CN114451900B - 一种基于脑电的睡眠质量确定方法、系统及存储介质 - Google Patents
一种基于脑电的睡眠质量确定方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114451900B CN114451900B CN202210373328.2A CN202210373328A CN114451900B CN 114451900 B CN114451900 B CN 114451900B CN 202210373328 A CN202210373328 A CN 202210373328A CN 114451900 B CN114451900 B CN 114451900B
- Authority
- CN
- China
- Prior art keywords
- sleep
- frequency
- score
- state
- sleep state
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—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
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于脑电的睡眠质量确定方法、系统及存储介质,所述方法包括:获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;根据所述总睡眠分数,确定睡眠质量等级。本发明实施例通过获取基于脑电波的历史脑电数据确定睡眠状态和睡眠状态对应的时长,再根据睡眠状态、睡眠状态对应的时长和IMU运动数据得到用户的总睡眠分数,从而确定出用户的睡眠质量等级,给用户进行后续的睡眠调整提供参考。
Description
技术领域
本发明涉及健康监护技术领域,尤其涉及的是一种基于脑电的睡眠质量确定方法、系统及存储介质。
背景技术
良好的睡眠是现代人都希望得到的,因为只有用户的睡眠质量好,其第二天工作效率才高,反之如果用户睡眠质量不好,则其第二天工作效率必然低下;但是现有技术并没有一个对睡眠质量进行量化评估的方法,导致无法给用户提供调整参考。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于脑电的睡眠质量确定方法、系统及存储介质,旨在解决现有技术中没有一个对睡眠质量进行量化评估的方法,导致无法给用户提供调整参考的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种基于脑电的睡眠质量确定方法,其中,所述方法包括:
获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;
获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;
根据所述总睡眠分数,确定睡眠质量等级。
在一种实现方式中,所述根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的持续时长包括:
根据所述历史脑电数据,得到脑电波的频率和所述频率对应的时长;
根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长。
在一种实现方式中,所述根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长包括:
当所述频率为第一预设频率时,则睡眠状态为清醒状态,并将所述第一预设频率对应的时长作为所述清醒状态对应的时长;
当所述频率为第二预设频率时,则睡眠状态为入眠状态,并将所述第二预设频率对应的时长作为所述入眠状态对应的时长;
当所述频率为第三预设频率时,则睡眠状态为浅睡状态,并将所述第三预设频率对应的时长作为所述浅睡状态对应的时长;
当所述频率为第四预设频率时,则睡眠状态为深睡状态,并将所述第四预设频率对应的时长作为所述深睡状态对应的时长。
在一种实现方式中,所述根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数包括:
解析清醒状态时的所述IMU运动数据的第一加速度和第一角速度,并对所述第一加速度和所述第一角速度进行运动强度计算,得到第一姿态变换幅度和第一姿态变换频率,最后统计分析所述第一姿态变换幅度、所述第一姿态变换频率和清醒状态对应的时长,得到第一睡眠分数;
解析入眠状态时的所述IMU运动数据的第二加速度和第二角速度,并对所述第二加速度和所述第二角速度进行运动强度计算,得到第二姿态变换幅度和第二姿态变换频率,最后统计分析所述第二姿态变换幅度、第二姿态变换频率和入眠状态对应的时长,得到第二睡眠分数;
解析浅睡状态时的所述IMU运动数据的第三加速度和第三角速度,并对所述第三加速度和所述第三角速度进行运动强度计算,得到第三姿态变换幅度和第三姿态变换频率,最后统计分析所述第三姿态变换幅度、所述第三姿态变换频率和浅睡状态对应的时长,得到第三睡眠分数;
