CN113679339A - 睡眠监测方法、设备、系统以及存储介质 - Google Patents

睡眠监测方法、设备、系统以及存储介质 Download PDF

Info

Publication number
CN113679339A
CN113679339A CN202010424069.2A CN202010424069A CN113679339A CN 113679339 A CN113679339 A CN 113679339A CN 202010424069 A CN202010424069 A CN 202010424069A CN 113679339 A CN113679339 A CN 113679339A
Authority
CN
China
Prior art keywords
sleep
user
activity
prediction result
heart rate
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.)
Withdrawn
Application number
CN202010424069.2A
Other languages
English (en)
Inventor
郝得宁
戴晓伟
汪孔桥
高国松
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.)
Anhui Huami Health Technology Co Ltd
Original Assignee
Anhui Huami Health Technology 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 Anhui Huami Health Technology Co Ltd filed Critical Anhui Huami Health Technology Co Ltd
Priority to CN202010424069.2A priority Critical patent/CN113679339A/zh
Publication of CN113679339A publication Critical patent/CN113679339A/zh
Withdrawn legal-status Critical Current

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/1118—Determining activity level
    • 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

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

Abstract

本发明公开了一种睡眠监测方法、设备、系统以及存储介质，其中，睡眠监测方法包括以下步骤：利用可穿戴设备采集用户的加速度数据和心率数据；根据加速度数据获取用户的活动量和呼吸率；根据呼吸率和活动量获取第一睡眠预测结果，并根据心率数据获取第二睡眠预测结果；对第一睡眠预测结果和第二睡眠预测结果进行融合处理，得到睡眠分期结果；将睡眠分期结果发送至终端设备，以使终端设备对睡眠分期结果进行校准，得到用户的睡眠状态。该方法能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。

