CN111466910B - 一种睡眠监测方法、系统、存储介质、计算机程序、装置 - Google Patents
一种睡眠监测方法、系统、存储介质、计算机程序、装置 Download PDFInfo
- Publication number
- CN111466910B CN111466910B CN202010370089.6A CN202010370089A CN111466910B CN 111466910 B CN111466910 B CN 111466910B CN 202010370089 A CN202010370089 A CN 202010370089A CN 111466910 B CN111466910 B CN 111466910B
- Authority
- CN
- China
- Prior art keywords
- sleep
- pin
- signals
- adc1
- data
- 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.)
- Active
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 109
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004590 computer program Methods 0.000 title claims abstract description 9
- 238000003860 storage Methods 0.000 title abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 29
- 230000003860 sleep quality Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 230000008667 sleep stage Effects 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000005611 electricity Effects 0.000 claims description 16
- 230000004622 sleep time Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 210000004556 brain Anatomy 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 7
- 239000013078 crystal Substances 0.000 claims description 7
- 230000003183 myoelectrical effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 206010062519 Poor quality sleep Diseases 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 210000001595 mastoid Anatomy 0.000 claims description 3
- 210000001259 mesencephalon Anatomy 0.000 claims description 3
- 210000003205 muscle Anatomy 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000004617 sleep duration Effects 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 16
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000037053 non-rapid eye movement Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000004642 Polyimide Substances 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229920006267 polyester film Polymers 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000004461 rapid eye movement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
-
- 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
-
- 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
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Ophthalmology & Optometry (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于信息处理技术领域,公开了一种睡眠监测方法、系统、存储介质、计算机程序、装置,FreeRTOS操作系统、IO口、时钟、WiFi、蓝牙、模数转换器的初始化;依次对三路脑电信号、两路眼电信号和一路肌电信号进行数模转换后得到相应的数字信号;判断所采集的信号组数量是否填充满WiFi数据包,若没有装满则直接发送蓝牙数据,若装满了则先发送WiFi数据并清空WiFi数据包后再发送蓝牙数据包;数模转换数据、交替发送数据,往复直至关机。系统包括:生理信号采集模块、生理信号预处理模块、生理信号分析模块。本发明能够准确科学的监测使用者睡眠状态,并通过微信小程序处理后及时汇报使用者者睡眠质量情况。
Description
技术领域
本发明属于信息处理技术领域,尤其涉及一种睡眠监测方法、系统、存储介质、计算机程序、装置。
背景技术