解析深睡状态时的所述IMU运动数据的第四加速度和第四角速度,并对所述第四加速度和所述第四角速度进行运动强度计算,得到第四姿态变换幅度和第四姿态变换频率,最后统计所述第四姿态变换幅度、所述第四姿态变换频率和深睡状态对应的时长,得到第四睡眠分数;
将所述第一睡眠分数、第二睡眠分数、第三睡眠分数和第四睡眠分数进行加权求和,得到总睡眠分数。
在一种实现方式中,所述睡眠质量等级包括第一睡眠等级、第二睡眠等级和第三睡眠等级;所述根据所述总睡眠分数,确定睡眠质量等级包括:
当所述总睡眠分数小于预设的第一分数阈值时,睡眠质量等级为第一睡眠等级;
当所述总睡眠分数大于预设的第一分数阈值,并且当所述总睡眠分数小于预设的第二分数阈值时,睡眠质量等级为第二睡眠等级;
当所述总睡眠分数大于预设的第二分数阈值时,睡眠质量等级为第三睡眠等级。
第二方面,本发明实施例还提供一种基于脑电的睡眠质量确定系统,其中,所述系统包括:
睡眠状态确定模块,用于获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;
总睡眠分数确定模块,用于获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;
睡眠质量等级获取模块,用于根据所述总睡眠分数,得到睡眠质量等级。
在一种实现方式中,所述睡眠状态确定模块还包括:
脑电波的频率获取单元,用于根据所述历史脑电数据,得到脑电波的频率和所述频率对应的时长;
睡眠状态确定子单元,用于根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长。
在一种实现方式中,所述睡眠状态确定子单元包括:
清醒状态确定单元,用于当所述频率为第一预设频率时,则睡眠状态为清醒状态,并将所述第一预设频率对应的时长作为所述清醒状态对应的时长;
入眠状态确定单元,用于当所述频率为第二预设频率时,则睡眠状态为入眠状态,并将所述第二预设频率对应的时长作为所述入眠状态对应的时长;
浅睡状态确定单元,用于当所述频率为第三预设频率时,则睡眠状态为浅睡状态,并将所述第三预设频率对应的时长作为所述浅睡状态对应的时长;
深睡状态确定单元,用于当所述频率为第四预设频率时,则睡眠状态为深睡状态,并将所述第四预设频率对应的时长作为所述深睡状态对应的时长。
在一种实现方式中,所述总睡眠分数确定模块包括:
第一睡眠分数得到单元,用于解析清醒状态时的所述IMU运动数据的第一加速度和第一角速度,并对所述第一加速度和所述第一角速度进行运动强度计算,得到第一姿态变换幅度和第一姿态变换频率,最后统计分析所述第一姿态变换幅度、所述第一姿态变换频率和清醒状态对应的时长,得到第一睡眠分数;
第二睡眠分数得到单元,用于解析入眠状态时的所述IMU运动数据的第二加速度和第二角速度,并对所述第二加速度和所述第二角速度进行运动强度计算,得到第二姿态变换幅度和第二姿态变换频率,最后统计分析所述第二姿态变换幅度、第二姿态变换频率和入眠状态对应的时长,得到第二睡眠分数;
第三睡眠分数得到单元,用于解析浅睡状态时的所述IMU运动数据的第三加速度和第三角速度,并对所述第三加速度和所述第三角速度进行运动强度计算,得到第三姿态变换幅度和第三姿态变换频率,最后统计分析所述第三姿态变换幅度、所述第三姿态变换频率和浅睡状态对应的时长,得到第三睡眠分数;
第四睡眠分数得到单元,用于解析深睡状态时的所述IMU运动数据的第四加速度和第四角速度,并对所述第四加速度和所述第四角速度进行运动强度计算,得到第四姿态变换幅度和第四姿态变换频率,最后统计所述第四姿态变换幅度、所述第四姿态变换频率和深睡状态对应的时长,得到第四睡眠分数;
总睡眠分数得到单元,用于将所述第一睡眠分数、第二睡眠分数、第三睡眠分数和第四睡眠分数进行加权求和,得到总睡眠分数。
在一种实现方式中,所述睡眠质量等级获取模块包括:
第一睡眠等级确定单元,用于当所述总睡眠分数小于预设的第一分数阈值时,睡眠质量等级为第一睡眠等级;
第二睡眠等级确定单元,用于当所述总睡眠分数大于预设的第一分数阈值,并且当所述总睡眠分数小于预设的第二分数阈值时,睡眠质量等级为第二睡眠等级;
第三睡眠等级确定单元,用于当所述总睡眠分数大于预设的第二分数阈值时,睡眠质量等级为第三睡眠等级。
第三方面,本发明实施例还提供一种智能终端,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的基于脑电的睡眠质量确定方法。
第四方面,本发明实施例还提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述中任意一项所述的基于脑电的睡眠质量确定方法。
本发明的有益效果:本发明实施例首先获取获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;然后获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;最后根据所述总睡眠分数,确定睡眠质量等级;可见,本发明实施例中通过获取基于脑电波的历史脑电数据确定睡眠状态和睡眠状态对应的时长,再根据睡眠状态、睡眠状态对应的时长和IMU运动数据得到用户的总睡眠分数,从而确定出用户的睡眠质量等级,给用户进行后续的睡眠调整提供参考。
