CN112006652B - 睡眠状态检测方法和系统 - Google Patents
睡眠状态检测方法和系统 Download PDFInfo
- Publication number
- CN112006652B CN112006652B CN201910457634.2A CN201910457634A CN112006652B CN 112006652 B CN112006652 B CN 112006652B CN 201910457634 A CN201910457634 A CN 201910457634A CN 112006652 B CN112006652 B CN 112006652B
- Authority
- CN
- China
- Prior art keywords
- information
- data
- sleep
- sleep stage
- module
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 216
- 230000008667 sleep stage Effects 0.000 claims abstract description 225
- 238000004458 analytical method Methods 0.000 claims abstract description 141
- 230000007613 environmental effect Effects 0.000 claims abstract description 135
- 238000012549 training Methods 0.000 claims abstract description 104
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000002618 waking effect Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 115
- 230000007246 mechanism Effects 0.000 claims description 52
- 238000007726 management method Methods 0.000 claims description 38
- 230000037053 non-rapid eye movement Effects 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000004461 rapid eye movement Effects 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 4
- 241001522296 Erithacus rubecula Species 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 4
- 230000004424 eye movement Effects 0.000 description 4
- 241001669679 Eleotris Species 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 241000997494 Oneirodidae Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010029412 Nightmare Diseases 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange 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
- A61B5/48—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
- A61B5/72—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Anesthesiology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种睡眠状态检测方法和系统中包括设定信息获取策略和干预策略的步骤A;步骤B获取睡眠状态下的生理参数和环境信息,并决定是否进行环境干预;步骤C:清醒状态下,采集睡眠体验数据;步骤D:专业数据分析步骤;对生理参数、环境信息、睡眠阶段检测信息、睡眠体验数据进行分析获得梦境阶段专业分析信息;步骤E:学习训练步骤;将步骤CD获得的信息进行整合,生成训练储备样本集,对步骤B中的分析方法进行训练并更新相应分析方法的计算参数;从步骤B、步骤C、步骤D到步骤E执行过程是依次轮循一次或多次后,再回到步骤B或步骤A。上述睡眠状态检测方法和系统,能形成一个完整的具有学习能力的闭环训练方法和系统。
Description
技术领域
本发明涉及睡眠状态检测系统和方法,具体涉及睡眠状态检测尤其是梦境检测系统及方法。
背景技术
现代临床研究表明,人的睡眠会分成多个不同阶段,这些阶段包括清醒期、非快速眼动期(NREM, non repaid eye movement)和快速眼动期(REM, repaid eye movement)。非快速眼动期即NREM期又细分为多个阶段,不同的研究时期,划分阶段总数略有不同,本文以N1,N2,N3三个阶段来进行表述。正常睡眠阶段通常是N1->N2->N3->N2->N1->REM,且周期性的在各个阶段依次轮循转换,一个周期通常为60~90分钟。人做梦大多发生在REM期,但极少数的也会在NREM期出现。
从个人体验感知的角度来看,梦有两大类情形,一类是并没有意识到自己做梦;另一种是意识到自己在梦中,这种情形被称为清醒梦(Lucid Dream)。在清醒梦中,人在梦中拥有清醒时的思考和记忆能力,部分的人甚至可使自己梦境中的感觉真实得跟现实世界并无二样,但却知道自己身处梦中。
不少研究表明,清醒梦可缓解人日常所产生的精神压力,甚至可以让人们以另一种方式重新经历日常生活和工作,有效的提高生活质量和工作效率。人在清醒梦状态下,一方面可通过自我意识来主动对梦中的内容进行影响;另一方面,若在清醒梦的情况下,对做梦者处所环境进行干预,也会影响清醒梦的体验。在心理学界已经尝试了多种干预清醒梦的训练方法。然而什么时候人正在经历清醒梦,什么时候对正在做清醒梦的做梦者所处的环境进行干预,从而进一步提高清醒梦对人们的益处,现有技术中并没有相关的系统和设备。
现有技术中,有一些简单的眼罩或其他方式的梦境控制器,采用单向开环式的梦境检测和干预体系,依次进行梦境检测、算法评估和梦境干预。比如采用眼球运动来判定睡者是否在做梦,或通过一些生理参数的组合检测来判定睡者是否在做噩梦,一旦达到或超出预设范围就,启动相关部件唤醒梦者。由于人的个体差异及个体的复杂性,通过简单的判断条件是无法准确识别出是否在做梦,更无法准确识别是否正在经历清醒梦。现有技术中的梦境检测和控制系统并不能对梦者的个体体验及外部专家分析数据进行收集分析,并把这些数据作为变量输入系统,从而对梦者所处环境进行有目标的可监督的自学习调整,提高梦境识别的准确性。