Description

睡眠监测方法、设备、系统以及存储介质
技术领域
本发明涉及睡眠监测技术领域，尤其涉及一种睡眠监测方法、设备、系统以及可存储介质。
背景技术
随着社会的高速发展，生活节奏逐渐加快，人们对睡眠质量的关注越来越高，医学上睡眠状态一般可分为：清醒、REM(Rapid Eye Movement，快速眼动)和NREM(Non-REM，非快速眼动)，其中，非快速眼动又可以进一步分为(N1，N2，N3)3个阶段，精确的睡眠状态监测需要价格高昂的设备和特殊的医学环境，不适用于日常监测。
现阶段，随着智能硬件的兴起，可穿戴设备越来越普及，因此相关技术中提出采用可穿戴设备检测睡眠。然而，目前的可穿戴设备睡眠分析存在识别准确率不高、睡眠分期少、不能满足用户对睡眠分析的个性化需求等问题。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种睡眠监测方法，能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
本发明的第二个目的在于提出一种睡眠监测设备。
本发明的第三个目的在于提出一种睡眠监测系统。
本发明的第四个目的在于提出一种存储介质。
为达上述目的，本发明第一方面实施例提出了一种睡眠监测方法，包括以下步骤：利用可穿戴设备采集用户的加速度数据和心率数据；根据所述加速度数据获取用户的活动量和呼吸率；根据所述呼吸率和所述活动量获取第一睡眠预测结果，并根据所述心率数据获取第二睡眠预测结果；对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理，得到睡眠分期结果；将所述睡眠分期结果发送至终端设备，以使所述终端设备对所述睡眠分期结果进行校准，得到用户的睡眠状态。
根据本发明实施例的睡眠监测方法，首先通过可穿戴设备采集用户的加速度数据和心率数据，以根据加速度数据获取用户的活动量和呼吸率，进而根据呼吸率和活动量获取第一睡眠预测结果，并根据心率数据获取第二睡眠预测结果，然后对第一睡眠预测结果和第二睡眠预测结果进行融合处理，以得到睡眠分期结果，最后将睡眠分期结果发送至终端设备，以使终端设备对睡眠分期结果进行校准，得到用户的睡眠状态。由此，该方法能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
另外，根据本发明上述实施例的睡眠监测方法还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述根据所述加速度数据获取用户的活动量，包括：根据公式activity＝sqrt(x^2+y^2+z^2)计算用户的活动量，其中，activity为所述活动量，x,y,z为所述加速度数据。
根据本发明的一个实施例，所述根据所述加速度数据获取用户的呼吸率，包括：在所述活动量小于预设值时，对所述活动量进行滑动标准差滤波得到波峰和波谷，根据峰峰间隔得到所述呼吸率。
根据本发明的一个实施例，所述根据所述呼吸率和所述活动量获取第一睡眠预测结果，包括：根据所述活动量和所述呼吸率确定睡眠分期，其中，所述睡眠分期包括深睡、浅睡和快速眼动。
根据本发明的一个实施例，所述根据所述心率数据获取第二睡眠预测结果，包括：获取所述用户的静息心率；根据所述静息心率和所述心率数据的关系建立睡眠概率模型，其中，所述心率数据包括当前心率的变化率；根据所述睡眠概率模型获取第二睡眠预测结果，其中，第二睡眠预测结果的范围在0～1之间，越接近0，则用户深睡的概率越大；越接近1，则用户清醒的概率越大。
根据本发明的一个实施例，所述对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理，包括：对所述第一睡眠预测结果和所述第二睡眠预测结果根据预设规则进行加权计算。
根据本发明的一个实施例，所述终端设备对所述睡眠分期结果进行校准，包括：根据用户的历史睡眠数据和个体信息，基于滑动窗口对所述睡眠分期结果进行中值滤波，其中，所述个体信息包括性别、年龄、体重中的一个或多个。
为达上述目的，本发明第二方面实施例提出了一种睡眠监测设备，包括：采集模块，用于采集用户的加速度数据和心率数据；第一获取模块，用于根据所述加速度数据获取用户的活动量和呼吸率；第二获取模块，用于根据所述呼吸率和所述活动量获取第一睡眠预测结果，并根据所述心率数据获取第二睡眠预测结果；处理模块，用于对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理，得到睡眠分期结果；发送模块，用于将所述睡眠分期结果发送至终端设备，以使所述终端设备对所述睡眠分期结果进行校准，得到用户的睡眠状态。