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中记载的一些实施例,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脑电的睡眠质量确定方法流程示意图。
图2为本发明实施例提供的基于脑电的睡眠质量确定系统的原理框图。
图3为本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
本发明公开了一种基于脑电的睡眠质量确定方法、系统及存储介质,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。 应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
由于现有技术中,没有一个对睡眠质量进行量化评估的方法,导致无法给用户提供调整参考。
为了解决现有技术的问题,本实施例提供了一种基于脑电的睡眠质量确定方法,通过获取基于脑电波的历史脑电数据确定睡眠状态和睡眠状态对应的时长,再根据睡眠状态、睡眠状态对应的时长和IMU运动数据得到用户的总睡眠分数,从而确定出用户的睡眠质量等级,给用户进行后续的睡眠调整提供参考。具体实施时,首先获取获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;然后获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;最后根据所述总睡眠分数,确定睡眠质量等级。
示例性方法
本实施例提供一种基于脑电的睡眠质量确定方法,该方法可以应用于健康监护的智能终端。具体如图1所示,所述方法包括:
步骤S100、获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;
具体地,历史脑电数据是通过设置在脑部头环上的三个电机采集的用户过去每晚脑电信号,这些信号可以存储在U盘中,可以存储在云盘中,也可以存储在服务器中。然后根据所述历史脑电数据的频率特征可以确定睡眠状态,历史脑电数据采集时是随着时间变化的数据,故也可以采集到时间信息,根据时间信息就可以确定睡眠状态对应的时长。
为了确定睡眠状态和所述睡眠状态对应的时长,所述根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的持续时长包括如下步骤:
根据所述历史脑电数据,得到脑电波的频率和所述频率对应的时长;
根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长。
具体地,解析所述历史脑电数据,可以得到脑电波的频率和频率对应的时长,因为脑电波会呈现出多种频率,例如:α波、δ波、θ波和β波。实际中, 每个脑电波的频率持续的时长是不同的。接着就可以,根据所述频率和所述频率对应的时长,确定睡眠状态和睡眠状态对应的时长。相应的,所述根据所述频率和所述频率对应的时长,确定睡眠状态和睡眠状态对应的时长包括如下步骤:当所述频率为第一预设频率时,则睡眠状态为清醒状态,并将所述第一预设频率对应的时长作为所述清醒状态对应的时长;当所述频率为第二预设频率时,则睡眠状态为入眠状态,并将所述第二预设频率对应的时长作为所述入眠状态对应的时长;当所述频率为第三预设频率时,则睡眠状态为浅睡状态,并将所述第三预设频率对应的时长作为所述浅睡状态对应的时长;当所述频率为第四预设频率时,则睡眠状态为深睡状态,并将所述第四预设频率对应的时长作为所述深睡状态对应的时长。
具体地,第一预设频率为β波,第二预设频率为α波,第三预设频率为θ波,第四预设频率为δ波,当所述频率为β波时,则睡眠状态为清醒状态,并将所述β波对应的时长作为所述清醒状态对应的时长;当所述频率为α波时,则睡眠状态为入眠状态,并将所述α波对应的时长作为所述入眠状态对应的时长;当所述频率为θ波时,则睡眠状态为浅睡状态,并将所述θ波对应的时长作为所述浅睡状态对应的时长;当所述频率为δ波时,则睡眠状态为深睡状态,并将所述δ波对应的时长作为所述深睡状态对应的时长。例如:α/阿尔法脑波(ALPHA)在大脑中有时出现,有时消失,它并不总是存在。在深睡情况下没有α波;如果一个人在激动状态下,或恐惧,愤怒时,大脑中也没有α脑波。α脑波在入睡时出现(即半睡半醒时),此时身体处于放松状态,并有自觉的警觉意识。δ/德尔塔脑波(DELTA)只在深睡时出现。θ/西塔脑波(THETA)在浅睡时出现。β/贝塔脑波(BETA)在清醒时出现,伴有需努力能够达到的注意力集中。
得到睡眠状态和所述睡眠状态对应的时长后,就可以执行如图1所示的如下步骤:S200、获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;
