一种立体多维度数据的智能睡眠监测系统
技术领域
本发明属于睡眠监测技术领域,具体涉及一种基于多维度数据的智能睡眠监测方法及系统。
背景技术
目前临床常见睡眠障碍类疾病主要有三大类:1、睡眠呼吸障碍类疾病(如睡眠呼吸暂停综合征等);2、神经精神类睡眠疾病(如失眠等);3、异态睡眠(REM睡眠期行为异常等)。这些疾病都需要进行多导睡眠监测进行诊断后才能接受规范的治疗。
现有睡眠监测方式主要分两种:1、大型医院睡眠中心进行多导睡眠监测;2、便携式睡眠监测(可居家监测,但仅局限于睡眠呼吸障碍类疾病)。此两种方式均存在需要被监测者佩戴睡眠监测装置,而这类睡眠监测装置均存在穿戴繁琐,舒适度差以及易受干扰等因素影响,并且在监测结束后需要将数据重新传送后分析出具报告。3、现有监测体系对监测对象的即时状态,尤其是出现生命状态剧烈变化的预警性存在不足(恶性心率失常预警、呼吸暂停时间过长预警、神经系统异常:如脑梗、脑出血等预警不足)。4、现有监测数据分析系统需在固定场所将所有数据收集齐后进行分析处理,无法做到远程数据分析。传统的睡眠监测体体系对被监测对象、不同病种、监测场所及技术操作人员要求较高,目前急需一种无需穿戴,患者易接受、操作简便、数据准确、预警提示以及远程数据分析五维一体即时监测即时数据传送分析结果的新型睡眠监测系统,这个睡眠监测系统可设置于医院、诊所、家庭、康复疗养中心,甚至宾馆,可以极大程度上节约医疗资源、节约医疗成本并提高患者检查的依从性、安全性,可真正实现无人值守下完成整夜睡眠监测。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种立体多维度数据的智能睡眠监测方法及系统。
立体多维度数据的智能睡眠监测系统是通过以下技术方案实现的:
立体数据采集单元,数据采集单元为多维立体设置,包括除地面外五面体感测探头,每个探头包含多种传感器设备,至少包含图像、红外气体传感器和声音传感器,可接收体位图像信号、呼吸气流信号和声音信号;
通过睡眠衣服采集睡眠时的人体运动信号,具体睡眠衣服嵌入的感测模块,优选的感测模块分别设置于睡眠衣服的双臂手腕处、腿部小腿处、胸前和后颈处;其中使用的睡眠衣服具有舒适度和热传导性,可采用柔性纺织材料制成,同时采样柔性材料的采集芯片亦可以规避感测模块对人体的受压部位:手部、脸部、胸部的积压造成不良后果;
睡眠数据分析模块,通过分析捕获人体在睡眠时间范围内上述体位图像信号、呼吸气流信号、声音信号和人体运动信号以及人体运动信号得到睡眠质量结果;其中体位图像信号、呼吸气流信号、声音信号为5个方向分别感测得到的信号;睡眠质量结果为质量评分值Sv,按照评分值范围确定为睡眠质量极优、睡眠质量优,睡眠质量良好、睡眠质量一般、睡眠质量较差、睡眠质量差、睡眠质量极差;
具体检测体位图像中出现用户躺卧姿势时,进一步检测体位图像中包含的人脸图像中的人眼是否闭合,当判断图像中的人眼闭合时间超过一定阈值,启动立体数据采集单元其他传感器以及睡眠衣服感测模块工作,采集结束时间为用户设置的起床时间;这样可以更精确的得出用户睡眠时间范围T。不考虑精确性的情况下,用户也可自行设定睡眠检测时间的范围。
在用户睡眠时间范围T内,设定一定时间的采样周期f,总采样数次数为T/f;在每个采样期间分析捕获的5个方向的体位图像中用户的体位变化信息,得到用户在睡眠期间内睡眠体位变化频率a1j、体位变化幅度参数a2j以及上述两个参数的关联参数a3j;具体方式可以利用5个方向的图像分别检测人体区域,以人体区域矩形框标注,具体人体检测的方法可以采用基于深度学习网络的目标检测方法进行,本发明优选RCNN或YoLo-v3;变化频率a1j人体区域矩形位置变化次数与采样周期(本发明优选60s)得到;体位变化幅度a2j通过如下计算方式得到:体位矩形发生变化时扫过的面积和,扫过的面积确定是可以通过两个矩形框从当前位置移动到其他位置在移动轨迹形成的面积;关联参数a3j可以通过a2j/a1j计算得到,其中j代表方位序号,j=1,...,5;