根据本发明实施例的睡眠监测设备，能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
另外，根据本发明上述实施例的睡眠监测设备还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述第一获取模块在根据所述加速度数据获取用户的活动量时，具体用于：根据公式activity＝sqrt(x^2+y^2+z^2)计算用户的活动量，其中，activity为所述活动量，x,y,z为所述加速度数据。
根据本发明的一个实施例，所述第一获取模块根据所述加速度数据获取用户的呼吸率时，具体用于：在所述活动量小于预设值时，对所述活动量进行滑动标准差滤波得到波峰和波谷，根据峰峰间隔得到所述呼吸率。
根据本发明的一个实施例，所述第二获取模块在根据所述呼吸率和所述活动量获取第一睡眠预测结果时，具体用于：根据所述活动量和所述呼吸率确定睡眠分期，其中，所述睡眠分期包括深睡、浅睡和快速眼动。
根据本发明的一个实施例，所述第二获取模块在根据所述心率数据获取第二睡眠预测结果时，具体用于：获取所述用户的静息心率；根据所述静息心率和所述心率数据的关系建立睡眠概率模型，其中，所述心率数据包括当前心率的变化率；根据所述睡眠概率模型获取第二睡眠预测结果，其中，第二睡眠预测结果的范围在0～1之间，越接近0，则用户深睡的概率越大；越接近1，则用户清醒的概率越大。
根据本发明的一个实施例，所述处理模块在对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理时，具体用于：
对所述第一睡眠预测结果和所述第二睡眠预测结果根据预设规则进行加权计算。
为达上述目的，本发明第三方面实施例提出了一种睡眠监测系统，包括：本发明第二方面实施例提出的睡眠监测设备；终端设备，所述终端设备与所述睡眠监测设备进行无线通信，所述终端设备用于接收所述睡眠监测设备发送的睡眠分期结果，并对所述睡眠分期结果进行校准，得到用户的睡眠状态。
据本发明实施例的睡眠监测系统，通过本发明实施例的睡眠监测设备，能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
为达上述目的，本发明第四方面实施例提出了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现本发明第一方面实施例提出的睡眠监测方法。
本发明实施例的存储介质，在其上存储的计算机程序被处理器执行时，能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明实施例的睡眠监测方法的流程图；
图2是本发明实施例的睡眠监测设备的结构框图；
图3是本发明实施例的睡眠监测系统的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的睡眠监测方法、设备、系统以及存储介质。
图1是本发明实施例的睡眠监测方法的流程图。
如图1所示，该睡眠监测方法包括以下步骤：
S1，利用可穿戴设备采集用户的加速度数据和心率数据。
其中，可穿戴设备可包括加速度传感器、PPG(Photo Plethysmograph，摄影容积描记器)传感器。具体地，可通过加速度传感器实时采集用户的加速度数据，通过PPG传感器实时获取用户的心率数据。可穿戴设备可以包括耳机、耳塞和腕部可穿戴设备，其中，腕部可穿戴设备可包括手环、手表等。
需要说明的是，加速度数据表示用户的活动状态，加速度数据越小，说明用户的活动量越小；加速度数据越大，说明用户的活动量越大。具体而言，加速度传感器可周期性地计算检测到的加速度数据的平均值和标准差，以根据平均值和标准差判断加速度数据的大小，在加速度传感器判断出加速度数据较小时，可以动态调整加速度传感器的灵敏度，以获取更细微的用户活动状态。通过PPG传感器获取用户的心率数据时，PPG传感器根据检测到的PPG数据的交流分量的波峰间隔计算出心率数据。
S2，根据加速度数据获取用户的活动量和呼吸率。