发明内容
本发明要解决的技术问题在于避免上述技术方案的不足,而提出了一种睡眠状态检测方法和系统,能够通过采集体验数据并对相应的数据进行专业分析形成适用于特定个体的学习训练数据集,并利用该学习训练数据集进行分析方法的迭代更新。
一种睡眠状态检测方法包括以下步骤,步骤A:初始设定步骤,起始状态时,设定睡眠状态检测的信息获取策略和干预策略;信息获取策略中包括检测的生理参数和环境信息,干预策略包括环境信息调控模块的动作开启条件和用户对于环境信息调控模块的偏好信息;步骤B:睡眠状态感知与干预步骤;根据步骤A设定的信息获取策略,获取睡眠状态下的生理参数和环境信息,利对睡眠阶段进行分析,得到睡眠阶段检测信息,睡眠阶段检测信息至少包含睡眠分期信息和环境信息调控模块触发与详细调控信息;并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预;步骤C:清醒状态下睡眠体验数据记录分析步骤;在受试者的清醒状态下,记录采集受试者能回忆起来的睡眠状态的睡眠体验数据,利用第三分析方法,将睡眠体验数据和步骤B所检测到的生理参数,环境信息和第一睡眠阶段检测信息进行第三次分析,获得第三睡眠阶段检测信息;第三睡眠阶段检测信息至少包含第三睡眠分期信息、梦境阶段体验信息和第三环境信息调控模块触发与详细调控信息;步骤D:专业数据分析步骤;利用第四分析方法,将步骤B所检测到的生理参数、环境信息、睡眠阶段检测信息、以及步骤C所获得的睡眠体验数据和第三睡眠阶段检测信息进行第四次分析,获得第四睡眠阶段检测信息,第四睡眠阶段检测信息至少包含了第四睡眠分期信息、梦境阶段专业分析信息和第四环境信息调控模块触发与详细调控信息;步骤E:学习训练步骤;将步骤C获得的第三睡眠阶段检测信息和步骤D获得的第四睡眠阶段检测信息进行整合,生成训练储备样本集,对步骤B中的分析方法进行训练并更新相应分析方法的计算参数;从步骤B、步骤C、步骤D到步骤E执行过程是依次轮循的方式,即从步骤B、步骤C、步骤D到步骤E,再回到步骤B或步骤A;或,从步骤B、步骤C、步骤D进行多次循环后,再执行步骤E,之后再回到步骤B或步骤A。
所述的睡眠状态检测方法,步骤B:睡眠状态感知与干预步骤;步骤B中包括以下子步骤:步骤B1:根据步骤A设定的信息获取策略,获取睡眠状态下的生理参数和环境信息,利用第一分析方法,并依据所获得的生理参数和环境信息对睡眠阶段进行第一次分析,得到第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息,第一环境信息调控模块触发与详细调控信息;步骤B2:利用第二分析方法,并根据步骤B1中获得的生理参数,环境信息和第一睡眠阶段检测信息进行第二次分析,获得第二睡眠阶段检测信息,第二睡眠阶段检测信息至少包含第二睡眠分期信息,第一梦境阶段信息,第二环境信息调控模块触发与详细调控信息;步骤B3:根据步骤B1获得的第一睡眠分期信息、第一环境信息调控模块触发与详细调控信息,并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预;或根据步骤B1获得的第一睡眠分期信息、第一环境信息调控模块触发与详细调控信息,以及根据步骤B2获得第二睡眠分期信息、第一梦境阶段信息、第二环境信息调控模块触发与详细调控信息,并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预。
所述的睡眠状态检测方法,干预策略中环境信息调控模块的动作开启条件,至少包含对应于一个或者多个睡眠阶段而触发环境信息调控模块开启的内容。
步骤C中,即清醒状态下睡眠体验数据记录分析步骤中还包括清醒状态下的生理参数和环境信息采集步骤;并将清醒状态下的生理参数和环境信息、步骤B检测到的睡眠状态下的生理参数和环境信息、步骤C采集到的睡眠体验数据和第三睡眠阶段分期数据一同用于步骤D。
在步骤D即专业数据分析步骤中,还包括信息展示步骤,即将步骤B所检测到的生理参数,环境信息,第一睡眠阶段检测信息,第二睡眠阶段检测信息,以及步骤C所获得的睡眠体验数据和第三睡眠阶段检测信息进行数字化展示;数字化展示的方式包含:文字、声音、图片、数据列表、波形和图谱;由专业人员对数字化展示的数据进行第四次分析;第四次分析包括:评估、标定、分类和统计。
在步骤D即专业数据分析步骤中,获得的第四睡眠阶段检测信息中,还包含了专业标定信息和分类信息。
在步骤E即学习训练步骤中,生成训练储备样本集,划分为一组或多组训练数据集(train data)和测试数据集(test data)。
步骤E中训练储备样本集数据的数据来源还包含其他第三方专业数据来源。
解决上述技术问题的技术方案还可以是一种睡眠状态检测系统,包括,生理信号检测传感器模块,用于人体生理信号采集检测;环境信息检测传感器模块,用于环境信息采集检测;环境信息调控模块,用于改变环境信息;第一数据处理模块,用于睡眠周期分析;第二数据处理模块,用于生成学习训练数据样本集;干预机制管理模块,用于环境信息调控模块控制和管理;数据流存储与管理模块,用于系统数据管理;生理信号检测传感器模块获取的生理信息数据传送至数据流存储与管理模块,环境信息检测传感器模块获取的环境信息数据传送至数据流存储与管理模块;数据流存储与管理模块为第一数据处理模块以及第二数据处理模块提供数据源,同时也存储第一数据处理模块和第二数据处理模块生成的数据,将生理信息数据、环境信息数据、第一数据处理模块和第二数据处理模块生成的数据形成基础信息数据集;在第一数据处理模块中,利用第一分析方法,并依据获得的生理参数和环境信息对睡眠阶段进行第一次分析,得到第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息,第一环境信息调控模块触发与详细调控信息;在第一数据处理模块中,利用第二分析方法,并根据获得的生理参数,环境信息和第一睡眠阶段检测信息进行第二次分析,获得第二睡眠阶段检测信息,第二睡眠阶段检测信息至少包含第二睡眠分期信息,第一梦境阶段信息,第二环境信息调控模块触发与详细调控信息;睡眠状态检测系统还包括用于收集受试者清醒状态下的睡眠体验数据的体验信息收集模块;体验信息收集模块收集到的体验信息传送至数据流存储与管理模块;睡眠状态检测系统还包括用于外部专家对生理数据、环境数据和睡眠体验数据进行专业分析标定的专业信息收集模块;专业信息收集模块从数据流存储与管理模块中获取历史睡眠阶段分期数据、历史生理信号数据、历史环境信息数据和历史用户睡眠体验数据,将这些数据在专业信息收集模块中进行专业评定和标记,并将专业评定和标记数据传送至第二数据处理模块形成专业信息数据集;专业信息数据集用于睡眠阶段检测参数训练;输入第二数据处理模块的数据包括睡眠体验数