实际中,除了睡眠状态和睡眠状态的时长能反映睡眠的质量好坏,用户在睡眠过程的运动状态也能反映睡眠质量的好坏。故为了更加准确的量化睡眠质量的好坏,本发明还获取了IMU传感器检测的IMU运动数据。在本实施例中,IMU传感器为惯性传感器,也是惯性测量单元,由3个加速度计和3个陀螺仪组成的组合单元,加速度计和陀螺仪安装在互相垂直的测量轴上,因此,将惯性传感器放置于人的头上,通过惯性传感器可以测出头部在运动时的加速度和角速度。
为了得到总睡眠分数,所述根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数包括如下步骤:
S201、解析清醒状态时的所述IMU运动数据的第一加速度和第一角速度,并对所述第一加速度和所述第一角速度进行运动强度计算,得到第一姿态变换幅度和第一姿态变换频率,最后统计分析所述第一姿态变换幅度、所述第一姿态变换频率和清醒状态对应的时长,得到第一睡眠分数;
S202、解析入眠状态时的所述IMU运动数据的第二加速度和第二角速度,并对所述第二加速度和所述第二角速度进行运动强度计算,得到第二姿态变换幅度和第二姿态变换频率,最后统计分析所述第二姿态变换幅度、第二姿态变换频率和入眠状态对应的时长,得到第二睡眠分数;
S203、解析浅睡状态时的所述IMU运动数据的第三加速度和第三角速度,并对所述第三加速度和所述第三角速度进行运动强度计算,得到第三姿态变换幅度和第三姿态变换频率,最后统计分析所述第三姿态变换幅度、所述第三姿态变换频率和浅睡状态对应的时长,得到第三睡眠分数;
S204、解析深睡状态时的所述IMU运动数据的第四加速度和第四角速度,并对所述第四加速度和所述第四角速度进行运动强度计算,得到第四姿态变换幅度和第四姿态变换频率,最后统计所述第四姿态变换幅度、所述第四姿态变换频率和深睡状态对应的时长,得到第四睡眠分数;
S205、将所述第一睡眠分数、第二睡眠分数、第三睡眠分数和第四睡眠分数进行加权求和,得到总睡眠分数。
具体地,由于睡眠状态包括四个睡眠状态:清醒状态、入眠状态、浅睡状态和深睡状态,每个状态反映的睡眠质量好坏是不同的,如果量化成睡眠分数当然也是不同的,故先分别计算四种睡眠状态的睡眠分数。在本实施例中,姿态分为平躺、左侧躺、右侧躺和趴着。先解析清醒状态时的所述IMU运动数据的第一加速度和第一角速度,然后对所述第一加速度和所述第一角速度进行运动强度计算,如,当用户从一个姿态变换到另一个姿态时,如果变换速度快,对IMU传感器的IMU运动数据进行运动强度计算,就可以得到用户姿的第一姿态变换幅度的大小,以及第一姿态变换频率,第一姿态变换幅度的大说明用户的睡眠质量不好,第一姿态变换频率很高同样说明用户的睡眠质量不好。此外,用户在清醒状态的时长越长也说明用户的睡眠质量不好。本发明通过对睡眠质量影响比较大的几个因素:所述第一姿态变换幅度、所述第一姿态变换频率和清醒状态对应的时长的统计分析,具体可以为第一姿态变换幅度映射到不同的睡眠分数,将所述第一姿态变换频率映射到不同的睡眠分数,将清醒状态对应的时长映射到不同的睡眠分数,最后将上面这几个睡眠分数进行加权求和得到第一睡眠分数。基于同样的原理,通过对入眠状态时的所述IMU运动数据的第二加速度和第二角速度的运动强度计算,得到第二姿态变换幅度和第二姿态变换频率,然后将第二姿态变换幅度映射为不同的睡眠分数,将第二姿态变换频率映射为不同的睡眠分数,将入眠状态对应的时长映射为不同的睡眠分数,最后将上面这几个睡眠分数进行加权求和得到第二睡眠分数。基于同样的原理,通过对浅睡状态时的所述IMU运动数据的第三加速度和第三角速度的运动强度计算,得到第三姿态变换幅度和第三姿态变换频率,然后将第三姿态变换幅度映射为不同的睡眠分数,将第三姿态变换频率映射为不同的睡眠分数,将浅睡状态对应的时长映射为不同的睡眠分数,再将上述几个睡眠分数进行加权求和得到第三睡眠分数。基于同样的原理,通过对深睡状态时的上述IMU运动数据的第四加速度和第四角速度的运动强度技术,得到第四姿态变换幅度和第四姿态变化频率,然后将第四姿态变换幅度营私为不同的睡眠分数,将第四姿态变换频率映射为不同的睡眠分数,将深睡状态对应的时长映射为不同的睡眠分数,再将上述几个睡眠分数进行加权求和得到第四睡眠分数。最终,由于清醒状态时的睡眠反映的睡眠质量低,第一睡眠分数的权重可以取较低值,如0.1,入眠状态时的睡眠反映的是睡眠质量也偏低,第二睡眠分数的权重也可以取较低值,如0.1,浅睡状态时的睡眠反映用户正在进入睡眠但是还没有进入深度睡眠容易被惊醒,此时第三睡眠分数的权重可以取一个比第一睡眠分数和第二睡眠分数的权重大一些的权重,如0.2,深睡状态反映用户进入深度睡眠,说明睡眠质量良好,故其对应的第四睡眠分数取最高值,如0.6,然后将第一睡眠分数与其对应的权重相乘,得到第一乘积;将第二睡眠分数与其对应的权重相乘,得到第二乘积;将第三睡眠分数与其对应的权重相乘,得到第三乘积;将第四睡眠分数与其对应的权重相乘,得到第四乘积,然后将第一乘积、第二乘积、第三乘积和第四乘积相加,得到总睡眠分数。
浅睡状态和深睡状态的IMU运动数据的加速度和角速度进行运动强度计算得到对应的姿态变化幅度和姿态变化频率,以及通过统计分析,可以