每年的3月21日为世界睡眠日,旨在提醒人们关注睡眠问题。据世界卫生组织调查,全球约27%的人存在不同程度的睡眠问题,其中最常见的是失眠。长期睡眠障碍会引起人体各类器官负担加重、免疫力降低、记忆力衰退、精神障碍等问题。而通常缓解睡眠问题的方法有保证充足睡眠时间、规律作息、积极调适心理、及时就医等。
随着经济与科技的发展和人们对自身健康的越发重视,目前市场上涌现出大量电子睡眠监测设备。不仅如此,医院也有专门用于睡眠监测的多导睡眠监测系统(polysomnography,PSG)。但目前市面现有的PSG设备存在着体积庞大、操作复杂和使用舒适度低等不足之处,其原因是:
(1)电路部分未使用柔性电路板;通信模块、主控模块和传感器模块均使用独立模块,其体积较大;
(2)采集电极与PSG设备未直接相连,每次操作需要独立接线,其操作复杂;
(3)导电材料以及与人体接触部分选择材料不当,机械结构设计不当,其舒适度低。
同时,及时拿到睡眠情况报告是睡眠监测过程中非常重要的一环。过去睡眠设备厂商常常会选择在PC端或手机APP上完成此类任务,但它们存在开发周期长、使用即需下载且操作复杂等问题,其原因为:
(1)传统PC端APP需要独立下载、安装,占用手机内存空间,且更新时需再次下载安装包;
(2)针对不同安卓和IOS系统需要不同开发语言,不同系统手机间数据不可适配,开发成本较高。
与之对比,微信小程序是近几年来流行的微应用软件,其具有短、平、快的开发特点,且无需下载、使用广泛。微信小程序架构稳定且接口丰富,所以使用微信小程序及时地展示睡眠情况报告不失为一个很好的方案。
通过上述分析,现有技术存在的问题及缺陷为:
(1)目前现有的PSG设备体积庞大、操作复杂和使用舒适度低。
(2)现有的智能终端多基于PC端或手机APP,开发周期长、使用即需下载且操作复杂。
所以,解决上述问题的关键,在于打破原本技术成熟的软件硬件框架的同时,保存原有PSG设备的功能并增加一定功能,对硬件做到一体化、小巧化、舒适化;对软件做到操作简单、下载方便等优点。
而本发明在PSG设备的硬件和软件部分进行了针对性改进,特别是在硬件部分做到了一体化、小巧化,软件部分借助手机微信平台开发小程序,让使用者在使用PSG设备时更加方便、舒适,且可实时观测睡眠结果。
发明内容
针对现有技术存在的问题,本发明提供了一种睡眠监测方法、系统、存储介质、计算机程序、装置。
本发明是这样实现的,一种睡眠监测方法,所述睡眠监测方法包括:
第一步,FreeRTOS操作系统、IO口、时钟、WiFi、蓝牙、模数转换器的初始化;
第二步,依次对三路脑电信号、两路眼电信号和一路肌电信号进行数模转换后得到相应的数字信号;
第三步,判断所采集的信号组数量是否填充满WiFi数据包,若没有装满则直接发送蓝牙数据,若装满了则先发送WiFi数据并清空WiFi数据包后再发送蓝牙数据包;
第四步,数模转换数据、交替发送数据,以此往复直至关机。
进一步,所述WiFi数据包大小为1024个字节;所述蓝牙数据包大小为20个字节,其中一组信号包括六路信号,每路信号的数据大小为两个字节;
所述睡眠监测方法发送的命令格式,总共包括三种命令:仅启用WiFi传输数据、仅启用蓝牙传输数据和同时启用WiFi和蓝牙传输数据。
进一步,所述睡眠监测方法还包括:
(1)通过WiFi/蓝牙通信方式接收主机发送的眼电、脑电、肌电数据;
(2)构建自动睡眠分期模型将数据处理过程中提取的19个特征值放入模型进行训练,并构建出自动分期模型,当有新的睡眠数据进入该模型时,即可自动输出睡眠分期预测结果;
(3)睡眠报告模块展示睡眠情况。
进一步,所述睡眠分期使用Boosting算法家族中的极端梯度提升XGBoost对输入的特征空间进行睡眠五分期模型的建立;XGBoost算法利用各级弱分类器残差的导数信息迭代进行分类模型的学习和构建,满足停止条件时则完成模型的构建,否则就继续迭代过程;
集成模型为:
其中K为树的总数,fk表示第k棵树,表示样本xi的预测结果;
XGBoost算法以并行方式并辅以损失函数的增益选择特征和特征的最佳分割点,其目标函数或者损失函数为:
其中i表示第i个样本,表示第i个样本的预测误差;/>表示正则项或树的复杂度,其为:
其中T为第k棵树的叶子节点个数,γ为gamma参数,λ为lambda参数,wj是第k棵树叶子节点的得分值;
所述睡眠报告模块包括夜间睡眠分期分布图、睡眠质量得分、睡眠分期占比;
所述夜间睡眠分期分布图,以睡眠时间为横坐标,将睡眠分期模块得到的分期结果;
所述睡眠质量得分给出使用者整晚睡眠质量得分,其中睡眠总时长、各睡眠分期占比等都是决定睡眠质量得分的因素;
所述睡眠分期占比展示睡眠各个分期时长占整晚睡眠时长比例图,并具体显示各个分期占比的值,给出对应的健康参考值和相关结果分析,其中REM占整晚睡眠时长的20~25%,N1占整晚睡眠时长的5~10%,N2占整晚睡眠时长的50%,N3占整晚睡眠时长的20~25%;深睡连续性、清醒次数也可反映整晚睡眠质量。
进一步,所述睡眠监测方法的数据预处理使用带宽为0.35-100Hz的4阶巴特沃斯IIR带通滤波器对原始脑电信号、眼电信号、肌电信号进行滤波处理。
本发明的另一目的在于提供一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行权利要求任意一项所述包括下列步骤:
第一步,FreeRTOS操作系统、IO口、时钟、WiFi、蓝牙、模数转换器的初始化;
第二步,依次对三路脑电信号、两路眼电信号和一路肌电信号进行数模转换后得到相应的数字信号;
第三步,判断所采集的信号组数量是否填充满WiFi数据包,若没有装满则直接发送蓝牙数据,若装满了则先发送WiFi数据并清空WiFi数据包后再发送蓝牙数据包;
第四步,数模转换数据、交替发送数据,以此往复直至关机。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的睡眠监测方法。
本发明的另一目的在于提供一种实施所述的睡眠监测方法的睡眠监测系统,所述睡眠监测系统包括:
生理信号采集模块,用于采集生理信号;
生理信号预处理模块,用于将采集生理信号进行放大、滤波处理,发送至手机微信端;
生理信号分析模块,用于对生理信号的数据处理分析得到睡眠监测报告。
进一步,所述生理信号预处理模块包括:
电源管理单元,用于对整个系统供电;
信号处理单元,用于对人体信号进行放大、滤波处理后传给信号采集单元;
信号采集单元,用于采集信号后通过数据传输单元发送至生理信号分析模块;
所述生理信号分析模块包括:
控制模块,用于实现微信小程序对设备的控制功能;
数据处理模块,包括数据接收、预处理、特征提取;
睡眠分期模块,包括算法建模、数据分期预测;