据;在第二数据处理模块中,利用第三分析方法,将睡眠体验数据和生理参数,环境信息和第一睡眠阶段检测信息进行第三次分析,获得第三睡眠阶段检测信息;第三睡眠阶段检测信息至少包含第三睡眠分期信息、梦境阶段体验信息和第三环境信息调控模块触发与详细调控信息;在第二数据处理模块中,利用第四分析方法,将检测到的生理参数,环境信息,第一睡眠阶段检测信息,第二睡眠阶段检测信息,睡眠体验数据和第三睡眠阶段检测信息进行第四次分析,获得第四睡眠阶段检测信息,第四睡眠阶段检测信息至少包含了第四睡眠分期信息,梦境阶段专业分析信息和第四环境信息调控模块触发与详细调控信息;在第二数据处理模块中,将第二数据处理模块获得的第三睡眠阶段检测信息、第四睡眠阶段检测信息以及专业信息数据集进行整合,生成训练储备样本集;第二数据处理模块包括第一数据处理模块训练模块;第一数据处理模块训练模块对第一数据处理模块中的第一分析方法和第二分析方法进行训练并更新第一分析方法或第二分析方法的计算参数,并根据最新训练情况决定是否对睡眠分期检测,梦境检测,干预机制决策策略进行更新。
所述的睡眠状态检测系统,生理信号检测传感器模块检测到的生理信号传送至第一数据处理模块,利用第一分析方法进行第一次睡眠周期和阶段分析,输出第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息;
输出的第一睡眠分期信息至少包括清醒期、非快速眼动期即NREM期、快速眼动期即REM期这三个时段信息,其中非快速眼动期即NREM期还包括细分的N1,N2,N3这三个子阶段的时段信息;
环境信息检测传感器模块检测到的环境信息传送至第一数据处理模块,第一数据处理模块又将环境信息数据和分析获得的第一睡眠阶段检测信息一起输入至干预机制管理模块,干预机制管理模块根据决策策略输出干预决策信息至环境信息调控模块,使环境信息调控模块开启或关闭相应的环境信息调控装置来改变环境信息。
所述的睡眠状态检测系统,第一数据处理模块还包括干预机制决策模块,干预机制决策模块用于形成干预决策;输入至干预机制决策模块的数据包括睡眠阶段分期数据和即时环境数据;
第二数据处理模块还包括干预机制决策训练模块;干预机制决策训练模块根据睡眠体验数据以及专业评定及标记数据进行学习训练更新干预决策策略,并根据最新训练获得的干预决策策略决定是否更新第一数据处理模块中的干预机制决策模块中的决策策略。
同现有技术相比较,本发明的有益效果是:1.睡眠状态检测方法和系统中,通过清醒状态下的睡眠体验数据记录分析步骤和专业数据分析步骤获得更符合实际的训练数据样本集,并将该训练数据样本集用于训练更新相应的睡眠阶段检测信息的分析算法,使得更新学习后的算法更符合实际应用情形,能形成一个完整的带有监督具有学习能力的闭环训练方法和系统;2.睡眠状态检测方法和系统中引入了训练学习更新睡眠阶段检测参数的方法,通过学习和训练能提高睡眠状态检测的准确性;3.引入了训练学习更新干预策略的步骤,通过学习和训练能提高干预策略的有效性。
附图说明
图1是睡眠状态检测系统功能框图;
图2是包含第一数据处理模块的部分详细流程示意图;
图3是包含第二数据处理模块的部分详细程示意图;
图4是系统初始阶段的运行流程示意图;
图5是系统迭代更新阶段的运行流程示意图。
具体实施方式
以下结合各附图对本发明的实施方式做进一步详述。
如图1至3所示的一种睡眠状态检测系统实施例中,包括生理信号检测传感器模块,用于人体生理信号采集检测;环境信息检测传感器模块,用于环境信息采集检测;环境信息调控模块,用于改变环境信息;第一数据处理模块,用于睡眠周期分析;第二数据处理模块,用于生成学习训练数据样本集;干预机制管理模块,用于环境信息调控模块控制和管理;数据流存储与管理模块,用于系统数据管理;生理信号检测传感器模块获取的生理信息数据传送至数据流存储与管理模块,环境信息检测传感器模块获取的环境信息数据传送至数据流存储与管理模块;数据流存储与管理模块为第一数据处理模块以及第二数据处理模块提供数据源,同时也存储第一数据处理模块和第二数据处理模块生成的数据,将生理信息数据、环境信息数据、第一数据处理模块和第二数据处理模块生成的数据形成基础信息数据集;在第一数据处理模块中,利用第一分析方法,并依据获得的生理参数和环境信息对睡眠阶段进行第一次分析,得到第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息,第一环境信息调控模块触发与详细调控信息;在第一数据处理模块中,利用第二分析方法,并根据获得的生理参数,环境信息和第一睡眠阶段检测信息进行第二次分析,获得第二睡眠阶段检测信息,第二睡眠阶段检测信息至少包含第二睡眠分期信息,第一梦境阶段信息,第二环境信息调控模块触发与详细调控信息;睡眠状态检测系统还包括用于收集受试者清醒状态下的睡眠体验数据的体验信息收集模块;体验信息收集模块收集到的体验信息传送至数据流存储与管理模块;睡眠状态检测系统还包括用于外部专家对生理数据、环境数据和睡眠体验数据进行专业分析标定的专业信息收集模块;专业信息收集模块从数据流存储与管理模块中获取历史睡眠阶段分期数据、历史生理信号数据、历史环境信息数据和历史用户睡眠体验数据,将这些数据在专业信息收集模块中进行专业评定和标记,并将专业评定和标记数据传送至第二数据处理模块形成专业信息数据集;专业信息数据集用于睡眠阶段检测参数训练;输入第二数据处理模块的数据包括睡眠体验数据;在第二数据处理模块中,利用第三分析方法,将睡眠体验数据和生理参数,环境信息和第一睡眠阶段检测信息进行第三次分析,获得第三睡眠阶段检测信息;第三睡眠阶段检测信息至少包含第三睡眠分期信息、梦境阶段体验信息和第三环境信息调控模块触发与详细调控信息;在第二数据处理模块中,利用第四分析方法,将检测到的生理参数,环境信息,第一睡眠阶段检测信息,第二睡眠阶段检测信息,睡眠体验数据和第三睡眠阶段检测信息进行第四次分析,获得第四睡眠阶段检测信息,第四睡眠阶段检测信息至少包含了第四睡眠分期信息,梦境阶段专业分析信息和第四环境信息调控模块触发与详细调控信息;在第二数据处理模块中,将第二数据处理模块获得的第三睡眠阶段检测信息、第四睡眠阶段检测信息以及专业信息数据集进行整合,生成训练储备样本集;第二数据处理模块包括第一数据处理模块训练模块;第一数据处理模块训练模块对第一数据处理模块中的第一分析方法和第二分析方法进行训练并更新第一分析方法或第二分析方法的计算参数,并根据最新训练情况决定是否对睡眠分期检测,梦境检测,干预机制决策策略进行更新。
所述的睡眠状态检测系统,生理信号检测传感器模块检测到的生理信号传送至第一数据处理模块,利用第一分析方法进行第一次睡眠周期和阶段分析,输出第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息;
输出的第一睡眠分期信息至少包括清醒期、非快速眼动期即NREM期、快速眼动期即REM期这三个时段信息,其中非快速眼动期即NREM期还包括细分的N1,N2,N3这三个子阶段的时段信息;