具体地，可穿戴设备根据自身获取到的加速度数据获取用户的活动量和呼吸率。其中，活动量可以表征用户零散的身体运动，是离散的值，而呼吸率表征人的生理特征，是连续的值，就表征用户运动状态而言，呼吸率较活动量更精确，因而通过活动量和呼吸率可以更加准确地表征用户的活动状态，进而提高睡眠分析的准确性。
S3，根据呼吸率和活动量获取第一睡眠预测结果，并根据心率数据获取第二睡眠预测结果。
具体地，可穿戴设备可根据加速度数据的持续时间、标准差和平均值将活动状态划分为活动量依次减小的高、中、低三个睡眠等级，其中，每一个睡眠等级可以对应一个第一睡眠预测结果；可穿戴设备可根据用户的历史心率数据和心率数据获取第二睡眠预测结果，其中，历史心率数据可包括静息心率数据。
S4，对第一睡眠预测结果和第二睡眠预测结果进行融合处理，得到睡眠分期结果。
具体地，第一睡眠预测结果和第二睡眠预测结果均可以通过概率表示，对根据用户的活动量和呼吸率获取到的第一睡眠预测结果，和根据用户的心率数据获取到的第二睡眠预测结果，按照某种共识进行计算、处理，以得到较为准确的睡眠分期结果。睡眠分期结果可包括深睡、浅睡和快速眼动。
S5，将睡眠分期结果发送至终端设备，以使终端设备对睡眠分期结果进行校准，得到用户的睡眠状态。
具体地，可穿戴设备可将睡眠分期结果及时地无线传输至终端设备，例如智能手机、手环，以使终端设备根据用户的历史睡眠数据和个体信息，基于滑动窗口对睡眠分期结果进行中值滤波，滤掉离散的睡眠、清醒概率尖峰，使睡眠分期结果更趋于平滑，进而符合睡眠连续性的特征，以得到用户的睡眠状态，然后，终端设备可通过其显示屏显示用户的睡眠状态，以方便用户查看睡眠状态。其中，个体信息可包括性别、年龄、体重中的一个或多个。
由此，该睡眠监测方法能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
在本发明的一个实施例中，上述步骤S2中的根据加速度数据获取用户的活动量，可包括：根据公式activity＝sqrt(x^2+y^2+z^2)计算用户的活动量，其中，activity为活动量，x，y，z分别为三轴加速度数据，即x为x轴上的加速度数据、y为y轴上的加速度数据、z为z轴上的加速度数据。
进一步地，上述步骤S2中的根据加速度数据获取用户的呼吸率，可包括：在活动量小于预设值时，对活动量进行滑动标准差滤波得到波峰和波谷，根据峰峰间隔得到呼吸率。
具体地，可穿戴设备可根据加速度传感器采集到的X轴、Y轴和Z轴三个方向的加速度数据取模运算获得活动量；在活动量小于预设值时，说明活动量较小，为了更加精确、细微地监测用户的运动特征，可穿戴设备对活动量进行滑动标准差滤波得到波峰和波谷，进而根据峰峰间隔得到呼吸率。从而根据活动量和呼吸率共同分析用户的睡眠状况，得到第一预测结果，相较于单独根据活动量或者呼吸率获取第一预测结果，提高睡眠分析的准确性。
在本发明的一个实施例中，上述步骤S3中的根据呼吸率和活动量获取第一睡眠预测结果，可包括：根据活动量和呼吸率确定睡眠分期，其中，睡眠分期包括深睡、浅睡和快速眼动。
具体地，可穿戴设备可根据活动量和呼吸率的持续时间、标准差和平均值将用户的活动状态划分为活动量依次减小的高、中、低三个睡眠等级，其中，每一个睡眠等级可以对应一个睡眠分期，也就是说，高、中、低睡眠等级依次可对应睡眠分期的快速眼动、浅睡和深睡。可以理解的是，睡眠分期可通过概率表示，该概率越接近0，用户睡眠的概率越大；越接近1，用户清醒的概率越大。
在本发明的一个实施例中，上述步骤S3中的根据心率数据获取第二睡眠预测结果，包括：获取用户的静息心率；根据静息心率和心率数据的关系建立睡眠概率模型，其中，心率数据包括当前心率的变化率；根据所述睡眠概率模型获取第二睡眠预测结果，其中，第二睡眠预测结果的范围在0～1之间，越接近0，则用户深睡的概率越大；越接近1，则用户清醒的概率越大。
具体地，可穿戴设备可根据静息心率数据和当前心率的变化率的差值计算用户的睡眠概率，以得到睡眠概率模型，该概率的范围为0-1之间，0表示用户深睡，1表示用户清醒(快速眼动)，越接近0，用户睡眠的概率越大；越接近1，用户清醒的概率越大。
可以理解的是，静息心率是表征用户未处于运动状态、活动量极小的心率数据，可以根据用户的历史心率数据(存储于可穿戴设备中)获取，心率数据是表征用户当前状态下的心率数据，通过PPG传感器即时获取。