睡眠报告模块,用于得到夜间睡眠分期分布图、睡眠质量得分、睡眠分期占比;使用睡眠监测装置采集人体脑电、眼电和肌电信号,经WiFi和蓝牙交替发送至微信小程序,通过对数据的处理分析后得到睡眠监测报告。
本发明的另一目的在于提供一种搭载所述睡眠监测系统的睡眠监测装置,所述睡眠监测装置包括:面罩、第一脑电电极、第二脑电电极、第一眼电电极、第二眼电电极、第一参考电极、肌电电极、第三脑电电极、第二参考电极、第一柔性电路板、第二柔性电路板、电源开关、纽扣电池、面罩头环;
第一脑电电极、第二脑电电极、第三脑电电极分别位于FP1、FP2、O2;第一眼电电极、第二眼电电极分别设置在面罩内左眼左上方和右眼右下方;肌电电极设置在面罩内下颌;第一参考电极、第二参考电极分别设置在面罩内下颌右上方和耳后乳突;第一柔性电路板、第二柔性电路板分别设置在面罩内左脸颊和右脸颊;电源开关设置在第一柔性电路板、第二柔性电路板上的左下方;纽扣电池设置在第二柔性电路板上;面罩头环为人脸的面罩的整体中脑后固定部分;
微处理器放置在第一柔性电路板。微处理器44号管脚XTAL_N、45号管脚XTAL_P管脚连接40MHz无源晶振,经芯片内部锁相环后可产生高达240MHz的工作频率;45号管脚XTAL_P上串联一个0欧姆电阻;微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5来测量人体生理信号;微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2测量三路脑电信号;用8号管脚ADC1_CH3来测量一路肌电信号;用10号管脚ADC1_CH4、11号管脚ADC1_CH5来测量两路眼电信号;微处理器的2号管脚LNA_IN,为WiFi和蓝牙信号发射和接收信号的管脚,外接天线;
仪表放大器AD8422同相输入端4号管脚连接生理电极,反相输入端1号管脚连接参考电极,用于采集人体生理信号,7号管脚VOUT连接微处理器5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5,并且VOUT[1..6]与VOUT1-6一一对应,通过调节AD8422的匹配电阻R86实现信号放大,再通过R84、R85、C99、C100构成的二阶低通滤波器实现信号滤波;
微控制器ESP32结合外围电路实现人体生理电信号的处理与数据传输,微处理器44号管脚XTAL_N、45号管脚XTAL_P管脚连接40MHz无源晶振;45号管脚XTAL_P上串联一个0欧姆电阻;微处理器9号管脚CHIP_Pu连接复位芯片MAX809/MAX810的2号管脚;使用微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5测量人体生理信号;用微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2来测量三路脑电信号;用8号管脚ADC1_CH3来测量一路肌电信号;用10号管脚ADC1_CH4、11号管脚ADC1_CH5来测量两路眼电信号;微处理器的2号管脚LNA_IN,为WiFi和蓝牙信号发射和接收信号的管脚,外接天线;
电源管理单元包括可充电式纽扣电池和电源滤波电路,纽扣电池设置在第二柔性电路板,滤波电容C2~C12连接微处理器模拟电源1号管脚、46号管脚、43号管脚,滤波电容C13~C17与电感L1连接微处理器数字电源3号管脚、4号管脚、37号管脚、19号管脚。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明面罩内部集成贴合人体的生理电极,可即戴即用,克服了传统睡眠设备操作复杂,舒适度低等缺点;上述生理电极采用导电布电极,相较于传统脑电实验中使用的湿电极或干电极,具有性能良好,舒适度高且易于贴合人体,实验后不用清洗等优点。相较于传统的硬性电路板,柔性电路板是以聚酰亚胺或聚酯薄膜为基材制成的一种具有高度可靠性,绝佳的可挠性印刷电路板。具有配线密度高、重量轻、厚度薄、弯折性好的特点。
本发明采用一款国产微控制器ESP32,微控制器内置的双核并且同时带有WiFi和蓝牙的优点,为系统的长时间连续发送信号提供保障;高达240MHz的工作频率保障产品流畅运行,同时可采集脑电、眼电、肌电六路信号并发送这些信号至手机微信端;内部集成12-bit SAR ADC和16Mbit的内部Flash,无需外置ADC和Flash,进一步减小了PCB板面积;芯片内置空中升级功能,当外部网络通过WiFi与ESP32进行通讯时,可实现远程嵌入式软件的维护和升级。
本发明以脑电、眼电和肌电信号为判别特征,准确科学的监测使用者睡眠状态,并通过微信小程序处理后及时汇报使用者者睡眠质量情况。综上所述,有必要设计一个性能稳定、操作简洁、便携舒适的睡眠监测装置,并配套开发可随时随地观看睡眠情况报告的软件。
与现有技术相比,本发明具有以下优势:
(1)本发明系统将头环式人脸面罩与柔性电路板相结合,设计合理、结构简单且易操作。
(2)本发明所用导电布电极相较于传统湿电极或干电极,具有性能良好、舒适度高且易于贴合人体、实验后不用清洗等优点。
(3)本发明所采用芯片内部集成了模数转换器和无线通信模块,无需外置模数转换器和通信模块,减小PCB电路体积的同时也降低了系统成本。
(4)本发明可以同时使用WiFi和蓝牙传输数据,使得本系统即使受到外部因素影响断开其中一个通信,另外一个通信机制的存在也可以保证数据的传输,从而保证数据的完善。
(5)本发明可实现远程空中升级,通过网络通讯对本系统嵌入式软件进行维护与升级。
(6)使用微信小程序作为睡眠数据处理和分期的终端,便于随时随地观察结果。
(7)本发明睡眠分期算法采用XGBoost模型,相较传统分类算法其分类准确度更高。
附图说明
图1是本发明实施例提供的睡眠监测方法流程图。
图2是本发明实施例提供的睡眠监测系统的结构示意图。
图3是本发明实施例提供的睡眠监测装置结构示意图;
图中:(a)面罩、第一脑电电极、第二脑电电极的结构示意图;(b)面罩头环的结构示意图。
图4是本发明实施例提供的信号处理单元中微控制器的电路图。
图5是本发明实施例提供的信号处理单元中生理信号放大及滤波电路的电路图。
图6是本发明实施例提供的电源管理单元的电路图。
图7是本发明实施例提供的硬件端嵌入式软件流程图。
图8是本发明实施例提供的WiFi和蓝牙的数据传输格式示意图。
图9是本发明实施例提供的WiFi和蓝牙的命令传输格式示意图。