环境信息检测传感器模块检测到的环境信息传送至第一数据处理模块,第一数据处理模块又将环境信息数据和分析获得的第一睡眠阶段检测信息一起输入至干预机制管理模块,干预机制管理模块根据决策策略输出干预决策信息至环境信息调控模块,使环境信息调控模块开启或关闭相应的环境信息调控装置来改变环境信息。
所述的睡眠状态检测系统,第一数据处理模块还包括干预机制决策模块,干预机制决策模块用于形成干预决策;输入至干预机制决策模块的数据包括睡眠阶段分期数据和即时环境数据;
第二数据处理模块还包括干预机制决策训练模块;干预机制决策训练模块根据睡眠体验数据以及专业评定及标记数据进行学习训练更新干预决策策略,并根据最新训练获得的干预决策策略决定是否更新第一数据处理模块中的干预机制决策模块中的决策策略。
如图1所示睡眠状态检测系统的实施例中,包括用于人体生理信号采集检测的生理信号检测传感器模块,用于环境信息采集检测的环境信息检测传感器模块,用于改变环境信息的环境信息调控模块,该环境信息调控模块在图中未显示,用于睡眠周期分析的第一数据处理模块,即图1中的数据处理1,用于学习训练睡眠阶段分期数据计算以及学习训练干预决策机制的第二数据处理模块,即图1中的数据处理2,用于环境信息调控模块控制和管理的干预机制管理模块,用于系统数据管理的数据流存储与管理模块;生理信号检测传感器模块获取的生理信息数据和环境信息检测传感器模块获取的环境信息数据都传送至数据流存储与管理模块,数据流存储与管理模块为第一数据处理模块以及第二数据处理模块提供数据源,同时也存储第一数据处理模块和第二数据处理模块生成的数据,将生理信息数据、环境信息数据、第一数据处理模块和第二数据处理模块生成的数据形成基础信息数据集;第一数据处理模块和第二数据处理模块输出干预决策信息至干预机制管理模块,干预机制管理模块控制环境信息调控模块输出相应的环境信息。
生理信号检测传感器模块包括多种生理信号传感器,能检测的生理信号包括但不局限于脑电、心电、肌电、血压、血氧、呼吸、体温、眼球运动信号和肢体活动幅度信号。
环境信息检测传感器模块包括多种环境信息采集传感器,能检测的环境信息包括但不局限于环境温度、环境湿度、环境气压、环境图像和环境声音。
环境信息调控模块包括多种环境信息调控装置,环境信息调控装置包括但不局限于音频内容选择及播放装置、灯光色彩和变化模式选择控制装置、气味选择及释放装置。
生理信号检测传感器模块检测到的生理信号传送至第一数据处理模块,进行睡眠周期和阶段分析,输出睡眠阶段分期数据信息。输出的睡眠阶段分期数据信息包括清醒期、非快速眼动期即NREM期、快速眼动期即REM期这三个时段信息,其中非快速眼动期即NREM期还包括细分的N1,N2,N3这三个子阶段的时段信息。
环境信息检测传感器模块检测到的环境信息传送至第一数据处理模块,环境信息数据和睡眠阶段数据信息一起输入至干预机制管理模块,干预机制管理模块输出信号至环境信息调控模块,使环境信息调控模块开启或关闭相应的环境信息调控装置来改变环境信息。
如图1所示睡眠状态检测系统的实施例中,第二数据处理模块中还包括用于收集清醒状态下的睡眠体验数据的体验信息收集模块,用于外部专家对生理数据、环境数据和睡眠体验数据进行专业分析标定的专业信息收集模块;体验信息收集模块收集到的体验信息传送至数据流存储与管理模块;专业信息收集模块从数据流存储与管理模块中获取历史睡眠阶段分期数据、历史生理信号数据、历史环境信息数据和历史用户睡眠体验数据,将这些数据在专业信息收集模块中进行专业评定和标记,并将专业评定和标记数据传送至第二数据处理模块形成专业信息数据库;专业信息数据库用于睡眠阶段检测参数训练。
在附图中未显示的一些实施例中,第二数据处理模块包括睡眠阶段检测参数训练模块;睡眠阶段检测参数训练模块从专业信息数据库中获取数据进行学习训练更新睡眠阶段检测参数,并根据最新训练获得的睡眠阶段检测参数决定是否更新第一数据处理模块中两种分析算法涉及的睡眠阶段检测参数。
在附图中未显示的一些实施例中,第一数据处理模块还包括干预机制决策模块,干预机制决策模块用于形成干预决策;输入至干预机制决策模块的数据包括睡眠阶段分期数据和即时环境数据;第二数据处理模块还包括干预机制决策训练模块;干预机制决策训练模块根据睡眠体验数据以及专业评定及标记数据进行学习训练更新干预决策策略,并根据最新训练获得的干预决策策略决定是否更新第一数据处理模块中的干预机制决策模块中的决策策略。
一种睡眠状态检测方法,包括以下步骤,步骤A:初始设定步骤,起始状态时,设定睡眠状态检测的信息获取策略和干预策略;信息获取策略中包括检测的生理参数和环境信息,干预策略包括环境信息调控模块的动作开启条件和用户对于环境信息调控模块的偏好信息;
步骤B:睡眠状态感知与干预步骤;步骤B中包括一下子步骤:
步骤B1:根据步骤A设定的信息获取策略,获取睡眠状态下的生理参数和环境信息,利用第一分析方法,并依据所获得的生理参数和环境信息对睡眠阶段进行第一次分析,得到第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息,第一环境信息调控模块触发与详细调控信息;
步骤B2:利用第二分析方法,并根据步骤B1中获得的生理参数,环境信息和第一睡眠阶段检测信息进行第二次分析,获得第二睡眠阶段检测信息,第二睡眠阶段检测信息至少包含第二睡眠分期信息,第一梦境阶段信息,第二环境信息调控模块触发与详细调控信息;
步骤B3:根据步骤B1获得的第一睡眠分期信息、第一环境信息调控模块触发与详细调控信息,并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预;
或根据步骤B1获得的第一睡眠分期信息、第一环境信息调控模块触发与详细调控信息,以及根据步骤B2获得第二睡眠分期信息、第一梦境阶段信息、第二环境信息调控模块触发与详细调控信息,并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预;
步骤C:清醒状态下睡眠体验数据记录分析步骤;
在受试者的清醒状态下,记录采集受试者能回忆起来的睡眠状态的睡眠体验数据,利用第三分析方法,将睡眠体验数据和步骤B所检测到的生理参数,环境信息和第一睡眠阶段检测信息进行第三次分析,获得第三睡眠阶段检测信息;第三睡眠阶段检测信息至少包含第三睡眠分期信息、梦境阶段体验信息和第三环境信息调控模块触发与详细调控信息;
步骤D:专业数据分析步骤;
利用第四分析方法,将步骤B所检测到的生理参数、环境信息、第一睡眠阶段检测信息、第二睡眠阶段检测信息、以及步骤C所获得的睡眠体验数据和第三睡眠阶段检测信息进行第四次分析,获得第四睡眠阶段检测信息,第四睡眠阶段检测信息至少包含了第四睡眠分期信息、梦境阶段专业分析信息和第四环境信息调控模块触发与详细调控信息;
步骤E:学习训练步骤;
将步骤C获得的第三睡眠阶段检测信息和步骤D获得的第四睡眠阶段检测信息进行整合,生成训练储备样本集,对步骤B中的第一分析方法和第二分析方法进行训练并更新相应分析方法的计算参数;
从步骤B、步骤C、步骤D到步骤E执行过程是依次轮循的方式,即从步骤B、步骤C、步骤D到步骤E,再回到步骤B或步骤A;