分析捕获的5个方向的呼吸气流信号,得到用户在采样周期内的睡眠呼吸频率b1j和呼吸强度参数b2j以及上述两个参数的关联参数b3j;呼吸气流信号可通过红外气体感测仪得到,用户在采样周期内的睡眠呼吸频率b1j(呼气吸气次数/周期时间(s))和呼吸强度参数b2j可通过检测采样周期内呼出的二氧化碳量计算得到;关联参数b3j可以通过b2j/b1j计算得到;
分析捕获的5个方向的声音信号,得到用户在睡眠期间内鼾声发生次数c1j以及持续时长参数c2j以及上述两个参数的关联参数c3j,关联参数c3j可以通过c2j/c1j计算得到;通过声音信号获取鼾声次数以及持续时长为现有技术,具体的方式本发明不做限定。
计算上述a1
j、a2
j、a3
j,b1
j、b2
j、b3
j、c1
j、c2
j、c3
j每一个参数的均值作为评价输入,以a1为例,
通过睡眠衣服采集睡眠期间的人体运动信号,包括人体双臂手腕处、腿部小腿处、胸前和后颈处幅度参数d1i,以及对应频率参数d2i,;其中i代表上述人体运动信号的传感器个数,本发明为6个;幅度d1i可以由睡眠衣服中运动传感器位移计算得到,频率参数可以由多个感测模块频率均值计算得到,关联参数d3i可以通过d2i/d1i计算得到;
本申请引入参数间的关联参数可以防止个别参数异常或者个别参数对结果影响过大的不利影响,且上述参数间本身具备关联关系,为了表征关联因素对结果的影响,提出关联参数,以提高睡眠数据分析模块多个参数分析睡眠质量结果的准确性;五个方位立体数据会克服由于遮挡或者侧卧无法采集到有效信号,五个方位信号采集进一步提升分析结果的准确性。
本申请睡眠质量分析模型通过如下步骤构建,连续采集100人对应睡眠时间范围T内上述立体数据采集单元多种信号并获取上述参数a1、a2、a3,b1、b2、b3、c1、c2、c3、d1i、d2i、d3i,由10名专业医生分别对100个样本进行医学评价,得出对应的睡眠评分均值,作为最后样本的睡眠质量评分;
本发明中数据分析模型采用神经网络,示例性的以BP神经网络为例,定义了三层网络,输入层(第0层),隐藏层(第1层),输出层(第二层),激活函数优选为sigmod函数;设定输入为a1、a2、a3,b1、b2、b3、c1、c2、c3、d1i、d2i、d3i共27个输入,输出为睡眠质量评分值;利用100个样本进行睡眠质量分析模型,并利用该模型对新输入数据进行评价,得到用户的睡眠质量评分值Sv。
进一步本发明还进一步包括医院的使用场景,在此基础上进一步增加生物电信号监测,分别在睡眠衣服头部、手部和胸部放置感测模块用于获取动态心电信号、动态脑电信号。分析动态脉氧信号得到以上两种种信号分别分得到稳定比率参数e1、异常拍数e2。其评价模型与上述评价模型构建的方式相同,在此不做赘述。
睡眠预警模块,接收上述睡眠数据分析模块分析得到的结果,当分析结果睡眠质量为一般或以下,提示用户进行专业治疗,并对应给出专业建议;
进一步监测系统还包含远程数据分析模块,该模块由用户将采集的所有信号数据和分析结果上传至远程数据分析模块,由专业工作人员对上传的采集信号息以及分析结果做进一步判断,可进行PC端以及手机端的即时操控,满足用户寻求专业人员帮助和建议。