在本发明的一个实施例中，上述步骤S4中的对第一睡眠预测结果和第二睡眠预测结果进行融合处理，可包括：对第一睡眠预测结果和第二睡眠预测结果根据预设规则进行加权计算。其中，预设规则可以是第一睡眠预测结果和第二睡眠预测结果分别在睡眠分期结果中所占的比例，其设置可考虑到用户的历史睡眠数据、用户的活动量、用户的年龄、身高、体重等个人信息。
具体地，可根据预设规则设置第一睡眠预测结果的权值为第一权值，第二睡眠预测结果的权值为第二权值，通过加权计算得到睡眠分期结果的计算公式可以为：睡眠分期结果＝第一预测结果*第一权值+第二预测结果*第二权值，也就是说，在一个示例中，可对睡眠分期和睡眠概率进行加权计算，睡眠分期结果＝睡眠分期*第一权值+睡眠概率*第二权值。由此，根据丰富的用户睡眠特征(活动量、呼吸率和心率数据)确定了丰富的睡眠分期结果，且使睡眠分期结果的计算更加准确，满足用户定制化的睡眠分析。
在本发明的一个实施例中，上述步骤S5中的终端设备对睡眠分期结果进行校准，可包括：根据用户的历史睡眠数据和个体信息，基于滑动窗口对所述睡眠分期结果进行中值滤波，其中，所述个体信息包括性别、年龄、体重中的一个或多个。
具体地，可穿戴设备可将睡眠分期结果及时地无线传输至终端设备，以使终端设备基于滑动窗口对睡眠分期结果进行中值滤波，滤掉离散的睡眠、清醒概率尖峰，使睡眠分期结果更趋于平滑，进而符合睡眠连续性的特征，以得到用户的睡眠状态，然后，终端设备200可通过其显示屏显示用户的睡眠状态，以方便用户查看睡眠状态。
综上所述，该睡眠监测方法能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求；采用了分层结构，分别通过可穿戴设备和终端设备对睡眠状况进行分析、校准，进一步提高睡眠监测的准确性。
图2是本发明实施例的睡眠监测设备的结构框图。
如图2所示，该睡眠监测设备10包括：采集模块11、第一获取模块12、第二获取模块13、处理模块14和发送模块15。
其中，采集模块11用于采集用户的加速度数据和心率数据；第一获取模块12用于根据加速度数据获取用户的活动量和呼吸率；第二获取模块13用于根据呼吸率和活动量获取第一睡眠预测结果，并根据心率数据获取第二睡眠预测结果；处理模块14用于对第一睡眠预测结果和第二睡眠预测结果进行融合处理，得到睡眠分期结果；发送模块15用于将睡眠分期结果发送至终端设备，以使终端设备对睡眠分期结果进行校准，得到用户的睡眠状态。
具体地，采集模块11可实时采集用户的加速度数据和心率数据，并分别发送至第一获取模块12和第二获取模块13，以使第一获取模块12根据加速度数据获取用户的活动量和呼吸率，并发送至第二获取模块13，以使第二获取模块13根据呼吸率和活动量获取第一睡眠预测结果，并根据心率数据获取第二睡眠预测结果，并将第一睡眠预测结果和第二睡眠预测结果发送至处理模块14，进而处理模块14对第一睡眠预测结果和第二睡眠预测结果进行融合处理，得到睡眠分期结果，并发送至发送模块15，进而发送模块15将睡眠分期结果发送至终端设备，以使终端设备对睡眠分期结果进行校准，得到用户的睡眠状态。
在本发明的一个实施例中，第一获取模块12在根据加速度数据获取用户的活动量时，具体可用于：根据公式activity＝sqrt(x^2+y^2+z^2)计算用户的活动量，其中，activity为活动量，x,y,z为加速度数据，即x为x轴上的加速度数据、y为y轴上的加速度数据、z为z轴上的加速度数据。
进一步地，第一获取模块12根据加速度数据获取用户的呼吸率时，具体可用于：在活动量小于预设值时，对活动量进行滑动标准差滤波得到波峰和波谷，根据峰峰间隔得到呼吸率。
具体地，第一获取模块12可根据加速度传感器采集到的X轴、Y轴和Z轴三个方向的加速度数据取模运算获得活动量；在活动量小于预设值时，说明活动量较小，为了更加精确、细微地监测用户的运动特征，第一获取模块12可对活动量进行滑动标准差滤波得到波峰和波谷，进而根据峰峰间隔得到呼吸率。从而根据活动量和呼吸率共同分析用户的睡眠状况，得到第一预测结果，相较于单独根据活动量或者呼吸率获取第一预测结果，提高睡眠分析的准确性。
在本发明的一个实施例中，第二获取模块13在根据呼吸率和活动量获取第一睡眠预测结果时，具体可用于：根据活动量和呼吸率确定睡眠分期，其中，睡眠分期包括深睡、浅睡和快速眼动。