或,从步骤B、步骤C、步骤D进行多次循环后,再执行步骤E,之后再回到步骤B或步骤A。
所述的睡眠状态检测方法,干预策略中环境信息调控模块的动作开启条件,至少包含对应于一个或者多个睡眠阶段而触发环境信息调控模块开启的内容。
步骤C中,即清醒状态下睡眠体验数据记录分析步骤中还包括清醒状态下的生理参数和环境信息采集步骤;并将清醒状态下的生理参数和环境信息、步骤B检测到的睡眠状态下的生理参数和环境信息、步骤C采集到的睡眠体验数据和第三睡眠阶段分期数据一同用于步骤D。
在步骤D即专业数据分析步骤中,还包括信息展示步骤,即将步骤B所检测到的生理参数,环境信息,第一睡眠阶段检测信息,第二睡眠阶段检测信息,以及步骤C所获得的睡眠体验数据和第三睡眠阶段检测信息进行数字化展示;数字化展示的方式包含:文字、声音、图片、数据列表、波形和图谱;由专业人员对数字化展示的数据进行第四次分析;第四次分析包括:评估、标定、分类和统计。
在步骤D即专业数据分析步骤中,获得的第四睡眠阶段检测信息中,还包含了专业标定信息和分类信息。
在步骤E即学习训练步骤中,生成训练储备样本集,划分为一组或多组训练数据集(train data)和测试数据集(test data)。
步骤E中训练储备样本集数据的数据来源还包含其他第三方专业数据来源。
需要指出的是,上述系统和方法中利用生理参数和环境信息对睡眠阶段进行分析的第一、第二、第三和第四分析方法包括了现有技术中的多种分析方法。对于第一、第二分析方法具体的分析方法可以是名称为“睡眠状态分类器的训练方法和系统”,申请号CN201610839409.1申请日2016.09.21,公开(公告)号CN106473703A的专利文献中提到的基于SVM或神经网络的睡眠状态分类器;或更进一步的,第一、第二分析方法具体的分析方法是基于深度学习的方法,也可以是其他一个或多个分类器的组合,如多个二分类器组合形成多分类器。
对于第三、第四分析方法,主要包括标定、添加生成与睡眠分期相关联的睡梦状态信息,以及调整和修正通过第一、第二分析方法所生成的睡眠分期识别结果,从而产生新的训练样本集。具体的,第三分析方法的具体实例可以是,通过让用户填写调查问卷的形式,完成对所保存的各项数据在用户主观上睡梦状态标定;如通过询问用户是否感受到做梦,同时是否在梦中感知到特定的声音,光照等环境因素所直接或间接产生的梦境感受感知,配合睡眠时记录的环境干预机制的触发方式和触发时间点或时间段,来对睡眠生理数据,环境数据,睡眠分期数据,干预机制触发数据在时间轴上进行对应的睡梦状态的个体主观化标定,并保存;如用户在梦中感受到特定的光照变化,则产生这一光照变化的干预机制触发时间点和时间段会标定为主观判断的睡梦状态,即该时间段内的生理数据,环境数据序列会被标定为睡梦状态,可扩展的,睡梦状态也可以根据生理数据,环境数据,干预方式的不同特征,进一步划分为1~K个状态。
第四分析方法的实例可以是,按照步骤B、C采集以及新生成的各个数据的特点,进行不同形式的变换,展现给不同专业的专家,对这些数据围绕睡眠分期和睡梦状态进行专业标定、修正、调整,将步骤C形成的主观化标定和步骤D所生成的各个专业专家标定结果按照一定的规则进行组合,如根据时间序列同一个时间段上,主观标定和各个专家标定的结果,对其进行加权平均,从而与生理数据,环境数据,环境干预策略实施数据一起形成具有睡眠分期标定(睡眠阶段1~N)和睡梦状态(睡梦状态1~K)标定的训练数据集。
上述第一至第四分析方法,它们在系统中的相互关系、作用以及产生数据的实例流程图如图4和5所示,主要划分为系统初始阶段和系统更新迭代阶段。
如图4所示,在系统初始阶段,因为刚开始,还没有可供训练的有针对性的数据集,因此系统初始不一定具备良好的针对个体的睡眠分期效果,更不用说睡梦状态检测的能力,此时,第一分析方法的初始睡眠分期能力是通过第三方训练数据进行训练获得的,第三方数据来源如睡眠中心,研究机构等对外公开的已经标定了睡眠分期结果的各种生理信号序列数据集。同时,第二分析方法在系统初始阶段无法有效工作,不具备睡梦状态检测能力。如图4所示,在系统初始阶段,系统主要通过第一分析方法,对其训练时所对应的生理信号进行分析,同时其他生理信号也可以同步采集,但不作为第一分析方法的输入,并输出睡眠分期检测结果,然后结合预设的干预策略,如不同的睡眠阶段如何触发环境干预措施,进行环境干预。在系统中,生理信号采集,环境信息采集,触发策略均按照时间序列方式对应持续记录,因此数据记录中包含了体现干预前和干预后的相关数据信息。
如图4所示,在系统初始阶段,通过第三分析方法,引入主观的对于睡眠体验的信息,而主观体验信息中,与环境干预相关的主观反馈;举例来说,用户给出睡梦过程中感受到某个特定的声音,而这个特定的声音是系统干预所产生的,则该方式的干预阶段会被标记为主观的睡梦阶段;通过系统转化,形成具有睡梦状态主观标记的生理信号,系统检测的睡眠分期,环境,干预策略数据集。
如图4所示,在系统初始阶段,通过第四分析方法,引入专家评价,结合主观标记结果,形成睡眠分期,睡梦状态综合标定数据集。
如图4所示,在系统初始阶段,利用上述各步骤生成的训练数据集对第一分析方法和第二分析方法进行训练,从而赋予系统针对更多信号,即更多生理信号,环境,干预策略种类的输入检测,输出睡眠分期,训练增强睡梦状态识别的能力。
如图5所示,系统迭代更新阶段,是在完成系统初始阶段后,系统开始具备更多信号输入检测的能力,同时第二分析方法开始具备一定的睡梦状态检测输出的能力,之后的过程和系统初始阶段第一分析方法、第三和第四分析方法类似,如此不断动态生成新的训练数据,并持续对第一分析方法和第二分析方法进行训练更新,使得系统获得进化能力。
上述分析方法的相关分析参数,都可通过本发明的技术方案进行学习训练后更新出更适合具体应用场景的算法参数,从而使分析方法更适用于不同的应用人群和场景,提高睡眠阶段分析的准确性,尤其是梦境识别的准确性,特别是清醒梦的识别准确性,为在清醒梦阶段提供更准确的干预机制提供了科学的依据;也会提高清醒梦的干预效果,使得整个方法和系统具有更高的使用价值。
如图2即第一数据处理模块的部分详细流程示意图所示,传感器数据采集先经过数据分类与存储进入相应的数据处理模块,其中进入第一数据处理模块的数据包括了即时生理数据和即时环境数据;其中即时生理数据经过睡眠阶段检测形成睡眠阶段分期数据,睡眠阶段分期数据和即时环境数据输入至干预机制决策模块,干预机制决策模块输出决策信息至干预机制管理模块,并通过干预执行模块执行相应的动作。干预执行模块等同于环境信息调控模块,用于改变环境信息。
如图3即第二数据处理模块的部分详细程示意图所示,专业信息收集模块从数据流存储与管理模块中获取历史睡眠阶段分期数据、历史睡眠状态下生理信号数据、历史环境信息数据、历史用户睡眠体验数据以及历史清醒状态下生理信号数据,将这些数据在专业信息收集模块中进行专业评定和标记,并将专业评定和标记数据传送至第二数据处理模块形成专业信息数据库或数据集;专业信息数据库或数据集用于睡眠阶段检测参数训练。
