缺乏对当前用户睡眠质量的评定标准。为了解决上述问题,本发明实施例提供一种基于用户睡眠音频评定睡眠质量的方法,如图1所示,该方法包括:
步骤S101,获取当前用户在整个睡眠阶段发出的音频信息,对音频信息进行分类,确定用户的睡眠障碍类型;
步骤S102,根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;
步骤S103,获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息与当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;
步骤S104,统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;
步骤S105,根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
具体为,本发明实施例利用睡眠检测设备获取当前用户在整个睡眠阶段发出的音频信息以及对应的分贝值,在这里,音频信息分类,可以是梦呓声音,打鼾声音,磨牙声音,咳嗽声音等,并将这些分类好的音频信息作为用户睡眠障碍类型。另外,本发明实施例包含但不限于上述举例的音频信息。
根据梦呓、打鼾、磨牙等睡眠障碍类型,提取其对应的特征信息,其中特征信息包括一般特征信息和特殊特征信息,一般特征包括单个声音片段发生的起始时间、持续时长、平均分贝数、最大分贝数,深睡、浅睡和REM各睡眠期发生的声音片段总和、平均分贝值、分贝平稳度,一周发生睡眠障碍的天数;特殊特征包括鼾声呼吸率,平均一小时鼾声暂停次数,一晚连续打鼾的持续时长总和等。也即是基于这些特征信息划分出轻、重、很严重等水平的睡眠障碍区间。
获取睡前行为:喝酒、喝咖啡、抽烟、锻炼,睡后身体状态:口干、有口气;起床后精神状态:疲倦、一般、精神;身体健康状况:患有鼻炎、患有扁桃体炎、无病状;睡姿信息:平躺、左侧卧、右侧卧、蜷曲。
睡眠检测设备还会获取用户的睡眠生物数据,包括脑电、心电、肌电、眼电、胸带、腹带(包括体动)、血氧信息之一或某几个的组合。由这些原始数据,经过人工或算法获得睡眠分期阶段信息,包括醒、浅睡、深睡或REM异相睡眠(也称快速眼动)状态。依据获取的所有音频信息,可以确定发出声音的起始时间,进而得到在不同睡眠阶段的音频信息,然后依据睡眠检测设备可获取不同音频信息对应的分贝值,然后计算用户在不同睡眠阶段发出的音频信息,与当前用户睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息的相关性,以及影响睡眠的因素。比如:睡眠检测设备会对用户的睡眠质量进行打分,比如在第一天时打分73分,记录到的打鼾总次数是2000次,在第二天时打分83分,记录到的打鼾总次数是1000次,说明打鼾与睡眠质量的相关性成正比,这时再获取获取当前用户睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息,明确对发出音频分贝大小的影响因素,比如睡前喝酒或睡前锻炼,在深睡阶段获取到的音频数量过多,音频分贝值也最大等,说明睡前喝酒和睡前锻炼对用户发出音频次数和分贝的影响较大。所以综合来说,打鼾是影响睡眠质量的一个因素,而引起打鼾的最大原因来源于用户睡前喝酒或睡前锻炼的行为。
获取不同年龄段人群在不同睡眠阶段发出的音频信息,以用户睡眠时发出梦呓为例,获取不同年龄段(0-3个月新生,4-11月婴儿,1-2岁学步,3-5岁学龄前,6-13岁儿童,14-17青少年,18-25青年,26-64成年,65+老年)的被测用户进行统计,计算梦话数量与睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息的主观感受,例如:睡后身体状况(口干、有口气),起床后精神状态(疲倦、一般、精神)、睡眠质量量化评估的相关性。
将历史用户按不同年龄段(0-3个月新生,4-11月婴儿,1-2岁学步,3-5岁学龄前,6-13岁儿童,14-17青少年,18-25青年,26-64成年,65+老年)分群,对各群的用户统计以下数据:
1)历史平均梦话数量/分贝值的区间,各区间的人数,及历史梦呓者梦话数量/分贝值分布情况;
2)平均轻度梦呓、重度梦呓者的数量及在历史被测人群中人数占比。
依据上述统计确定不同年龄段人群的睡眠影响因素。
根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,去判断当前用户睡眠的质量是否良好。例如:得到当前用户在睡姿是左侧卧,浅睡阶段的梦话0次,深睡阶段的梦话1次,而在大数据人群统计中,人们在睡姿是左侧卧时,进入浅睡阶段的梦话平均次数是2次,深睡时的梦话2次,故当前用户在睡眠期间说梦话并未超出人群统计的梦呓平均值,属于正常状态,故左侧卧不是影响用户睡眠质量的关键因素,当前用户睡眠质量良好。