图10是本发明实施例提供的微信小程序端整体框架图。
图11是本发明实施例提供的微信小程序数据处理流程图。
图12是本发明实施例提供的微信小程序睡眠分期算法XGBoost的原理图。
图13是本发明实施例提供的微信小程序睡眠报告示意图。
图中:1、面罩;2、第一脑电电极;3、第二脑电电极;4、第一眼电电极;5、第二眼电电极;6、第一参考电极;7、肌电电极;8、第三脑电电极;9、第二参考电极;10、第一柔性电路板;11、第二柔性电路板;12、电源开关;13、纽扣电池;14、面罩头环;15、生理信号采集模块;16、生理信号预处理模块;17、生理信号分析模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种睡眠监测方法、系统、存储介质、计算机程序、装置,下面结合附图对本发明作详细的描述。
如图1所示,本发明提供的睡眠监测方法包括以下步骤:
S101:FreeRTOS操作系统、IO口、时钟、WiFi、蓝牙、模数转换器等初始化;
S102:依次对三路脑电信号、两路眼电信号和一路肌电信号进行数模转换后得到相应的数字信号;
S103:判断所采集的信号组数量是否填充满WiFi数据包,若没有装满则直接发送蓝牙数据,若装满了则先发送WiFi数据并清空WiFi数据包后再发送蓝牙数据包;
S104:数模转换数据、交替发送数据,以此往复直至关机。
如图2所示,本发明提供的睡眠监测系统包括:
生理信号采集模块15,用于采集生理信号。
生理信号预处理模块16,用于将采集生理信号进行放大、滤波处理,发送至手机微信端。
生理信号分析模块17,用于对生理信号的数据处理分析得到睡眠监测报告。
本发明的生理信号预处理模块16包括电源管理单元、信号处理单元、信号采集单元和数据传输单元。
电源管理单元,用于对整个系统供电。
信号处理单元,用于对人体信号进行放大、滤波处理后传给信号采集单元。
信号采集单元,用于采集信号后通过数据传输单元发送至生理信号分析模块3。
本发明的生理信号分析模块17包括:控制模块、数据处理模块、睡眠分期模块、睡眠情况报告模块。
控制模块,用于实现微信小程序对设备的控制功能。
数据处理模块,包括数据接收、预处理、特征提取。
睡眠分期模块,包括算法建模、数据分期预测。
睡眠报告模块,用于得到夜间睡眠分期分布图、睡眠质量得分、睡眠分期占比;使用睡眠监测装置采集人体脑电、眼电和肌电信号,经WiFi和蓝牙交替发送至微信小程序,通过对数据的处理分析后得到睡眠监测报告。
下面结合附图对本发明的技术方案作进一步的描述。
如图3所示,本发明提供的睡眠监测装置包括:面罩1、第一脑电电极2、第二脑电电极3、第一眼电电极4、第二眼电电极5、第一参考电极6、肌电电极7、第三脑电电极8、第二参考电极9、第一柔性电路板10、第二柔性电路板11、电源开关12、纽扣电池13、面罩头环14。
第一脑电电极2、第二脑电电极3、第三脑电电极8参考国标10-20系统分别位于FP1、FP2、O2;第一眼电电极4、第二眼电电极5分别设置在面罩1内左眼左上方和右眼右下方;肌电电极设置在面罩1内下颌;第一参考电极6、第二参考电极9分别设置在面罩1内下颌右上方和耳后乳突;第一柔性电路板10、第二柔性电路板11设置在面罩1内左脸颊和右脸颊;电源开关12设置在第一柔性电路板10、第二柔性电路板11上的左下方;纽扣电池13设置在第二柔性电路板11上;面罩头环14为人脸的面罩1的整体中脑后固定部分。
如图4所示,仪表放大器AD8422同相输入端4号管脚连接生理电极,反相输入端1号管脚连接参考电极,用于采集人体生理信号,7号管脚VOUT连接图5(a)中微处理器5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5,并且图4中VOUT[1..6]与图5(a)中VOUT1-6一一对应,通过调节AD8422的匹配电阻R86实现信号放大,再通过R84、R85、C99、C100构成的二阶低通滤波器实现信号滤波。
如图5所示,(a)中微控制器ESP32结合外围电路实现人体生理电信号的处理与数据传输。微处理器44号管脚XTAL_N、45号管脚XTAL_P管脚连接(c)中40MHz无源晶振,经芯片内部锁相环后可产生高达240MHz的工作频率;45号管脚XTAL_P上串联一个0欧姆电阻可以减小晶振的驱动能力,减弱晶振谐波对射频信号的影响;微处理器9号管脚CHIP_Pu连接(b)中复位芯片MAX809/MAX810的2号管脚,以防止微处理器9号管脚CHIP_Pu电平低于0.6V使微处理器下电。微处理器带有多达18路通道的12位ADC,其采样速度高达2Msps,完全能够满足本产品对于脑电、眼电、肌电的采集;使用微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5来测量人体生理信号;用微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2来测量三路脑电信号;用8号管脚ADC1_CH3来测量一路肌电信号;用10号管脚ADC1_CH4、11号管脚ADC1_CH5来测量两路眼电信号;微处理器的2号管脚LNA_IN,为WiFi和蓝牙信号发射和接收信号的管脚,需要外接天线。本产品使用板载天线,在开发产品的过程中已经把射频性能调试到最佳状态。
如图6所示,电源管理单元包括可充电式纽扣电池和电源滤波电路,纽扣电池设置在第二柔性电路板,为整个系统提供稳定的3.3V工作电压,滤波电容C2~C12连接图5(a)微处理器模拟电源1号管脚、46号管脚、43号管脚,滤波电容C13~C17与电感L1连接图5(a)微处理器数字电源3号管脚、4号管脚、37号管脚、19号管脚,靠近电源管脚放置上述滤波电容,目的为抑制电源高频噪声,增加系统抗干扰能力。
如图7所示,当面罩系统开机时,系统进行初始化,包括对FreeRTOS操作系统、IO口、时钟、WiFi、蓝牙、模数转换器等初始化。首先依次对三路脑电信号、两路眼电信号和一路肌电信号进行数模转换后得到相应的数字信号,接着判断所采集的信号组数量是否填充满WiFi数据包,若没有装满则直接发送蓝牙数据,若装满了则先发送WiFi数据并清空WiFi数据包后再发送蓝牙数据包,接着又数模转换数据、交替发送数据,以此往复直至系统关机。
如图8所示,为微控制器向手机微信端发送的数据格式,WiFi数据包大小为1024个字节,经实测,微控制器在WiFi传输过程中数据包大小为1024个字节速度最快;蓝牙数据包大小为20个字节。其中一组信号包括六路信号,每路信号的数据大小为两个字节。