与现有技术相比,本发明的有益效果是:本申请提出的立体多维度数据的智能睡眠监测系统,通过立体数据采集单元采集分析用户睡眠时的多维数据,并提出了多种睡眠质量影响因素的计算方式,进一步本申请引入参数间的关联参数可以防止个别参数异常或者个别参数对结果影响过大的不利影响,且上述参数间本身具备关联关系,为了表征关联因素对结果的影响,提出关联参数,以提高睡眠数据分析模块多个参数分析睡眠质量结果的准确性。
且本发明无需穿戴设备,患者易接受、操作简便、数据准确、预警提示,可以极大程度上节约医疗资源、节约医疗成本并提高患者检查的依从性、安全性,可真正实现无人值守下完成整夜睡眠监测。
附图说明
图1为本发明立体多维度数据的智能睡眠监测系统结构框图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
结合图1,本实施例的立体多维度数据的智能睡眠监测系统是通过以下技术方案实现的:
立体数据采集单元,数据采集单元为多维立体设置,包括除地面外五面体感测探头,每个探头包含多种传感器设备,至少包含图像、红外气体传感器和声音传感器,可接收体位图像信号、呼吸气流信号和声音信号;
通过睡眠衣服采集睡眠时的人体运动信号,具体睡眠衣服嵌入的感测模块,优选的感测模块分别设置于睡眠衣服的双臂手腕处、腿部小腿处、胸前和后颈处;其中使用的睡眠衣服具有舒适度和热传导性,可采用柔性纺织材料制成,同时采样柔性材料的采集芯片亦可以规避感测模块对人体的受压部位:手部、脸部、胸部的积压造成不良后果;
睡眠数据分析模块,通过分析捕获人体在睡眠时间范围内上述体位图像信号、呼吸气流信号、声音信号和人体运动信号以及人体运动信号得到睡眠质量结果;其中体位图像信号、呼吸气流信号、声音信号为5个方向分别感测得到的信号;睡眠质量结果为质量评分值Sv,按照评分值范围确定为睡眠质量极优、睡眠质量优,睡眠质量良好、睡眠质量一般、睡眠质量较差、睡眠质量差、睡眠质量极差;
具体检测体位图像中出现用户躺卧姿势时,进一步检测体位图像中包含的人脸图像中的人眼是否闭合,当判断图像中的人眼闭合时间超过一定阈值,启动立体数据采集单元其他传感器以及睡眠衣服感测模块工作,采集结束时间为用户设置的起床时间;这样可以更精确的得出用户睡眠时间范围T。不考虑精确性的情况下,用户也可自行设定睡眠检测时间的范围。
在用户睡眠时间范围T内,设定一定时间的采样周期f,总采样数次数为T/f;在每个采样期间分析捕获的5个方向的体位图像中用户的体位变化信息,得到用户在睡眠期间内睡眠体位变化频率a1j、体位变化幅度参数a2j以及上述两个参数的关联参数a3j;具体方式可以利用5个方向的图像分别检测人体区域,以人体区域矩形框标注,具体人体检测的方法可以采用基于深度学习网络的目标检测方法进行,本发明优选RCNN或YoLo-v3;变化频率a1j人体区域矩形位置变化次数与采样周期(本发明优选60s)得到;体位变化幅度a2j通过如下计算方式得到:体位矩形发生变化时扫过的面积和;关联参数a3j可以通过a2j/a1j计算得到,其中j代表方位序号,j=1,...,5;
分析捕获的5个方向的呼吸气流信号,得到用户在采样周期内的睡眠呼吸频率b1j和呼吸强度参数b2j以及上述两个参数的关联参数b3j;呼吸气流信号可通过红外气体感测仪得到,用户在采样周期内的睡眠呼吸频率b1j(呼气吸气次数/周期时间(s))和呼吸强度参数b2j可通过检测采样周期内呼出的二氧化碳量计算得到;关联参数b3j可以通过b2j/b1j计算得到;