第二数据处理模块包括第一数据处理模块训练模块即睡眠阶段检测参数训练模块;第一数据处理模块训练模块对第一数据处理模块中的第一分析方法和第二分析方法进行训练并更新第一分析方法或第二分析方法的计算参数,并根据最新训练情况决定是否对睡眠分期检测,梦境检测,干预机制决策策略进行更新。
第二数据处理模块还包括干预机制决策训练模块;干预机制决策训练模块根据睡眠体验数据以及专业评定及标记数据进行学习训练更新干预决策策略,并根据最新训练获得的干预决策策略决定是否更新第一数据处理模块中的干预机制决策模块中的决策策略。
由上述描述可知,第一数据处理模块为睡眠阶段在线工作模式,即在用户处于睡眠状态下持续工作分析,生成相应数据,第二数据处理模块为后台工作型,其汇总多方数据进行相应分析,输出用于训练数据处理模块一的训练数据集,与第一数据处理模块相比,第二数据处理模块的工作时间维度不同,当第二数据处理模块所需数据具备时,可以在任意时间进行处理工作。
一种睡眠状态检测方法和系统中包括设定信息获取策略和干预策略的步骤A;步骤B获取睡眠状态下的生理参数和环境信息,并决定是否进行环境干预;步骤C:清醒状态下,采集睡眠体验数据;步骤D:专业数据分析步骤;对生理参数、环境信息、睡眠阶段检测信息、睡眠体验数据进行分析获得梦境阶段专业分析信息;步骤E:学习训练步骤;将步骤CD获得的信息进行整合,生成训练储备样本集,对步骤B中的分析方法进行训练并更新相应分析方法的计算参数;从步骤B、步骤C、步骤D到步骤E执行过程是依次轮循一次或多次后,再回到步骤B或步骤A。上述睡眠状态检测方法和系统,能形成一个完整的具有学习能力的闭环训练方法和系统。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种睡眠状态检测方法,其特征在于,包括以下步骤,
步骤A:初始设定步骤,起始状态时,设定睡眠状态检测的信息获取策略和干预策略;信息获取策略中包括检测的生理参数和环境信息,干预策略包括环境信息调控模块的动作开启条件和用户对于环境信息调控模块的偏好信息;
步骤B:睡眠状态感知与干预步骤;
根据步骤A设定的信息获取策略,获取睡眠状态下的生理参数和环境信息,利对睡眠阶段进行分析,得到睡眠阶段检测信息,睡眠阶段检测信息至少包含睡眠分期信息和环境信息调控模块触发与详细调控信息;并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预;
步骤C:清醒状态下睡眠体验数据记录分析步骤;
在受试者的清醒状态下,记录采集受试者能回忆起来的睡眠状态的睡眠体验数据,利用第三分析方法,将睡眠体验数据和步骤B所检测到的生理参数,环境信息和第一睡眠阶段检测信息进行第三次分析,获得第三睡眠阶段检测信息;第三睡眠阶段检测信息至少包含第三睡眠分期信息、梦境阶段体验信息和第三环境信息调控模块触发与详细调控信息;
步骤D:专业数据分析步骤;
利用第四分析方法,将步骤B所检测到的生理参数、环境信息、睡眠阶段检测信息、以及步骤C所获得的睡眠体验数据和第三睡眠阶段检测信息进行第四次分析,获得第四睡眠阶段检测信息,第四睡眠阶段检测信息至少包含了第四睡眠分期信息、梦境阶段专业分析信息和第四环境信息调控模块触发与详细调控信息;
步骤E:学习训练步骤;
将步骤C获得的第三睡眠阶段检测信息和步骤D获得的第四睡眠阶段检测信息进行整合,生成训练储备样本集,对步骤B中的分析方法进行训练并更新相应分析方法的计算参数;
从步骤B、步骤C、步骤D到步骤E执行过程是依次轮循的方式,即从步骤B、步骤C、步骤D到步骤E,再回到步骤B或步骤A;
或,从步骤B、步骤C、步骤D进行多次循环后,再执行步骤E,之后再回到步骤B或步骤A。
2.根据权利要求1所述的睡眠状态检测方法,其特征在于,
步骤B:睡眠状态感知与干预步骤;
步骤B中包括以下子步骤:
步骤B1:根据步骤A设定的信息获取策略,获取睡眠状态下的生理参数和环境信息,利用第一分析方法,并依据所获得的生理参数和环境信息对睡眠阶段进行第一次分析,得到第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息,第一环境信息调控模块触发与详细调控信息;
步骤B2:利用第二分析方法,并根据步骤B1中获得的生理参数,环境信息和第一睡眠阶段检测信息进行第二次分析,获得第二睡眠阶段检测信息,第二睡眠阶段检测信息至少包含第二睡眠分期信息,第一梦境阶段信息,第二环境信息调控模块触发与详细调控信息;
步骤B3:根据步骤B1获得的第一睡眠分期信息、第一环境信息调控模块触发与详细调控信息,并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预;
或根据步骤B1获得的第一睡眠分期信息、第一环境信息调控模块触发与详细调控信息,以及根据步骤B2获得第二睡眠分期信息、第一梦境阶段信息、第二环境信息调控模块触发与详细调控信息,并结合步骤A中设定的干预策略,决定是否开启环境信息调控模块中的部件进行环境干预。
3.根据权利要求1所述的睡眠状态检测方法,其特征在于,
干预策略中环境信息调控模块的动作开启条件,至少包含对应于一个或者多个睡眠阶段而触发环境信息调控模块开启的内容。
4.根据权利要求1所述的睡眠状态检测方法,其特征在于,
步骤C中,即清醒状态下睡眠体验数据记录分析步骤中还包括清醒状态下的生理参数和环境信息采集步骤;
并将清醒状态下的生理参数和环境信息、步骤B检测到的睡眠状态下的生理参数和环境信息、步骤C采集到的睡眠体验数据和第三睡眠阶段分期数据一同用于步骤D。
5.根据权利要求2所述的睡眠状态检测方法,其特征在于,
在步骤D即专业数据分析步骤中,还包括信息展示步骤,即将步骤B所检测到的生理参数,环境信息,第一睡眠阶段检测信息,第二睡眠阶段检测信息,以及步骤C所获得的睡眠体验数据和第三睡眠阶段检测信息进行数字化展示;数字化展示的方式包含:文字、声音、图片、数据列表、波形和图谱;
由专业人员对数字化展示的数据进行第四次分析;
第四次分析包括:评估、标定、分类和统计;
在步骤D即专业数据分析步骤中,获得的第四睡眠阶段检测信息中,还包含了专业标定信息和分类信息。
6.根据权利要求1所述的睡眠状态检测方法,其特征在于,
在步骤E即学习训练步骤中,生成训练储备样本集,划分为一组或多组训练数据集(train data)和测试数据集(test data)。
7.根据权利要求1所述的睡眠状态检测方法,其特征在于,
步骤E中训练储备样本集数据的数据来源还包含其他第三方专业数据来源。
8.一种睡眠状态检测系统,其特征在于,包括,
生理信号检测传感器模块,用于人体生理信号采集检测;
环境信息检测传感器模块,用于环境信息采集检测;
环境信息调控模块,用于改变环境信息;
第一数据处理模块,用于睡眠周期分析;
第二数据处理模块,用于生成学习训练数据样本集;
干预机制管理模块,用于环境信息调控模块控制和管理;
数据流存储与管理模块,用于系统数据管理;