本发明获取用户在不同睡眠阶段发出的音频信息,与睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息做关联分析,确定影响睡眠的因素,并经过对不同年龄阶段的人群大数据统计,得到不同年龄段人群的睡眠影响因素,进而更准确地评定出当前用户的睡眠质量。
基于上述各实施例的内容,作为一种可选实施例:方法还包括:
获取当前用户的睡眠分期信息,确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响;
获取当前用户的睡后主观睡眠评价,确定各类睡眠障碍程度对主观睡眠质量的影响。
具体为,获取用户打鼾或磨牙或梦呓时发出的音频信息,以用户睡眠期间出现梦呓为例,获取当晚每一段梦话的起始时间、结束时间、梦话分贝;
获取当晚睡眠每一段分期的起始时间、结束时间;深睡期间所有梦话的信息,浅睡期间所有梦话的信息,REM期间所有梦话的信息;梦话在深睡、浅睡、REM期间的比例;当晚每一段梦话分贝;梦话在深睡、浅睡、REM期的平均梦话分贝数;
获取一段时间内,如1周睡眠说梦话的天数,0天为无梦呓,1-2天为轻度梦呓,3天以上包括3天为重度梦呓;1周或数周当梦呓发生情况下,统计日均说梦话的次数,日均梦话分贝;1周或数周当梦呓发生情况下,梦话在深睡、浅睡、REM期间的数量比例统计和平均/最大分贝值统计,发生平均频率、频率平稳度。
进一步地,将用户的睡眠分期信息、睡姿信息、梦呓片段信息保留到数据库中,并保留当晚梦呓次数,梦呓平均频率、平均/最大分贝数,浅睡梦呓次数、浅睡梦呓平均/最大分贝、浅睡梦呓分贝平稳度、频率平稳度,深睡梦呓次数、深睡梦呓平均/最大分贝、深睡梦呓分贝平稳度、频率平稳度,REM期梦呓次数、REM期梦呓平均/最大分贝、REM期梦呓分贝平稳度、频率平稳度。
同时还要获取当前用户的睡后主观睡眠评价,比如起床后口干舌燥,嗓子疼等不好症状,说明当前的睡眠障碍对用户的身体影响比较大。
基于上述各实施例的内容,作为一种可选实施例:获取当前用户在整个睡眠阶段发出的音频信息,对音频进行分类,确定用户的睡眠障碍类型包括:
获取当前用户发出的单个音频声段;
获取预测出的各单个音频声段属于打鼾或梦呓或磨牙音频的分类信息。
具体为,通过麦克风,获取PCM原始数据,采用率可以采用8K采样16bit或者4K采样16bit。对音频数据做分帧,数据预处理:包括短时傅里叶变换和梅尔频谱变换两部分;然后进行噪声估计,利用端点检测技术进行有声片段提取;对于有声片段做神经网络预测,当有声片段结束后,计算出有声片段的属于打鼾或梦呓或磨牙音频的数据,记录各单个音频声段的起止时刻和音频分贝值。
利用睡眠监测装置获取用户在不同睡眠阶段的监测信号,具体可以包括:脑电、心电、肌电、眼电、胸带、腹带(包括体动)、血氧信息之一或某几个的组合。如果需要医疗级的睡眠分期精准度,需要采用脑电信号,否则,可以通过其他信号来计算分期,例如单独采用体动信号,由加速度计或/和陀螺仪信号得到。其中不同睡眠阶段可以分为醒、浅睡、深睡、REM(快速眼动)四个期间。
基于上述各实施例的内容,作为一种可选实施例:对音频进行梦呓、打鼾和磨牙睡眠障碍分类,并根据不同分类,进行一般特征及特殊特征的提取包括:
利用深度学习神经网络模型对各单个音频声段进行打鼾或梦呓或磨牙音频的数据分类处理;
若满足分类条件,则记录各单个音频声段的一般特征和特殊特征信息。
具体为,本发明实施例主要是利用深度学习神经网络模型对各单个音频声段进行打鼾或梦呓或磨牙音频的数据预测处理,这样可以使用一个检测设备就能判断出打鼾或梦呓或磨牙等多种音频信号,然后根据获取的多个音频信号,分别进行归类,将属于同一类型(如梦呓)的音频放在一起作为单个音频声段,然后记录同类型内各单个音频声段的起止时刻和音频分贝值。再根据在不同睡眠阶段获取的各单个音频声段的起止时刻和分贝值,确定发生各单个音频声段的所属睡眠阶段。以梦呓为例,显示梦话在深睡、浅睡、REM的比例,表示梦话最容易在睡眠的哪个分期发生。如果梦话跨两个区,在哪个分期比例高,则归属于哪个期间。
将监测到的不同睡眠阶段的信号和各单个音频声段的起止时刻和音频分贝值存储在数据库内;根据数据库内存储的数据,确定获取用户睡眠期间的环境音频信息和用户在不同睡眠阶段的监测信号的一段时间内出现打鼾或梦呓或磨牙次数,平均音频分贝值,不同睡眠阶段的打鼾或梦呓或磨牙次数、平均音频分贝值、最大音频分贝值,同时根据对一般特征信息和特殊特征信息的提取,将各单个音频声段进行特征提取的记录。
基于上述各实施例的内容,作为一种可选实施例:根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定之后包括:
根据当前用户睡眠质量,提出改善建议。
具体为,以用户打鼾为例,当用户有打鼾情况发生后,请用户记录身体状况,包括身高、体重,感冒、鼻炎(或鼻子不适)、扁桃体炎,咽炎、身体疲劳程度;睡前行为,包括喝酒、抽烟、锻炼;根据用户的长期数据,分别统计分析打鼾的时长与体重、感冒、鼻炎、扁桃体炎、咽炎、睡前疲劳程度、喝酒、抽烟、锻炼的相关性,打鼾的分贝与以上因素的相关性,打鼾频率的平稳性与以上因素的相关性,打鼾分贝平稳性与以上因素的相关性,从而找到引发打鼾或导致鼾症严重的因素。