分析捕获的5个方向的声音信号,得到用户在睡眠期间内鼾声发生次数c1j以及持续时长参数c2j以及上述两个参数的关联参数c3j,关联参数c3j可以通过c2j/c1j计算得到;通过声音信号获取鼾声次数以及持续时长为现有技术,具体的方式本发明不做限定。
计算上述a1
j、a2
j、a3
j,b1
j、b2
j、b3
j、c1
j、c2
j、c3
j每一个参数的均值作为评价输入,以a1为例,
通过睡眠衣服采集睡眠期间的人体运动信号,包括人体双臂手腕处、腿部小腿处、胸前和后颈处幅度参数d1i,以及对应频率参数d2i,;其中i代表上述人体运动信号的传感器个数,本发明为6个;幅度d1i可以由睡眠衣服中运动传感器位移计算得到,频率参数可以由多个感测模块频率均值计算得到,关联参数d3i可以通过d2i/d1i计算得到;
本申请引入参数间的关联参数可以防止个别参数异常或者个别参数对结果影响过大的不利影响,且上述参数间本身具备关联关系,为了表征关联因素对结果的影响,提出关联参数,以提高睡眠数据分析模块多个参数分析睡眠质量结果的准确性;五个方位立体数据会克服由于遮挡或者侧卧无法采集到有效信号,五个方位信号采集进一步提升分析结果的准确性。
本申请睡眠质量分析模型通过如下步骤构建,连续采集100人对应睡眠时间范围T内上述立体数据采集单元多种信号并获取上述参数a1、a2、a3,b1、b2、b3、c1、c2、c3、d1i、d2i、d3i,由10名专业医生分别对100个样本进行医学评价,得出对应的睡眠评分均值,作为最后样本的睡眠质量评分;
本发明中数据分析模型采用神经网络,示例性的以BP神经网络为例,定义了三层网络,输入层(第0层),隐藏层(第1层),输出层(第二层),激活函数优选为sigmod函数;设定输入为a1、a2、a3,b1、b2、b3、c1、c2、c3、d1i、d2i、d3i共27个输入,输出为睡眠质量评分值;利用100个样本进行睡眠质量分析模型,并利用该模型对新输入数据进行评价,得到用户的睡眠质量评分值Sv。
进一步本发明还进一步包括医院的使用场景,在此基础上进一步增加生物电信号监测,分别在睡眠衣服头部、手部和胸部放置感测模块用于获取动态心电信号、动态脑电信号。分析动态脉氧信号得到以上两种种信号分别分得到稳定比率参数e1、异常拍数e2。其评价模型与上述评价模型构建的方式相同,在此不做赘述。
睡眠预警模块,接收上述睡眠数据分析模块分析得到的结果,当分析结果睡眠质量为一般或以下,提示用户进行专业治疗,并对应给出专业建议;
进一步监测系统还包含远程数据分析模块,该模块由用户将采集的所有信号数据和分析结果上传至远程数据分析模块,由专业工作人员对上传的采集信号息以及分析结果做进一步判断,可进行PC端以及手机端的即时操控,满足用户寻求专业人员帮助和建议。
除此之外,本申请还提供了一种立体多维度数据的智能睡眠监测系统对应的计算设备以及计算机可读存储介质,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;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。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。
在本发明的描述中,除非另有说明,术语“上”、“下”、“左”、“右”、“内”、“外”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。
最后应说明的是,上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。