具体地,预设的第一分数阈值为50分,预设的第二分数阈值为70分,当所述总睡眠分数小于50分时,睡眠质量等级为第一睡眠等级,第一睡眠等级表明用户的睡眠质量很差,当所述总睡眠分数大于50分,并且小于70分时,睡眠质量等级为第二睡眠等级,第二睡眠等级表明用户的睡眠质量合格,当所述睡眠分数大于70分时,睡眠质量等级为第三睡眠等级,第三睡眠等级表明用户的睡眠质量良好。这样,得到睡眠等级后,用户根据得到的每晚的睡眠等级来调整后续睡眠策略。
示例性设备
如图2中所示,本发明实施例提供一种基于脑电的睡眠质量确定系统,该系统包括睡眠状态确定模块401、总睡眠分数确定模块402和睡眠质量等级获取模块403,其中:
睡眠状态确定模块401,用于获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;
总睡眠分数确定模块402,用于获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;
睡眠质量等级获取模块403,用于根据所述总睡眠分数,得到睡眠质量等级。
在一种实现方式中,所述睡眠状态确定模块还包括:
脑电波的频率获取单元,用于根据所述历史脑电数据,得到脑电波的频率和所述频率对应的时长;
睡眠状态确定子单元,用于根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长。
在一种实现方式中,所述睡眠状态确定子单元包括:
清醒状态确定单元,用于当所述频率为第一预设频率时,则睡眠状态为清醒状态,并将所述第一预设频率对应的时长作为所述清醒状态对应的时长;
入眠状态确定单元,用于当所述频率为第二预设频率时,则睡眠状态为入眠状态,并将所述第二预设频率对应的时长作为所述入眠状态对应的时长;
浅睡状态确定单元,用于当所述频率为第三预设频率时,则睡眠状态为浅睡状态,并将所述第三预设频率对应的时长作为所述浅睡状态对应的时长;
深睡状态确定单元,用于当所述频率为第四预设频率时,则睡眠状态为深睡状态,并将所述第四预设频率对应的时长作为所述深睡状态对应的时长。
在一种实现方式中,所述总睡眠分数确定模块包括:
第一睡眠分数得到单元,用于解析清醒状态时的所述IMU运动数据的第一加速度和第一角速度,并对所述第一加速度和所述第一角速度进行运动强度计算,得到第一姿态变换幅度和第一姿态变换频率,最后统计分析所述第一姿态变换幅度、所述第一姿态变换频率和清醒状态对应的时长,得到第一睡眠分数;
第二睡眠分数得到单元,用于解析入眠状态时的所述IMU运动数据的第二加速度和第二角速度,并对所述第二加速度和所述第二角速度进行运动强度计算,得到第二姿态变换幅度和第二姿态变换频率,最后统计分析所述第二姿态变换幅度、第二姿态变换频率和入眠状态对应的时长,得到第二睡眠分数;
第三睡眠分数得到单元,用于解析浅睡状态时的所述IMU运动数据的第三加速度和第三角速度,并对所述第三加速度和所述第三角速度进行运动强度计算,得到第三姿态变换幅度和第三姿态变换频率,最后统计分析所述第三姿态变换幅度、所述第三姿态变换频率和浅睡状态对应的时长,得到第三睡眠分数;
第四睡眠分数得到单元,用于解析深睡状态时的所述IMU运动数据的第四加速度和第四角速度,并对所述第四加速度和所述第四角速度进行运动强度计算,得到第四姿态变换幅度和第四姿态变换频率,最后统计所述第四姿态变换幅度、所述第四姿态变换频率和深睡状态对应的时长,得到第四睡眠分数;
总睡眠分数得到单元,用于将所述第一睡眠分数、第二睡眠分数、第三睡眠分数和第四睡眠分数进行加权求和,得到总睡眠分数。
在一种实现方式中,所述睡眠质量等级获取模块包括:
第一睡眠等级确定单元,用于当所述总睡眠分数小于预设的第一分数阈值时,睡眠质量等级为第一睡眠等级;
第二睡眠等级确定单元,用于当所述总睡眠分数大于预设的第一分数阈值,并且当所述总睡眠分数小于预设的第二分数阈值时,睡眠质量等级为第二睡眠等级;
第三睡眠等级确定单元,用于当所述总睡眠分数大于预设的第二分数阈值时,睡眠质量等级为第三睡眠等级。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图3所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于脑电的睡眠质量确定方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏,该智能终端的温度传感器是预先在智能终端内部设置,用于检测内部设备的运行温度。
本领域技术人员可以理解,图3中的原理图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;
获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;