如图9所示,为手机微信端向微控制器发送的命令格式,总共包括三种命令:仅启用WiFi传输数据、仅启用蓝牙传输数据和同时启用WiFi和蓝牙传输数据。WiFi命令包大小为1024个字节,蓝牙命令包大小为20个字节。
如图10所示,该控制模块实现微信小程序端对设备的控制功能,这些控制功能包括启用WiFi传输模式、启用蓝牙传输模式、同时启用WiFi/蓝牙模式。
该数据处理模块包括数据接收、数据预处理、特征提取。该数据接收指其通过WiFi/蓝牙通信方式接收主机发送的眼电、脑电、肌电数据,两种数据传输模式保证了数据传输的实时性、准确性。
该睡眠分期模块包括使用XGBoost算法构建自动睡眠分期模型、对新的睡眠数据进行自动分期。构建自动睡眠分期模型时,将数据处理过程中提取的19个特征值放入模型进行训练,并构建出自动分期模型,当有新的睡眠数据进入该模型时,即可自动输出睡眠分期预测结果。
该睡眠报告模块展示使用者的睡眠情况。
如图11所示,数据预处理使用带宽为0.35-100Hz的4阶巴特沃斯IIR带通滤波器对原始脑电信号、眼电信号、肌电信号进行滤波处理,以抑制信号的直流成分、噪声和高频非目标信号。
归一化处理指在已知系统增益和ADC参数的情况下,将得到的数据除以系统增益,得到原始电压值。
依据美国睡眠医学会(AASM,American Academy of Sleep Medicine)睡眠分期标准,将得到的滤波数据按时间序列进行无重叠的30秒分段,并对分段信号加上汉明窗以防止数据截断时发生频谱泄露。
特征提取模块中,参考AASM发布的标准,上述19种特征值如图12所示。
并且根据AASM的睡眠分期标准,睡眠状态可分为清醒期Wake期、非快速眼动I期N1期、非快速眼动II期N2期、非快速眼动III期N3期和快速眼动期REM期这个五个状态。
如图12所示,该睡眠分期模块使用Boosting算法家族中的极端梯度提升(XGBoost)对上述输入的特征空间进行睡眠五分期模型的建立。具体来说,该XGBoost算法利用各级弱分类器残差的导数信息迭代进行分类模型的学习和构建,满足停止条件时则完成模型的构建,否则就继续迭代过程。
Boosting集成思想建立树,其实是一种加法模型,其具体是指将多个学习模型组合,以获得更好的效果,使组合后的模型具有更强的泛化能力。其中集成模型为:
其中K为树的总数,fk表示第k棵树,表示样本xi的预测结果。并且建立树时,下一棵决策树输入样本会与前面决策树的训练和预测相关,这也是Boosting集成思想的体现。
对于XGBoost算法来说,其每一步的弱预测模型生成都是依据损失函数的梯度方向,采用的是分步前向加性模型,最后的预测结果由所有的弱预测模型分权相加得到。并且XGBoost算法以并行方式并辅以损失函数的增益选择特征和特征的最佳分割点,其目标函数或者损失函数为:
其中i表示第i个样本,表示第i个样本的预测误差。而/>表示正则项或树的复杂度,其为:
其中T为第k棵树的叶子节点个数,γ为gamma参数,λ为lambda参数,wj是第k棵树叶子节点的得分值(权重)。
总的来说,在一定范围内,损失函数越小,模型分类结果越好;正则项越小,树的结构和模型的泛化能力越好。而该XGBoost算法与其他分类方法相比,其优点有:其使用了最优化原则,是思想上的一个创新;其损失函数可以自定义,起到防过拟合的作用;在枚举选择最佳分裂点时,并行计算增益,使得训练速度加快;还特别设计了针对稀疏数据的算法,也就是假设样本的第i个特征缺失时,无法利用该特征对样本进行划分,XGBoost算法做法是将该样本默认地分到指定的子节点;可实现后剪枝;XGBoost算法还可以进行交叉验证以便终止建树;行采样、列采样控制,防止过拟合;XGBoost算法还支持设置样本权重,这个权重体现在梯度gi和二阶梯度hi上,重点关注某些样本。
本发明中,考虑到该小程序的负载能力,将该XGBoost算法的一些关键参数设置为:eta(0.3)、min_child_weight(1)、max_depth(8)、gamma(1)、lambda(1)、alpha(1)、booster(gbtree)、objective(softmax)。
如图13所示,睡眠报告模块包括夜间睡眠分期分布图、睡眠质量得分模块、睡眠分期占比模块。
夜间睡眠分期分布图以睡眠时间为横坐标,将睡眠分期模块得到的分期结果,也就是睡眠分期Wake、N1、N2、N3、REM期按时间的分布作为显示内容。
睡眠质量得分模块会给出使用者整晚睡眠质量得分,其中睡眠总时长、各睡眠分期占比等都是决定睡眠质量得分的因素。总睡眠情况概述会说明睡眠总时长、睡眠质量情况的总体评价并给出相关促进睡眠的建议。
睡眠分期占比模块会展示睡眠各个分期时长占整晚睡眠时长比例图,并具体显示各个分期占比的值,还会给出对应的健康参考值和相关结果分析,其中REM占整晚睡眠时长的20~25%,N1占整晚睡眠时长的5~10%,N2占整晚睡眠时长的50%,N3占整晚睡眠时长的20~25%。除此之外,还加入深睡连续性、清醒次数一起对整晚睡眠质量进行考量。
本发明设计合理、结构简单、成本低、操作简洁且人体舒适度较高,以脑电、眼电、肌电信号作为睡眠状态判别标准,准确度和科学性较高。同时,使用微信小程序可让用户随时随地观看自己的睡眠情况报告。为了对本发明的创造性进行进一步展示。
表1时域特征、时频域特征、非线性特征和复杂度特征
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种睡眠监测方法,其特征在于,所述睡眠监测方法包括:
第一步,FreeRTOS操作系统、IO口、时钟、WiFi、蓝牙、模数转换器的初始化;
第二步,依次对三路脑电信号、两路眼电信号和一路肌电信号进行数模转换后得到相应的数字信号;
第三步,判断所采集的信号组数量是否填充满WiFi数据包,若没有装满则直接发送蓝牙数据,若装满了则先发送WiFi数据并清空WiFi数据包后再发送蓝牙数据包;
第四步,数模转换数据、交替发送数据,以此往复直至关机;
实施所述睡眠监测方法的睡眠监测装置,包括:面罩、第一脑电电极、第二脑电电极、第一眼电电极、第二眼电电极、第一参考电极、肌电电极、第三脑电电极、第二参考电极、第一柔性电路板、第二柔性电路板、电源开关、纽扣电池、面罩头环;