具体地，第二获取模块13可根据活动量和呼吸率的持续时间、标准差和平均值将用户的活动状态划分为活动量依次减小的高、中、低三个睡眠等级，其中，每一个睡眠等级可以对应一个睡眠分期，也就是说，高、中、低睡眠等级依次可对应睡眠分期的快速眼动、浅睡和深睡。可以理解的是，睡眠分期可通过概率表示，该概率越接近0，用户睡眠的概率越大；越接近1，用户清醒的概率越大。
在本发明的一个实施例中，第二获取模块13在根据心率数据获取第二睡眠预测结果时，具体用于：获取用户的静息心率；根据静息心率和心率数据的关系建立睡眠概率模型，其中，心率数据包括当前心率的变化率；根据睡眠概率模型获取第二睡眠预测结果，其中，第二睡眠预测结果的范围在0～1之间，越接近0，则用户深睡的概率越大；越接近1，则用户清醒的概率越大。
具体地，第二获取模块13可根据静息心率数据和当前心率的变化率的差值计算用户的睡眠概率，以得到睡眠概率模型，该概率的范围为0-1之间，0表示用户深睡，1表示用户清醒(快速眼动)，越接近0，用户睡眠的概率越大；越接近1，用户清醒的概率越大。
在本发明的一个实施例中，处理模块14在对第一睡眠预测结果和第二睡眠预测结果进行融合处理时，具体用于：对第一睡眠预测结果和第二睡眠预测结果根据预设规则进行加权计算。其中，预设规则可以是第一睡眠预测结果和第二睡眠预测结果分别在睡眠分期结果中所占的比例，其设置可考虑到用户的历史睡眠数据、用户的活动量、用户的年龄、身高、体重等个人信息。
具体地，处理模块14可根据预设规则设置第一睡眠预测结果的权值为第一权值，第二睡眠预测结果的权值为第二权值，通过加权计算得到睡眠分期结果的计算公式可以为：睡眠分期结果＝第一预测结果*第一权值+第二预测结果*第二权值，也就是说，在一个示例中，可对睡眠分期和睡眠概率进行加权计算，睡眠分期结果＝睡眠分期*第一权值+睡眠概率*第二权值。由此，根据丰富的用户睡眠特征(活动量、呼吸率和心率数据)确定了丰富的睡眠分期结果，且使睡眠分期结果的计算更加准确，满足用户定制化的睡眠分析。
在该实施例中，睡眠监测设备10还可包括数据采集单元、微控制单元和通信单元。其中，数据采集单元可包括采集模块11，采集模块11可以包括加速度传感器和PPG传感器，微控制单元可包括第一获取模块12，第二获取模块13和处理模块14，通信单元可发送模块15。
需要说明的是，本发明实施例的其他具体实施方式可参见本发明上述实施例的睡眠监测方法的具体实施方式，为减少冗余，此处不再赘述。
本发明实施例的睡眠监测设备，能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
图3是本发明实施例的睡眠监测系统的结构框图。
如图3所示，该睡眠监测系统100包括上述实施例的睡眠监测设备10和终端设备20。其中，终端设备20与睡眠监测设备10进行无线通信，终端设备20用于接收睡眠监测设备10发送的睡眠分期结果，并对睡眠分期结果进行校准，得到用户的睡眠状态。
进一步地，终端设备20在对睡眠分期结果进行校准时，具体可用于：根据用户的历史睡眠数据和个体信息，基于滑动窗口对睡眠分期结果进行中值滤波，其中，个体信息包括性别、年龄、体重中的一个或多个。
具体地，睡眠监测设备10可将睡眠分期结果及时地无线传输至终端设备20，该终端设备20例如可以是智能手机、手环，以使终端设备20基于滑动窗口对睡眠分期结果进行中值滤波，滤掉离散的睡眠、清醒概率尖峰，使睡眠分期结果更趋于平滑，进而符合睡眠连续性的特征，以得到用户的睡眠状态，然后，终端设备20可通过其显示屏显示用户的睡眠状态，以方便用户查看睡眠状态。
需要说明的是，本发明实施例的其他具体实施方式可参见本发明上述实施例的睡眠监测方法的具体实施方式，为减少冗余，此处不再赘述。
本发明实施例的睡眠监测系统，通过本发明实施例的睡眠监测设备，能够基于用户的活动量、呼吸率和心率进行睡眠分析，得到睡眠分期结果，还能够对睡眠分期结果进行校准，得到睡眠状态，进而能够提高睡眠监测的准确性，满足用户对睡眠分析的个性化需求。
进一步地，本发明提出了一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述实施例的睡眠监测方法。
该存储介质，在其上存储的计算机程序被处理器执行时，能够基于用户的活动量、呼吸率和心率进行睡眠分析、校准，得到用户的睡眠分期结果，进而能够提高睡眠监测的准确性，满足用户睡眠分析的个性化需求。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (15)