生理信号检测传感器模块获取的生理信息数据传送至数据流存储与管理模块,环境信息检测传感器模块获取的环境信息数据传送至数据流存储与管理模块;数据流存储与管理模块为第一数据处理模块以及第二数据处理模块提供数据源,同时也存储第一数据处理模块和第二数据处理模块生成的数据,将生理信息数据、环境信息数据、第一数据处理模块和第二数据处理模块生成的数据形成基础信息数据集;
在第一数据处理模块中,利用第一分析方法,并依据获得的生理参数和环境信息对睡眠阶段进行第一次分析,得到第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息,第一环境信息调控模块触发与详细调控信息;
在第一数据处理模块中,利用第二分析方法,并根据获得的生理参数,环境信息和第一睡眠阶段检测信息进行第二次分析,获得第二睡眠阶段检测信息,第二睡眠阶段检测信息至少包含第二睡眠分期信息,第一梦境阶段信息,第二环境信息调控模块触发与详细调控信息;
睡眠状态检测系统还包括用于收集受试者清醒状态下的睡眠体验数据的体验信息收集模块;体验信息收集模块收集到的体验信息传送至数据流存储与管理模块;
睡眠状态检测系统还包括用于外部专家对生理数据、环境数据和睡眠体验数据进行专业分析标定的专业信息收集模块;
专业信息收集模块从数据流存储与管理模块中获取历史睡眠阶段分期数据、历史生理信号数据、历史环境信息数据和历史用户睡眠体验数据,将这些数据在专业信息收集模块中进行专业评定和标记,并将专业评定和标记数据传送至第二数据处理模块形成专业信息数据集;专业信息数据集用于睡眠阶段检测参数训练;
输入第二数据处理模块的数据包括睡眠体验数据;在第二数据处理模块中,利用第三分析方法,将睡眠体验数据和生理参数,环境信息和第一睡眠阶段检测信息进行第三次分析,获得第三睡眠阶段检测信息;第三睡眠阶段检测信息至少包含第三睡眠分期信息、梦境阶段体验信息和第三环境信息调控模块触发与详细调控信息;
在第二数据处理模块中,利用第四分析方法,将检测到的生理参数,环境信息,第一睡眠阶段检测信息,第二睡眠阶段检测信息,睡眠体验数据和第三睡眠阶段检测信息进行第四次分析,获得第四睡眠阶段检测信息,第四睡眠阶段检测信息至少包含了第四睡眠分期信息,梦境阶段专业分析信息和第四环境信息调控模块触发与详细调控信息;
在第二数据处理模块中,将第二数据处理模块获得的第三睡眠阶段检测信息、第四睡眠阶段检测信息以及专业信息数据集进行整合,生成训练储备样本集;
第二数据处理模块包括第一数据处理模块训练模块;第一数据处理模块训练模块对第一数据处理模块中的第一分析方法和第二分析方法进行训练并更新第一分析方法或第二分析方法的计算参数,并根据最新训练情况决定是否对睡眠分期检测,梦境检测,干预机制决策策略进行更新。
9.根据权利要求8所述的睡眠状态检测系统,其特征在于:
生理信号检测传感器模块检测到的生理信号传送至第一数据处理模块,利用第一分析方法进行第一次睡眠周期和阶段分析,输出第一睡眠阶段检测信息,第一睡眠阶段检测信息至少包含第一睡眠分期信息;
输出的第一睡眠分期信息至少包括清醒期、非快速眼动期即NREM期、快速眼动期即REM期这三个时段信息,其中非快速眼动期即NREM期还包括细分的N1,N2,N3这三个子阶段的时段信息;
环境信息检测传感器模块检测到的环境信息传送至第一数据处理模块,第一数据处理模块又将环境信息数据和分析获得的第一睡眠阶段检测信息一起输入至干预机制管理模块,干预机制管理模块根据决策策略输出干预决策信息至环境信息调控模块,使环境信息调控模块开启或关闭相应的环境信息调控装置来改变环境信息。
10.根据权利要求8所述的睡眠状态检测系统,其特征在于:
第一数据处理模块还包括干预机制决策模块,干预机制决策模块用于形成干预决策;输入至干预机制决策模块的数据包括睡眠阶段分期数据和即时环境数据;
第二数据处理模块还包括干预机制决策训练模块;干预机制决策训练模块根据睡眠体验数据以及专业评定及标记数据进行学习训练更新干预决策策略,并根据最新训练获得的干预决策策略决定是否更新第一数据处理模块中的干预机制决策模块中的决策策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910457634.2A CN112006652B (zh) | 2019-05-29 | 2019-05-29 | 睡眠状态检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910457634.2A CN112006652B (zh) | 2019-05-29 | 2019-05-29 | 睡眠状态检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112006652A CN112006652A (zh) | 2020-12-01 |
CN112006652B true CN112006652B (zh) | 2024-02-02 |
Family
ID=73501596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910457634.2A Active CN112006652B (zh) | 2019-05-29 | 2019-05-29 | 睡眠状态检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112006652B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112842266B (zh) * | 2020-12-31 | 2024-05-14 | 湖南正申科技有限公司 | 一种基于人体监测睡眠数据的睡眠分期阶段识别方法 |
CN115137315B (zh) * | 2022-09-06 | 2022-12-09 | 深圳市心流科技有限公司 | 一种睡眠环境评分方法、装置、终端及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1860987A (zh) * | 2006-03-28 | 2006-11-15 | 北京大学 | 睡眠与梦的监测和干预系统及其处理方法 |
KR20140039452A (ko) * | 2012-09-24 | 2014-04-02 | 주식회사 제이유에이치 | 휴대형 이목마스크 기반 수면 조절 및 모니터링 장치 및 그 방법 |
CN105592777A (zh) * | 2013-07-08 | 2016-05-18 | 瑞思迈传感器技术有限公司 | 用于睡眠管理的方法和系统 |
CN106037759A (zh) * | 2016-06-30 | 2016-10-26 | 西安交通大学 | 一种面向睡眠呼吸暂停的大脑自调节指数检测方法 |
CN106175678A (zh) * | 2016-07-13 | 2016-12-07 | 翟思民 | 一种面向睡眠分析的无线心电监护方法、系统及监护衣 |
CN106725462A (zh) * | 2017-01-12 | 2017-05-31 | 兰州大学 | 基于脑电信号的声光睡眠干预系统和方法 |