另外,当用户有打鼾情况发生后,请用户记录起床后是否口干,是否有胸闷,精神疲倦情况,逐个与打鼾时长、打鼾的分贝、打鼾分贝平稳性、打鼾分贝平稳性做相关性分析,同时也将睡眠量化质量评估结果、睡眠中醒的次数、睡眠中深睡的时长、体动的次数与这些变量做相关性分析,若显著相关,给以用户需要关注打鼾的提示或就医治疗的建议。下面以表1为例,使用历史数据做打鼾影响因素分析。
表1
如表1所示,假设梦话数f(x1,x2,…,x7)=a0+a1*x1+a2*x2+…+a7*x7。
其中,x1代表睡前喝酒,0为没有发生,1为发生;
x2代表睡前喝咖啡,0为没有发生,1为发生;
x3代表睡前抽烟,0为没有发生,1为发生;
x4代表睡前锻炼,0为没有发生,1为发生;
x5代表鼻炎,0为没有,1-5为严重程度
x6代表咽炎,0为没有,1-5为严重程度;
x7代表疲劳,0为没有,1-5为严重程度
a1-a7:对应于x1-x7的线性系数;
a0:常量;
线性拟合后,对a1-a7做T检验分析,将P-Value小于0.05的系数项,对应的因素与梦话数量有显著的相关性。
当发现这种显著的相关性后,向用户提示,例如,“我们发现,鼻炎是您打鼾的主要原因”,同时给用户提供解决方案:“推荐您去医院治疗鼻炎,并每天使用海盐水洗鼻”。当没有显著的相关性,向用户提示,例如,“目前还未发现明显影响您说梦话的因素,让我们继续探索”。
同时,检测睡眠设备可以向用户展示历史上与自己同龄人群在打鼾或梦呓或磨牙上数量相同,分贝值相同的人群占比,例如:梦话分贝在相同区间(<=30db,31-40db,41-50db,51-60db,61-70db,>70db)的人群的数量和占比。从而得到自己同龄人从属的无梦呓或轻度梦呓或重度梦呓,在同龄人群中的数量和占比。
最后,统计同龄人群中历史数据中女性梦呓者占女性总用户的比例,男性梦呓者占男性总用户的比例;统计同龄人群中历史数据中女性轻度梦呓者占女性总用户的比例,重度梦呓者占女性总用户的比例;统计同龄人群中男性轻度梦呓者占男性总用户的比例,重度梦呓者占男性总用户的比例;统计同龄人群中历史数据,展示所有用户在不同季节,梦话的数量分布情况。
根据本发明的再一个方面,本发明实施例提供基于用户睡眠音频评定睡眠质量的装置,参见图2,图2为本发明实施例提供的基于用户睡眠音频评定睡眠质量的装置框图。该装置用于在前述各实施例中完成本发明实施例提供的基于用户睡眠音频评定睡眠质量。因此,在前述各实施例中的本发明实施例提供的基于用户睡眠音频评定睡眠质量的方法中的描述和定义,可以用于本发明实施例中各执行模块的理解。
该装置包括:
确定用户的睡眠障碍类型模块201,用于获取当前用户在整个睡眠阶段发出的音频信息,对音频信息进行分类,确定用户的睡眠障碍类型;
确定用户睡眠障碍的轻重水平模块202,用于根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;
确定影响睡眠障碍程度的因素模块203,用于获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息与当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;
统计不同年龄段人群睡眠情况模块204,用于统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;
睡眠质量评定模块205,用于根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
具体的,本实施例的装置中各模块实现其功能的具体过程可参见对应的方法实施例中的相关描述,此处不再赘述。
本发明获取用户在不同睡眠阶段发出的音频信息,与睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息做关联分析,确定影响睡眠的因素,并经过对不同年龄阶段的人群大数据统计,得到不同年龄段人群的睡眠影响因素,进而更准确地评定出当前用户的睡眠质量。
基于上述各实施例的内容,作为一种可选实施例:装置还包括:
获取睡眠分期信息模块,用于获取当前用户的睡眠分期信息,确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响;
获取主观睡眠评价模块,用于获取当前用户的睡后主观睡眠评价,确定各类睡眠障碍程度对主观睡眠质量的影响。
具体的,本实施例的装置中各模块实现其功能的具体过程可参见对应的方法实施例中的相关描述,此处不再赘述。
如图3所示,是睡眠检测设备的界面示意图,具体为,在凌晨12点至早上7点之间采集用户在不同睡眠阶段发出音频信息的示意,然后获取说梦话的睡眠阶段和分贝值,比如分贝值是:42db,35db,45db,然后根据不同年龄段人群的睡眠信息,对当前用户进行睡眠质量的评价和后期建议。同时根据同龄人说梦话情况和性别的统计,得出普遍规律以给当前用户一定的指导建议。