1.一种睡眠监测方法，其特征在于，包括以下步骤：
利用可穿戴设备采集用户的加速度数据和心率数据；
根据所述加速度数据获取用户的活动量和呼吸率；
根据所述呼吸率和所述活动量获取第一睡眠预测结果，并根据所述心率数据获取第二睡眠预测结果；
对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理，得到睡眠分期结果；
将所述睡眠分期结果发送至终端设备，以使所述终端设备对所述睡眠分期结果进行校准，得到用户的睡眠状态。
2.如权利要求1所述的睡眠监测方法，其特征在于，所述根据所述加速度数据获取用户的活动量，包括：
根据公式activity＝sqrt(x^2+y^2+z^2)计算用户的活动量，其中，activity为所述活动量，x,y,z为所述加速度数据。
3.如权利要求2所述的睡眠监测方法，其特征在于，所述根据所述加速度数据获取用户的呼吸率，包括：
在所述活动量小于预设值时，对所述活动量进行滑动标准差滤波得到波峰和波谷，根据峰峰间隔得到所述呼吸率。
4.如权利要求1或3所述的睡眠监测方法，其特征在于，所述根据所述呼吸率和所述活动量获取第一睡眠预测结果，包括：
根据所述活动量和所述呼吸率确定睡眠分期，其中，所述睡眠分期包括深睡、浅睡和快速眼动。
5.如权利要求1所述的睡眠监测方法，其特征在于，所述根据所述心率数据获取第二睡眠预测结果，包括：
获取所述用户的静息心率；
根据所述静息心率和所述心率数据的关系建立睡眠概率模型，其中，所述心率数据包括当前心率的变化率；
根据所述睡眠概率模型获取第二睡眠预测结果，其中，第二睡眠预测结果的范围在0～1之间，越接近0，则用户深睡的概率越大；越接近1，则用户清醒的概率越大。
6.如权利要求1所述的睡眠监测方法，其特征在于，所述对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理，包括：
对所述第一睡眠预测结果和所述第二睡眠预测结果根据预设规则进行加权计算。
7.如权利要求1所述的睡眠监测方法，其特征在于，所述终端设备对所述睡眠分期结果进行校准，包括：
根据用户的历史睡眠数据和个体信息，基于滑动窗口对所述睡眠分期结果进行中值滤波，其中，所述个体信息包括性别、年龄、体重中的一个或多个。
8.一种睡眠监测设备，其特征在于，包括：
采集模块，用于采集用户的加速度数据和心率数据；
第一获取模块，用于根据所述加速度数据获取用户的活动量和呼吸率；
第二获取模块，用于根据所述呼吸率和所述活动量获取第一睡眠预测结果，并根据所述心率数据获取第二睡眠预测结果；
处理模块，用于对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理，得到睡眠分期结果；
发送模块，用于将所述睡眠分期结果发送至终端设备，以使所述终端设备对所述睡眠分期结果进行校准，得到用户的睡眠状态。
9.如权利要求8所述的睡眠监测设备，其特征在于，所述第一获取模块在根据所述加速度数据获取用户的活动量时，具体用于：
根据公式activity＝sqrt(x^2+y^2+z^2)计算用户的活动量，其中，activity为所述活动量，x,y,z为所述加速度数据。
10.如权利要求9所述的睡眠监测设备，其特征在于，所述第一获取模块根据所述加速度数据获取用户的呼吸率时，具体用于：
在所述活动量小于预设值时，对所述活动量进行滑动标准差滤波得到波峰和波谷，根据峰峰间隔得到所述呼吸率。
11.如权利要求8或10所述的睡眠监测设备，其特征在于，所述第二获取模块在根据所述呼吸率和所述活动量获取第一睡眠预测结果时，具体用于：
根据所述活动量和所述呼吸率确定睡眠分期，其中，所述睡眠分期包括深睡、浅睡和快速眼动。
12.如权利要求8所述的睡眠监测设备，其特征在于，所述第二获取模块在根据所述心率数据获取第二睡眠预测结果时，具体用于：
获取所述用户的静息心率；
根据所述静息心率和所述心率数据的关系建立睡眠概率模型，其中，所述心率数据包括当前心率的变化率；
根据所述睡眠概率模型获取第二睡眠预测结果，其中，第二睡眠预测结果的范围在0～1之间，越接近0，则用户深睡的概率越大；越接近1，则用户清醒的概率越大。
13.如权利要求8所述的睡眠监测设备，其特征在于，所述处理模块在对所述第一睡眠预测结果和所述第二睡眠预测结果进行融合处理时，具体用于：
对所述第一睡眠预测结果和所述第二睡眠预测结果根据预设规则进行加权计算。
14.一种睡眠监测系统，其特征在于，包括：
如权利要求8-13任一项所述的睡眠监测设备；
终端设备，所述终端设备与所述睡眠监测设备进行无线通信，所述终端设备用于接收所述睡眠监测设备发送的睡眠分期结果，并对所述睡眠分期结果进行校准，得到用户的睡眠状态。
15.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的睡眠监测方法。
CN202010424069.2A 2020-05-19 2020-05-19 睡眠监测方法、设备、系统以及存储介质 Withdrawn CN113679339A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010424069.2A CN113679339A (zh) 2020-05-19 2020-05-19 睡眠监测方法、设备、系统以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010424069.2A CN113679339A (zh) 2020-05-19 2020-05-19 睡眠监测方法、设备、系统以及存储介质