根据所述总睡眠分数,确定睡眠质量等级。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种基于脑电的睡眠质量确定方法、系统及存储介质,所述方法包括:获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;根据所述总睡眠分数,确定睡眠质量等级。本发明实施例通过获取基于脑电波的历史脑电数据确定睡眠状态和睡眠状态对应的时长,再根据睡眠状态、睡眠状态对应的时长和IMU运动数据得到用户的总睡眠分数,从而确定出用户的睡眠质量等级,给用户进行后续的睡眠调整提供参考。
基于上述实施例,本发明公开了一种基于脑电的睡眠质量确定方法,应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种基于脑电的睡眠质量确定方法,其特征在于,所述方法包括:
获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;其中,所述历史脑电数据采集时间信息;
根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长包括:
根据所述历史脑电数据,得到脑电波的频率和所述频率对应的时长;
根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长;
所述根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长包括:
当所述频率为第一预设频率时,则睡眠状态为清醒状态,并将所述第一预设频率对应的时长作为所述清醒状态对应的时长;
当所述频率为第二预设频率时,则睡眠状态为入眠状态,并将所述第二预设频率对应的时长作为所述入眠状态对应的时长;
当所述频率为第三预设频率时,则睡眠状态为浅睡状态,并将所述第三预设频率对应的时长作为所述浅睡状态对应的时长;
当所述频率为第四预设频率时,则睡眠状态为深睡状态,并将所述第四预设频率对应的时长作为所述深睡状态对应的时长;
获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;其中,所述IMU传感器为惯性传感器,由3个加速度计和3个陀螺仪组成;
所述根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数包括:
解析清醒状态时的所述IMU运动数据的第一加速度和第一角速度,并对所述第一加速度和所述第一角速度进行运动强度计算,得到第一姿态变换幅度和第一姿态变换频率,最后统计分析所述第一姿态变换幅度、所述第一姿态变换频率和清醒状态对应的时长,得到第一睡眠分数;
解析入眠状态时的所述IMU运动数据的第二加速度和第二角速度,并对所述第二加速度和所述第二角速度进行运动强度计算,得到第二姿态变换幅度和第二姿态变换频率,最后统计分析所述第二姿态变换幅度、第二姿态变换频率和入眠状态对应的时长,得到第二睡眠分数;
解析浅睡状态时的所述IMU运动数据的第三加速度和第三角速度,并对所述第三加速度和所述第三角速度进行运动强度计算,得到第三姿态变换幅度和第三姿态变换频率,最后统计分析所述第三姿态变换幅度、所述第三姿态变换频率和浅睡状态对应的时长,得到第三睡眠分数;
解析深睡状态时的所述IMU运动数据的第四加速度和第四角速度,并对所述第四加速度和所述第四角速度进行运动强度计算,得到第四姿态变换幅度和第四姿态变换频率,最后统计所述第四姿态变换幅度、所述第四姿态变换频率和深睡状态对应的时长,得到第四睡眠分数;
将所述第一睡眠分数、第二睡眠分数、第三睡眠分数和第四睡眠分数进行加权求和,得到总睡眠分数;
根据所述总睡眠分数,确定睡眠质量等级;
所述睡眠质量等级包括第一睡眠等级、第二睡眠等级和第三睡眠等级;所述根据所述总睡眠分数,确定睡眠质量等级包括:
当所述总睡眠分数小于预设的第一分数阈值时,睡眠质量等级为第一睡眠等级;
当所述总睡眠分数大于预设的第一分数阈值,并且当所述总睡眠分数小于预设的第二分数阈值时,睡眠质量等级为第二睡眠等级;
当所述总睡眠分数大于预设的第二分数阈值时,睡眠质量等级为第三睡眠等级;
得到睡眠质量等级后,用户根据得到的每晚的睡眠等级来调整后续睡眠策略。
2.一种基于脑电的睡眠质量确定系统,其特征在于,所述系统包括:
睡眠状态确定模块,用于获取历史脑电数据,并根据所述历史脑电数据确定睡眠状态和所述睡眠状态对应的时长;其中,所述历史脑电数据采集时间信息;
所述睡眠状态确定模块还包括:
脑电波的频率获取单元,用于根据所述历史脑电数据,得到脑电波的频率和所述频率对应的时长;
睡眠状态确定子单元,用于根据所述频率和频率对应的时长,得到睡眠状态和睡眠状态对应的时长;
所述睡眠状态确定子单元包括:
清醒状态确定单元,用于当所述频率为第一预设频率时,则睡眠状态为清醒状态,并将所述第一预设频率对应的时长作为所述清醒状态对应的时长;
入眠状态确定单元,用于当所述频率为第二预设频率时,则睡眠状态为入眠状态,并将所述第二预设频率对应的时长作为所述入眠状态对应的时长;
浅睡状态确定单元,用于当所述频率为第三预设频率时,则睡眠状态为浅睡状态,并将所述第三预设频率对应的时长作为所述浅睡状态对应的时长;
深睡状态确定单元,用于当所述频率为第四预设频率时,则睡眠状态为深睡状态,并将所述第四预设频率对应的时长作为所述深睡状态对应的时长;