第一脑电电极、第二脑电电极、第三脑电电极分别位于FP1、FP2、O2;第一眼电电极、第二眼电电极分别设置在面罩内左眼左上方和右眼右下方;肌电电极设置在面罩内下颌;第一参考电极、第二参考电极分别设置在面罩内下颌右上方和耳后乳突;第一柔性电路板、第二柔性电路板设置在面罩内左脸颊和右脸颊;电源开关设置在第一柔性电路板、第二柔性电路板上的左下方;纽扣电池设置在第二柔性电路板上;面罩头环为人脸的面罩的整体中脑后固定部分;
微处理器44号管脚XTAL_N、45号管脚XTAL_P管脚连接40MHz无源晶振,经芯片内部锁相环后可产生高达240MHz的工作频率;45号管脚XTAL_P上串联一个0欧姆电阻;微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5来测量人体生理信号;微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2测量三路脑电信号;用8号管脚ADC1_CH3来测量一路肌电信号;用10号管脚ADC1_CH4、11号管脚ADC1_CH5来测量两路眼电信号;微处理器的2号管脚LNA_IN,为WiFi和蓝牙信号发射和接收信号的管脚,外接天线;
仪表放大器AD8422同相输入端4号管脚连接生理电极,反相输入端1号管脚连接参考电极,用于采集人体生理信号,7号管脚VOUT连接微处理器5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5,并且VOUT[1..6]与VOUT1-6一一对应,通过调节AD8422的匹配电阻R86实现信号放大,再通过R84、R85、C99、C100构成的二阶低通滤波器实现信号滤波;
微控制器ESP32结合外围电路实现人体生理电信号的处理与数据传输,微处理器44号管脚XTAL_N、45号管脚XTAL_P管脚连接40MHz无源晶振;微处理器9号管脚CHIP_Pu连接复位芯片MAX809/MAX810的2号管脚;使用微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2、8号管脚ADC1_CH3、10号管脚ADC1_CH4、11号管脚ADC1_CH5测量人体生理信号;用微处理器的5号管脚ADC1_CH0、6号管脚ADC1_CH1、7号管脚ADC1_CH2来测量三路脑电信号;
电源管理单元包括可充电式纽扣电池和电源滤波电路,纽扣电池设置在第二柔性电路板,滤波电容C2~C12连接微处理器模拟电源1号管脚、46号管脚、43号管脚,滤波电容C13~C17与电感L1连接微处理器数字电源3号管脚、4号管脚、37号管脚、19号管脚。
2.如权利要求1所述的睡眠监测方法,其特征在于,所述WiFi数据包大小为1024个字节;所述蓝牙数据包大小为20个字节,其中一组信号包括六路信号,每路信号的数据大小为两个字节;
所述睡眠监测方法发送的命令格式,总共包括三种命令:仅启用WiFi传输数据、仅启用蓝牙传输数据和同时启用WiFi和蓝牙传输数据。
3.如权利要求1所述的睡眠监测方法,其特征在于,所述睡眠监测方法还包括:
(1)通过WiFi/蓝牙通信方式接收主机发送的眼电、脑电、肌电数据;
(2)构建自动睡眠分期模型将数据处理过程中提取的19个特征值放入模型进行训练,并构建出自动分期模型,当有新的睡眠数据进入该模型时,即可自动输出睡眠分期预测结果;
(3)睡眠报告模块展示睡眠情况。
4.如权利要求3所述的睡眠监测方法,其特征在于,所述睡眠分期使用Boosting算法家族中的极端梯度提升XGBoost对输入的特征空间进行睡眠五分期模型的建立;XGBoost算法利用各级弱分类器残差的导数信息迭代进行分类模型的学习和构建,满足停止条件时则完成模型的构建,否则就继续迭代过程;
集成模型为:;
其中K为树的总数,表示第k棵树,/>表示样本/>的预测结果;
XGBoost算法以并行方式并辅以损失函数的增益选择特征和特征的最佳分割点,其目标函数或者损失函数为:;
其中i表示第i个样本, 表示第i个样本的预测误差;/>表示正则项或树的复杂度,其为:/>;
其中T为第k棵树的叶子节点个数,为gamma参数,/>为lambda参数,/>是第k棵树叶子节点的得分值;
所述睡眠报告模块包括夜间睡眠分期分布图、睡眠质量得分、睡眠分期占比;
所述夜间睡眠分期分布图,以睡眠时间为横坐标,将睡眠分期模块得到的分期结果作为显示内容;
所述睡眠质量得分给出使用者整晚睡眠质量得分,其中睡眠总时长、各睡眠分期占比都是决定睡眠质量得分的因素;
所述睡眠分期占比展示睡眠各个分期时长占整晚睡眠时长比例图,并具体显示各个分期占比的值,给出对应的健康参考值和相关结果分析,其中REM占整晚睡眠时长的20~25%,N1占整晚睡眠时长的5~10%,N2占整晚睡眠时长的50%,N3占整晚睡眠时长的20~25%;深睡连续性、清醒次数也可反映整晚睡眠质量。
5.如权利要求1所述的睡眠监测方法,其特征在于,所述睡眠监测方法的数据预处理使用带宽为0.35-100Hz的4 阶巴特沃斯 IIR 带通滤波器对原始脑电信号、眼电信号、肌电信号进行滤波处理。
6.一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行权利要求1~5任意一项所述睡眠监测方法。
7.一种实施权利要求1~5任意一项所述的睡眠监测方法的睡眠监测系统,其特征在于,所述睡眠监测系统包括:
生理信号采集模块,用于采集生理信号;
生理信号预处理模块,用于将采集生理信号进行放大、滤波处理,发送至手机微信端;
生理信号分析模块,用于对生理信号的数据处理分析得到睡眠监测报告。
8.如权利要求7所述的睡眠监测系统,其特征在于,所述生理信号预处理模块包括:
电源管理单元,用于对整个系统供电;
信号处理单元,用于对人体信号进行放大、滤波处理后传给信号采集单元;
信号采集单元,用于采集信号后通过数据传输单元发送至生理信号分析模块;
所述生理信号分析模块包括:
控制模块,用于实现微信小程序对设备的控制功能;
数据处理模块,包括数据接收、预处理、特征提取;
睡眠分期模块,包括算法建模、数据分期预测;
睡眠报告模块,用于得到夜间睡眠分期分布图、睡眠质量得分、睡眠分期占比;使用睡眠监测装置采集人体脑电、眼电和肌电信号,经WiFi和蓝牙交替发送至微信小程序,通过对数据的处理分析后得到睡眠监测报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010370089.6A CN111466910B (zh) | 2020-04-30 | 2020-04-30 | 一种睡眠监测方法、系统、存储介质、计算机程序、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010370089.6A CN111466910B (zh) | 2020-04-30 | 2020-04-30 | 一种睡眠监测方法、系统、存储介质、计算机程序、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111466910A CN111466910A (zh) | 2020-07-31 |