图4为本发明实施例提供的电子设备框图,如图4所示,该设备包括:处理器401、存储器402和总线403;
其中,处理器401及存储器402分别通过总线403完成相互间的通信;处理器401用于调用存储器402中的程序指令,以执行上述实施例所提供的基于用户睡眠音频评定睡眠质量的方法,例如包括:获取当前用户在整个睡眠阶段发出的音频信息,对音频信息进行分类,确定用户的睡眠障碍类型;根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息与当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现基于用户睡眠音频评定睡眠质量的方法的步骤。例如包括:获取当前用户在整个睡眠阶段发出的音频信息,对音频信息进行分类,确定用户的睡眠障碍类型;根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息与当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后,本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于用户睡眠音频评定睡眠质量的方法,其特征在于,所述方法包括:
获取当前用户在整个睡眠阶段发出的音频信息,对所述音频信息进行分类,确定用户的睡眠障碍类型;
根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;
获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将所述当前用户睡前的行为信息、睡中监测设备记录的睡姿、当前身体健康信息与所述当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;
统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;
根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取当前用户的睡眠分期信息,确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响;
获取当前用户的睡后主观睡眠评价,确定各类睡眠障碍程度对主观睡眠质量的影响。
3.根据权利要求1所述的方法,其特征在于,所述获取当前用户在整个睡眠阶段发出的音频信息,对音频进行分类,确定用户的睡眠障碍类型包括:
获取当前用户发出的单个音频声段;
获取预测出的各单个音频声段属于打鼾或梦呓或磨牙音频的分类信息。
4.根据权利要求1所述的方法,其特征在于,所述获取当前用户在整个睡眠阶段发出的音频信息,对音频进行分类,确定用户的睡眠障碍类型还包括:
对音频进行梦呓、打鼾、磨牙睡眠障碍分类,并根据不同分类,进行一般特征及特殊特征的提取;
其中,一般特征包括单个声音片段发生的起始时间、持续时长、平均分贝数、最大分贝数,深睡、浅睡和REM各睡眠期发生的声音片段总和、平均分贝值、分贝平稳度,一周发生睡眠障碍的天数;特殊特征包括鼾声呼吸率,平均一小时鼾声暂停次数,一晚连续打鼾的持续时长总和。
5.根据权利要求4所述的方法,其特征在于,所述对音频进行梦呓、打鼾和磨牙睡眠障碍分类,并根据不同分类,进行一般特征及特殊特征的提取包括:
利用深度学习神经网络模型对所述各单个音频声段进行打鼾或梦呓或磨牙音频的数据分类处理;
若满足分类条件,则记录所述各单个音频声段的一般特征和特殊特征信息。
6.根据权利要求1所述的方法,其特征在于,所述根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定之后包括:
根据所述当前用户睡眠质量,提出改善建议。
7.一种基于用户睡眠音频评定睡眠质量的装置,其特征在于,所述装置包括:
确定用户的睡眠障碍类型模块,用于获取当前用户在整个睡眠阶段发出的音频信息,对所述音频信息进行分类,确定用户的睡眠障碍类型;
确定用户睡眠障碍的轻重水平模块,用于根据不同睡眠障碍类型,提取不同的特征信息,根据各特征信息确定当前用户睡眠障碍的轻重水平;
确定影响睡眠障碍程度的因素模块,用于获取当前用户睡前的行为信息、监测设备记录的睡姿、当前身体健康信息,将所述当前用户睡前的行为信息、睡中监测设备记录的睡姿、当前身体健康信息与所述当前用户的睡眠障碍轻重水平进行关联,确定影响睡眠障碍程度的因素;
统计不同年龄段人群睡眠情况模块,用于统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响;
睡眠质量评定模块,用于根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素,对当前用户的睡眠障碍进行质量评定。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