总睡眠分数确定模块,用于获取IMU传感器检测的IMU运动数据,并根据所述IMU运动数据、所述睡眠状态和睡眠状态对应的时长,确定总睡眠分数;其中,所述IMU传感器为惯性传感器,由3个加速度计和3个陀螺仪组成;
所述总睡眠分数确定模块包括:
第一睡眠分数得到单元,用于解析清醒状态时的所述IMU运动数据的第一加速度和第一角速度,并对所述第一加速度和所述第一角速度进行运动强度计算,得到第一姿态变换幅度和第一姿态变换频率,最后统计分析所述第一姿态变换幅度、所述第一姿态变换频率和清醒状态对应的时长,得到第一睡眠分数;
第二睡眠分数得到单元,用于解析入眠状态时的所述IMU运动数据的第二加速度和第二角速度,并对所述第二加速度和所述第二角速度进行运动强度计算,得到第二姿态变换幅度和第二姿态变换频率,最后统计分析所述第二姿态变换幅度、第二姿态变换频率和入眠状态对应的时长,得到第二睡眠分数;
第三睡眠分数得到单元,用于解析浅睡状态时的所述IMU运动数据的第三加速度和第三角速度,并对所述第三加速度和所述第三角速度进行运动强度计算,得到第三姿态变换幅度和第三姿态变换频率,最后统计分析所述第三姿态变换幅度、所述第三姿态变换频率和浅睡状态对应的时长,得到第三睡眠分数;
第四睡眠分数得到单元,用于解析深睡状态时的所述IMU运动数据的第四加速度和第四角速度,并对所述第四加速度和所述第四角速度进行运动强度计算,得到第四姿态变换幅度和第四姿态变换频率,最后统计所述第四姿态变换幅度、所述第四姿态变换频率和深睡状态对应的时长,得到第四睡眠分数;
总睡眠分数得到单元,用于将所述第一睡眠分数、第二睡眠分数、第三睡眠分数和第四睡眠分数进行加权求和,得到总睡眠分数;
睡眠质量等级获取模块,用于根据所述总睡眠分数,得到睡眠质量等级;
所述睡眠质量等级获取模块包括:
第一睡眠等级确定单元,用于当所述总睡眠分数小于预设的第一分数阈值时,睡眠质量等级为第一睡眠等级;
第二睡眠等级确定单元,用于当所述总睡眠分数大于预设的第一分数阈值,并且当所述总睡眠分数小于预设的第二分数阈值时,睡眠质量等级为第二睡眠等级;
第三睡眠等级确定单元,用于当所述总睡眠分数大于预设的第二分数阈值时,睡眠质量等级为第三睡眠等级;
得到睡眠质量等级后,用户根据得到的每晚的睡眠等级来调整后续睡眠策略。
3.一种智能终端,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1所述的方法。
4.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210373328.2A CN114451900B (zh) | 2022-04-11 | 2022-04-11 | 一种基于脑电的睡眠质量确定方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210373328.2A CN114451900B (zh) | 2022-04-11 | 2022-04-11 | 一种基于脑电的睡眠质量确定方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114451900A CN114451900A (zh) | 2022-05-10 |
CN114451900B true CN114451900B (zh) | 2022-09-27 |
Family
ID=81417928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210373328.2A Active CN114451900B (zh) | 2022-04-11 | 2022-04-11 | 一种基于脑电的睡眠质量确定方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114451900B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202231B (zh) * | 2022-09-14 | 2022-12-09 | 深圳市心流科技有限公司 | 一种基于睡眠状态的智能家电的预约设置方法及终端设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109091150A (zh) * | 2017-11-29 | 2018-12-28 | 惠州市德赛工业研究院有限公司 | 睡眠体动的识别方法、睡眠质量评估方法及智能穿戴设备 |
CN113941071A (zh) * | 2021-12-20 | 2022-01-18 | 深圳市心流科技有限公司 | 基于脑电的睡眠唤醒方法、装置、智能终端及存储介质 |
CN114191684A (zh) * | 2022-02-16 | 2022-03-18 | 浙江强脑科技有限公司 | 基于脑电的睡眠控制方法、装置、智能终端及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10252058B1 (en) * | 2013-03-12 | 2019-04-09 | Eco-Fusion | System and method for lifestyle management |