CN111466910B true CN111466910B (zh) | 2023-11-21 |
Family
ID=71757217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010370089.6A Active CN111466910B (zh) | 2020-04-30 | 2020-04-30 | 一种睡眠监测方法、系统、存储介质、计算机程序、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111466910B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112353401B (zh) * | 2020-10-19 | 2022-04-19 | 燕山大学 | 一种基于生理状态评估的分期调控方法 |
CN112450881B (zh) * | 2020-11-12 | 2021-11-02 | 武汉大学 | 一种基于时序关联性驱动的多模态睡眠分期方法 |
CN113180621B (zh) * | 2021-03-05 | 2024-01-26 | 上海立阖泰医疗科技有限公司 | 基于freeRTOS的连续无创血压测量系统 |
CN113080864B (zh) * | 2021-04-07 | 2022-02-01 | 电子科技大学 | 一种通过自动睡眠分期结果的常见睡眠疾病检测方法 |
CN113208625A (zh) * | 2021-04-07 | 2021-08-06 | 北京脑陆科技有限公司 | 一种基于LightGBM算法的睡眠分期方法、系统 |
CN113576410B (zh) * | 2021-07-20 | 2022-09-02 | 电子科技大学 | 一种入睡过程动态连续分析方法 |
CN113520328B (zh) * | 2021-08-16 | 2023-11-24 | 成都云卫康医疗科技有限公司 | 一种睡眠质量评价方法 |
CN114793947B (zh) * | 2022-04-15 | 2023-02-03 | 清华大学 | 动物行为分析系统及方法 |
CN115496105B (zh) * | 2022-09-28 | 2023-10-24 | 广东省新黄埔中医药联合创新研究院 | 睡眠预测模型训练方法、睡眠状况预测方法及相关装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104519151A (zh) * | 2014-04-30 | 2015-04-15 | 冯林 | 移动终端来电感应系统 |
CN105744563A (zh) * | 2016-05-10 | 2016-07-06 | 南京大学 | 一种基于蓝牙协作的adhoc网络多信道通信方法 |
WO2017016086A1 (zh) * | 2015-07-30 | 2017-02-02 | 华南理工大学 | 基于生理信息的抑郁症评估系统及其评估方法 |
CN106792954A (zh) * | 2016-12-16 | 2017-05-31 | 中南大学 | 一种基于环境感知的蓝牙与Wifi切换方法及传输设备 |
WO2018170581A1 (en) * | 2017-03-23 | 2018-09-27 | Plantiga Technologies Inc. | Movement sensing apparatus for use in a footwear item |
CN108596043A (zh) * | 2018-03-29 | 2018-09-28 | 中国药科大学 | 基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法 |
CN108616547A (zh) * | 2016-12-02 | 2018-10-02 | 武汉斗鱼网络科技有限公司 | 一种传输文件的方法及装置 |
CN108742517A (zh) * | 2018-03-27 | 2018-11-06 | 重庆邮电大学 | 一种基于Stacking单导联脑电睡眠自动分期方法 |
CN109077722A (zh) * | 2018-07-04 | 2018-12-25 | 电子科技大学 | 一种便携式生理信号多模态采集装置 |
CN109150399A (zh) * | 2018-08-14 | 2019-01-04 | Oppo广东移动通信有限公司 | 数据传输方法、装置、电子设备及计算机可读介质 |
CN109222901A (zh) * | 2017-08-22 | 2019-01-18 | 索思(苏州)医疗科技有限公司 | 一种生物电信号记录仪及睡眠监测系统 |
CN109497988A (zh) * | 2018-12-13 | 2019-03-22 | 复旦大学 | 用于家庭睡眠监测领域的多模态生理电信号监护系统 |
CN109875514A (zh) * | 2019-03-22 | 2019-06-14 | 杭州兆观传感科技有限公司 | 一种睡眠监测装置及系统 |
CN111053540A (zh) * | 2019-12-23 | 2020-04-24 | 浙江大学 | 一种基于机器学习的crrt上机病人体温校正系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101507786B1 (ko) * | 2008-03-31 | 2015-04-03 | 엘지전자 주식회사 | 단말기 및 이것의 간섭 개선 방법 |
US20190380597A1 (en) * | 2018-06-15 | 2019-12-19 | Newton Howard | Device for monitoring activities of daily living and physiological parameters to determine a condition and diagnosis of the human brain and body |