Publications (1)

Publication Number Publication Date
CN113679339A true CN113679339A (zh) 2021-11-23

Family

ID=78576240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010424069.2A Withdrawn CN113679339A (zh) 2020-05-19 2020-05-19 睡眠监测方法、设备、系统以及存储介质

Country Status (1)

Country Link
CN (1) CN113679339A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114767064A (zh) * 2022-03-23 2022-07-22 中国科学院苏州生物医学工程技术研究所 一种儿童睡眠监测方法、系统及电子装置
CN115581435A (zh) * 2022-08-30 2023-01-10 湖南万脉医疗科技有限公司 一种基于多传感器的睡眠监测方法和设备
CN116016767A (zh) * 2022-12-29 2023-04-25 西安天和防务技术股份有限公司 一种终端设备控制方法、系统、设备及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107007278A (zh) * 2017-04-25 2017-08-04 中国科学院苏州生物医学工程技术研究所 基于多参数特征融合的自动睡眠分期方法
CN108042108A (zh) * 2017-12-06 2018-05-18 中国科学院苏州生物医学工程技术研究所 一种基于体震信号的睡眠质量监测方法与系统
CN108201435A (zh) * 2017-12-06 2018-06-26 深圳和而泰数据资源与云技术有限公司 睡眠分期确定方法、相关设备及计算机可读介质
CN109568760A (zh) * 2017-09-29 2019-04-05 中国移动通信有限公司研究院 一种睡眠环境调节方法及系统
CN209285483U (zh) * 2018-06-26 2019-08-23 河北冀德远健医疗器械科技有限公司 一种非接触式体征监护器
CN110710955A (zh) * 2019-09-20 2020-01-21 四川远邦益安科技有限公司 睡眠过程中健康指标的监测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107007278A (zh) * 2017-04-25 2017-08-04 中国科学院苏州生物医学工程技术研究所 基于多参数特征融合的自动睡眠分期方法
CN109568760A (zh) * 2017-09-29 2019-04-05 中国移动通信有限公司研究院 一种睡眠环境调节方法及系统
CN108042108A (zh) * 2017-12-06 2018-05-18 中国科学院苏州生物医学工程技术研究所 一种基于体震信号的睡眠质量监测方法与系统
CN108201435A (zh) * 2017-12-06 2018-06-26 深圳和而泰数据资源与云技术有限公司 睡眠分期确定方法、相关设备及计算机可读介质
CN209285483U (zh) * 2018-06-26 2019-08-23 河北冀德远健医疗器械科技有限公司 一种非接触式体征监护器
CN110710955A (zh) * 2019-09-20 2020-01-21 四川远邦益安科技有限公司 睡眠过程中健康指标的监测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114767064A (zh) * 2022-03-23 2022-07-22 中国科学院苏州生物医学工程技术研究所 一种儿童睡眠监测方法、系统及电子装置
CN114767064B (zh) * 2022-03-23 2024-01-23 中国科学院苏州生物医学工程技术研究所 一种儿童睡眠监测方法、系统及电子装置
CN115581435A (zh) * 2022-08-30 2023-01-10 湖南万脉医疗科技有限公司 一种基于多传感器的睡眠监测方法和设备
CN116016767A (zh) * 2022-12-29 2023-04-25 西安天和防务技术股份有限公司 一种终端设备控制方法、系统、设备及可读存储介质

Similar Documents

Publication Publication Date Title
JP7031669B2 (ja) 情報処理装置、情報処理方法及びプログラム
US20160051184A1 (en) System and method for providing sleep recommendations using earbuds with biometric sensors
CN113679339A (zh) 睡眠监测方法、设备、系统以及存储介质
US8933809B2 (en) Sleep evaluation device and display method for sleep evaluation device
CN108024765B (zh) 对于生理参数进行动态葡萄糖曲线响应的系统、装置和方法
US20170049335A1 (en) Earphones with biometric sensors
US20080004811A1 (en) Apparatus and method for monitoring biological information, and computer program product
US9622685B2 (en) System and method for providing a training load schedule for peak performance positioning using earphones with biometric sensors
EP3079568B1 (en) Device, method and system for counting the number of cycles of a periodic movement of a subject
US20160030809A1 (en) System and method for identifying fitness cycles using earphones with biometric sensors
US20160029974A1 (en) System and method for tracking biological age over time based upon heart rate variability using earphones with biometric sensors
US20230191198A1 (en) Electronic apparatus and operation method for providing of workout guide thereof
EP4176804A1 (en) Measurement and estimation of sleep quality
US20160051185A1 (en) System and method for creating a dynamic activity profile using earphones with biometric sensors
CN110151137A (zh) 基于数据融合的睡眠状态监测方法、装置、设备及介质
US11478186B2 (en) Cluster-based sleep analysis
JP2012055464A (ja) 睡眠評価装置、睡眠評価システムおよびプログラム
JP2015131049A (ja) 生体情報処理システム、電子機器及びサーバーシステム
AU2022201287A1 (en) Cluster-based sleep analysis
CN115299077A (zh) 用于运行听力系统的方法和听力系统
US20160022200A1 (en) System and method for providing an intelligent goal recommendation for activity level using earphones with biometric sensors
CN111698939B (zh) 生成与外部对象相关联的心率波动信息的方法及其设备
US20200237295A1 (en) Method for calculating recovery index based on rem sleep stage and electronic device thereof
CN113614838A (zh) 测定促进装置、方法以及程序
JP2016198193A (ja) 生体情報測定装置、および生体情報測定方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20211123

WW01 Invention patent application withdrawn after publication