获取睡眠分期信息模块,用于获取当前用户的睡眠分期信息,确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响;
获取主观睡眠评价模块,用于获取当前用户的睡后主观睡眠评价,确定各类睡眠障碍程度对主观睡眠质量的影响。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至6任一项所述基于用户睡眠音频评定睡眠质量的方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述基于用户睡眠音频评定睡眠质量的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010103446.2A CN111166297B (zh) | 2020-02-19 | 2020-02-19 | 基于用户睡眠音频评定睡眠质量的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010103446.2A CN111166297B (zh) | 2020-02-19 | 2020-02-19 | 基于用户睡眠音频评定睡眠质量的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111166297A true CN111166297A (zh) | 2020-05-19 |
CN111166297B CN111166297B (zh) | 2022-09-06 |
Family
ID=70621314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010103446.2A Active CN111166297B (zh) | 2020-02-19 | 2020-02-19 | 基于用户睡眠音频评定睡眠质量的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111166297B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559796A (zh) * | 2020-12-23 | 2021-03-26 | 珠海格力电器股份有限公司 | 音乐推送方法、设备、系统和存储介质 |
CN112716449A (zh) * | 2020-12-23 | 2021-04-30 | 西安皑鸥软件科技有限公司 | 一种基于移动设备监测人体睡眠状态方法及系统 |
CN113012719A (zh) * | 2021-02-04 | 2021-06-22 | 上海小芃科技有限公司 | 睡眠声音信号疲劳评估方法、系统、电子设备及存储介质 |
CN113314143A (zh) * | 2021-06-07 | 2021-08-27 | 南京优博一创智能科技有限公司 | 呼吸暂停的判断方法、装置和电子设备 |
CN113421586A (zh) * | 2021-06-18 | 2021-09-21 | 南京优博一创智能科技有限公司 | 梦呓识别方法、装置和电子设备 |
CN114176525A (zh) * | 2021-12-28 | 2022-03-15 | 深圳市伟晴大健康科技有限公司 | 睡眠质量分析方法、装置、计算机设备和存储介质 |
CN115281487A (zh) * | 2022-08-26 | 2022-11-04 | 慕思健康睡眠股份有限公司 | 一种基于智能床垫的睡眠监测方法及相关产品 |
CN116612894A (zh) * | 2023-07-21 | 2023-08-18 | 北京中科心研科技有限公司 | 一种识别睡眠障碍的方法、装置及可穿戴设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106137130A (zh) * | 2016-06-28 | 2016-11-23 | 南京大学 | 一种基于音频处理的睡眠期识别方法 |
CN106419841A (zh) * | 2016-09-13 | 2017-02-22 | 深圳市迈迪加科技发展有限公司 | 睡眠评估方法、装置及系统 |
CN107374223A (zh) * | 2017-08-28 | 2017-11-24 | 赛博龙科技(北京)有限公司 | 一种检测、分析睡眠的闭环系统、装置以及智能枕头 |
US20180279946A1 (en) * | 2017-03-30 | 2018-10-04 | Intel Corporation | Sleep and environment monitor and recommendation engine |
CN110491468A (zh) * | 2019-07-18 | 2019-11-22 | 广州柏颐信息科技有限公司 | 一种睡眠质量报告的处理方法和系统 |