CN107595245A (zh) * | 2017-08-15 | 2018-01-19 | 深圳创达云睿智能科技有限公司 | 一种睡眠管理方法、系统及终端设备 |
CN107837075A (zh) * | 2017-11-06 | 2018-03-27 | 陆宇光 | 梦境监测装置及监测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7524279B2 (en) * | 2003-12-31 | 2009-04-28 | Raphael Auphan | Sleep and environment control method and system |
US10321871B2 (en) * | 2015-08-28 | 2019-06-18 | Awarables Inc. | Determining sleep stages and sleep events using sensor data |
WO2017093098A1 (en) * | 2015-12-01 | 2017-06-08 | Koninklijke Philips N.V. | Sleep study system and method |
-
2019
- 2019-05-29 CN CN201910457634.2A patent/CN112006652B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1860987A (zh) * | 2006-03-28 | 2006-11-15 | 北京大学 | 睡眠与梦的监测和干预系统及其处理方法 |
KR20140039452A (ko) * | 2012-09-24 | 2014-04-02 | 주식회사 제이유에이치 | 휴대형 이목마스크 기반 수면 조절 및 모니터링 장치 및 그 방법 |
CN105592777A (zh) * | 2013-07-08 | 2016-05-18 | 瑞思迈传感器技术有限公司 | 用于睡眠管理的方法和系统 |
CN106037759A (zh) * | 2016-06-30 | 2016-10-26 | 西安交通大学 | 一种面向睡眠呼吸暂停的大脑自调节指数检测方法 |
CN106175678A (zh) * | 2016-07-13 | 2016-12-07 | 翟思民 | 一种面向睡眠分析的无线心电监护方法、系统及监护衣 |
CN106725462A (zh) * | 2017-01-12 | 2017-05-31 | 兰州大学 | 基于脑电信号的声光睡眠干预系统和方法 |
CN107595245A (zh) * | 2017-08-15 | 2018-01-19 | 深圳创达云睿智能科技有限公司 | 一种睡眠管理方法、系统及终端设备 |
CN107837075A (zh) * | 2017-11-06 | 2018-03-27 | 陆宇光 | 梦境监测装置及监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112006652A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107427716B (zh) | 人类绩效优化与训练的方法及系统 | |
US20040210159A1 (en) | Determining a psychological state of a subject | |
WO2014107795A1 (en) | Adaptive brain training computer system and method | |
JP2017038924A (ja) | 双方向の遠隔的な患者監視および状態管理介入システム | |
Pandian | Sleep pattern analysis and improvement using artificial intelligence and music therapy | |
JP2006061270A (ja) | 睡眠状態管理装置及び睡眠状態管理方法 | |
CN112006652B (zh) | 睡眠状态检测方法和系统 | |
CN114305418B (zh) | 一种用于抑郁状态智能评估的数据采集系统及方法 | |
KR20200059584A (ko) | 호흡-심박 비율을 이용한 스트레스 수준 분석 방법 및 시스템 | |
JP6622345B2 (ja) | 情報提示システム | |
US20230394124A1 (en) | Method for configuring data acquisition settings of a computing device | |
WO2020074878A2 (en) | Multimodal digital therapy and biometric analysis of biometric signals | |
CN109620265A (zh) | 识别方法及相关装置 | |
KR101118276B1 (ko) | 생체 감성 지표 및 상황 정보로부터 학습 집중도에 관련된 학습 감성 지표를 생성하기 위한 유비쿼터스-러닝용 미들웨어 장치 | |
EP4107750A1 (en) | Neurodevelopmental/cognitive assessment and cognitive training on a digital device and identification and measurement of digital cognitive biomarkers | |
US11583214B2 (en) | Adaptive psychological assessment tool | |
CN108109696B (zh) | 一种数据处理方法和装置 | |
CN113288145A (zh) | 一种用于训练情绪控制能力的示教装置与方法 | |
CN115857595B (zh) | 基于用户心境的功能环境调节方法、系统和装置 | |
CN116570283A (zh) | 一种围手术期患者情绪监测系统及方法 | |
WO2023275975A1 (ja) | 認知機能推定装置、認知機能推定方法及び記憶媒体 | |
JP2017170253A (ja) | 印象評価装置及び印象評価方法 | |
CN112402767B (zh) | 眼动脱敏再加工干预系统及眼动脱敏再加工干预方法 | |
CN108461125B (zh) | 一种针对老年人的记忆力训练装置 | |
KR102142694B1 (ko) | 뇌신경 질환 진단 시스템 및 방법 |
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 |