-
2020
- 2020-04-30 CN CN202010370089.6A patent/CN111466910B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104519151A (zh) * | 2014-04-30 | 2015-04-15 | 冯林 | 移动终端来电感应系统 |
WO2017016086A1 (zh) * | 2015-07-30 | 2017-02-02 | 华南理工大学 | 基于生理信息的抑郁症评估系统及其评估方法 |
CN105744563A (zh) * | 2016-05-10 | 2016-07-06 | 南京大学 | 一种基于蓝牙协作的adhoc网络多信道通信方法 |
CN108616547A (zh) * | 2016-12-02 | 2018-10-02 | 武汉斗鱼网络科技有限公司 | 一种传输文件的方法及装置 |
CN106792954A (zh) * | 2016-12-16 | 2017-05-31 | 中南大学 | 一种基于环境感知的蓝牙与Wifi切换方法及传输设备 |
WO2018170581A1 (en) * | 2017-03-23 | 2018-09-27 | Plantiga Technologies Inc. | Movement sensing apparatus for use in a footwear item |
CN109222901A (zh) * | 2017-08-22 | 2019-01-18 | 索思(苏州)医疗科技有限公司 | 一种生物电信号记录仪及睡眠监测系统 |
CN108742517A (zh) * | 2018-03-27 | 2018-11-06 | 重庆邮电大学 | 一种基于Stacking单导联脑电睡眠自动分期方法 |
CN108596043A (zh) * | 2018-03-29 | 2018-09-28 | 中国药科大学 | 基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法 |
CN109077722A (zh) * | 2018-07-04 | 2018-12-25 | 电子科技大学 | 一种便携式生理信号多模态采集装置 |
CN109150399A (zh) * | 2018-08-14 | 2019-01-04 | Oppo广东移动通信有限公司 | 数据传输方法、装置、电子设备及计算机可读介质 |
CN109497988A (zh) * | 2018-12-13 | 2019-03-22 | 复旦大学 | 用于家庭睡眠监测领域的多模态生理电信号监护系统 |
CN109875514A (zh) * | 2019-03-22 | 2019-06-14 | 杭州兆观传感科技有限公司 | 一种睡眠监测装置及系统 |
CN111053540A (zh) * | 2019-12-23 | 2020-04-24 | 浙江大学 | 一种基于机器学习的crrt上机病人体温校正系统 |
Non-Patent Citations (1)
Title |
---|
基于优化聚类的IXGBoost短期电力负荷预测;任利强等;《计算机与数字工程》;第第48卷卷(第第4期期);第741-747页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111466910A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111466910B (zh) | 一种睡眠监测方法、系统、存储介质、计算机程序、装置 | |
CN105852886B (zh) | 面向大学生的精神压力评估及高危人群干预系统 | |
CN104510463A (zh) | 基于可穿戴装置的心电检测装置 | |
CN206007243U (zh) | 一种心电检测装置 | |
CN205758549U (zh) | 一种低功耗便携式心电监护系统 | |
CN106647952A (zh) | 检测可穿戴设备是否佩戴的方法与装置以及可穿戴设备 | |
US20150289791A1 (en) | Pulse Oximeter Using Burst Sampling | |
CN205795657U (zh) | 一种采集睡眠过程中心冲击信号的装置 | |
CN205041399U (zh) | 智能心电监护系统 | |
CN106343973A (zh) | 一种人体体征检测装置 | |
CN103251393A (zh) | 便携式测量血氧、血糖和脉搏的系统及其制造方法 | |
CN108606789A (zh) | 一种应用于抑郁情绪监测的脑电头箍 | |
CN105769179B (zh) | 一种便携式十二导联心电信号同步采集装置 | |
CN206934102U (zh) | 微型化低功耗脑电信号采集与无线传输设备 | |
CN103584859B (zh) | 一种电声门图仪 | |
CN218500702U (zh) | 一种用于智能设备的屏下血压测量系统 | |
CN104720789A (zh) | 单开关心电测量仪及测量方法 | |
CN206473320U (zh) | 脑电监测装置和系统 | |
CN203341737U (zh) | 一种电声门图仪 | |
CN204428025U (zh) | 基于可穿戴装置的心电检测装置 | |
CN103690159A (zh) | 一种便携式心电监护仪 | |
Li et al. | A Wearable EEG Real-time Measure and Analysis Platform for Home Applications | |
CN215227571U (zh) | 一种人体健康参数监测装置 | |
CN219661730U (zh) | 一种低功耗便携式的单导联心电监护系统 | |
CN211719008U (zh) | 一种基于蓝牙技术的bcg信号监测预警器 |
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 |