CN110710954A (zh) * | 2019-09-20 | 2020-01-21 | 长沙友记互娱网络信息有限公司 | 一种通过声音采集检测睡眠质量的方法 |
-
2020
- 2020-02-19 CN CN202010103446.2A patent/CN111166297B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106137130A (zh) * | 2016-06-28 | 2016-11-23 | 南京大学 | 一种基于音频处理的睡眠期识别方法 |
CN106419841A (zh) * | 2016-09-13 | 2017-02-22 | 深圳市迈迪加科技发展有限公司 | 睡眠评估方法、装置及系统 |
US20180279946A1 (en) * | 2017-03-30 | 2018-10-04 | Intel Corporation | Sleep and environment monitor and recommendation engine |
CN107374223A (zh) * | 2017-08-28 | 2017-11-24 | 赛博龙科技(北京)有限公司 | 一种检测、分析睡眠的闭环系统、装置以及智能枕头 |
CN110491468A (zh) * | 2019-07-18 | 2019-11-22 | 广州柏颐信息科技有限公司 | 一种睡眠质量报告的处理方法和系统 |
CN110710954A (zh) * | 2019-09-20 | 2020-01-21 | 长沙友记互娱网络信息有限公司 | 一种通过声音采集检测睡眠质量的方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559796A (zh) * | 2020-12-23 | 2021-03-26 | 珠海格力电器股份有限公司 | 音乐推送方法、设备、系统和存储介质 |
CN112716449A (zh) * | 2020-12-23 | 2021-04-30 | 西安皑鸥软件科技有限公司 | 一种基于移动设备监测人体睡眠状态方法及系统 |
CN113012719A (zh) * | 2021-02-04 | 2021-06-22 | 上海小芃科技有限公司 | 睡眠声音信号疲劳评估方法、系统、电子设备及存储介质 |
CN113012719B (zh) * | 2021-02-04 | 2023-11-17 | 上海小芃科技有限公司 | 睡眠声音信号疲劳评估方法、系统、电子设备及存储介质 |
CN113314143A (zh) * | 2021-06-07 | 2021-08-27 | 南京优博一创智能科技有限公司 | 呼吸暂停的判断方法、装置和电子设备 |
CN113314143B (zh) * | 2021-06-07 | 2024-01-30 | 南京优博一创智能科技有限公司 | 呼吸暂停的判断方法、装置和电子设备 |
CN113421586A (zh) * | 2021-06-18 | 2021-09-21 | 南京优博一创智能科技有限公司 | 梦呓识别方法、装置和电子设备 |
CN113421586B (zh) * | 2021-06-18 | 2024-05-07 | 南京优博一创智能科技有限公司 | 梦呓识别方法、装置和电子设备 |
CN114176525A (zh) * | 2021-12-28 | 2022-03-15 | 深圳市伟晴大健康科技有限公司 | 睡眠质量分析方法、装置、计算机设备和存储介质 |
CN114176525B (zh) * | 2021-12-28 | 2023-11-24 | 深圳市伟晴大健康科技有限公司 | 睡眠质量分析方法、装置、计算机设备和存储介质 |
CN115281487A (zh) * | 2022-08-26 | 2022-11-04 | 慕思健康睡眠股份有限公司 | 一种基于智能床垫的睡眠监测方法及相关产品 |
CN116612894A (zh) * | 2023-07-21 | 2023-08-18 | 北京中科心研科技有限公司 | 一种识别睡眠障碍的方法、装置及可穿戴设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111166297B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111166297B (zh) | 基于用户睡眠音频评定睡眠质量的方法和装置 | |
France et al. | Acoustical properties of speech as indicators of depression and suicidal risk | |