CN103632063B (zh) * | 2013-12-12 | 2017-02-08 | 惠州Tcl移动通信有限公司 | 一种用于获取用户睡眠质量等级数据的方法和系统 |
-
2022
- 2022-04-11 CN CN202210373328.2A patent/CN114451900B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109091150A (zh) * | 2017-11-29 | 2018-12-28 | 惠州市德赛工业研究院有限公司 | 睡眠体动的识别方法、睡眠质量评估方法及智能穿戴设备 |
CN113941071A (zh) * | 2021-12-20 | 2022-01-18 | 深圳市心流科技有限公司 | 基于脑电的睡眠唤醒方法、装置、智能终端及存储介质 |
CN114191684A (zh) * | 2022-02-16 | 2022-03-18 | 浙江强脑科技有限公司 | 基于脑电的睡眠控制方法、装置、智能终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114451900A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615851B (zh) | 一种睡眠监控方法及终端 | |
CN110366387B (zh) | 测量和评估睡眠质量 | |
CN113951818A (zh) | 用于睡眠监测的设备和方法 | |
US10178974B2 (en) | Method and system for monitoring continuous biomedical signal | |
EP3677171B1 (en) | A method and apparatus for determining sleep need and sleep pressure based on physiological data | |
CN106343979B (zh) | 一种静息心率测量方法与装置及包括该装置的可穿戴设备 | |
CN114451900B (zh) | 一种基于脑电的睡眠质量确定方法、系统及存储介质 | |
US20160128638A1 (en) | System and method for detecting and quantifying deviations from physiological signals normality | |
US20180329713A1 (en) | Fitness sensor with low power attributes in sensor hub | |
CN114191684B (zh) | 基于脑电的睡眠控制方法、装置、智能终端及存储介质 | |
CN108430309A (zh) | 一种睡眠监测方法、装置及终端 | |
JP2016133850A (ja) | ドライバに対する注意喚起制御方法、注意喚起制御プログラム、注意喚起制御装置、運転支援プログラム、運転支援方法、及び、運転支援装置 | |
CN113941071B (zh) | 基于脑电的睡眠唤醒方法、装置、智能终端及存储介质 | |
CN111568380A (zh) | 基于睡醒时间预测的闹钟设定方法、装置和设备 | |
WO2017092018A1 (zh) | 一种生物信号采集方法、装置、电子设备及系统 | |
KR20190062148A (ko) | 수면 분석 방법 및 이를 이용한 수면 분석 디바이스 | |
JP7250647B2 (ja) | 仮眠補助システム、および、仮眠補助用プログラム | |
CN116724361A (zh) | 基于睡眠活动的对患者健康状况变化的检测 | |
CN112957018A (zh) | 基于人工智能的心脏状态检测方法和装置 | |
US20200330040A1 (en) | Method and system for detecting noise in vital sign signal | |
FI3734610T3 (fi) | Näyttöohjelma, näyttömenetelmä sekä näyttölaite | |
CN111870250A (zh) | 用户状态监测方法、装置、计算设备及计算机存储介质 | |
US10471302B1 (en) | Method and system for administering an activity program | |
TW202108077A (zh) | 專注力自動偵測方法和系統 | |
CN114724663A (zh) | 一种血压管理方法及系统 |
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 |