Chapman et al. | The relationship between early speech and later speech and language performance for children with cleft lip and palate | |
Liu et al. | Infant cry language analysis and recognition: an experimental approach | |
JP2016538898A (ja) | 疲労モニタリング及び管理システム | |
US20140188006A1 (en) | Breathing disorder identification, characterization and diagnosis methods, devices and systems | |
DE102018210438A1 (de) | Verfahren und einrichtung zum erkennen von atemmustern | |
DE112015001216T5 (de) | Systeme, Verfahren und Vorrichtungen zum Lindern und zur Ergebnisüberwachung von Schlafbezogenen Atmungsstörungen | |
Hartelius et al. | Speech disorders in mild and moderate Huntington disease: results of dysarthria assessments of 19 individuals. | |
CN106504773B (zh) | 一种可穿戴装置及语音与活动监测系统 | |
CN112842279B (zh) | 一种基于多维度特征参数的睡眠质量评估方法及装置 | |
Hlavnička | Automated analysis of speech disorders in neurodegenerative diseases | |
Kheddache et al. | Resonance frequencies behavior in pathologic cries of newborns | |
CN116631629A (zh) | 一种识别抑郁情绪障碍的方法、装置及可穿戴设备 | |
Yiu et al. | Fatigue-Related change in surface electromyographic activities of the perilaryngeal muscles | |
Messaoud et al. | A cry-based babies identification system | |
Fang et al. | Monitoring of Sleep Breathing States Based on Audio Sensor Utilizing Mel‐Scale Features in Home Healthcare | |
JP2023531464A (ja) | 身体計測情報と気管呼吸音を使用して覚醒時に閉塞性睡眠時無呼吸をスクリーニングする方法とシステム | |
CN116171477A (zh) | 监测和滴定处理高海拔诱发的中枢性睡眠呼吸暂停(csa)的系统和方法 | |
Akhter et al. | Characterizing the NREM/REM sleep specific obstructive sleep apnea severity using snore sounds | |
CN206480378U (zh) | 一种可穿戴装置及语音与活动监测系统 | |
CN115969328A (zh) | 基于智能穿戴设备的睡眠状态监测和鼾声识别方法及装置 | |
Miettinen | Suitability of a self-applicable electrode set for polysomnographic assessment of sleep bruxism in the home environment | |
Boudreaux | Using the ambulatory phonation monitor to measure the vocal parameters of older people with and without Parkinson's disease | |
Cho et al. | The association between the subjective quality of sleep and the phase of a 90-minute periodic signal for the wake-up support system |
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 |