CN115554556A - 基于一模多参数传感器的智能睡眠与osa的无扰式监测装置 - Google Patents
基于一模多参数传感器的智能睡眠与osa的无扰式监测装置 Download PDFInfo
- Publication number
- CN115554556A CN115554556A CN202211243133.2A CN202211243133A CN115554556A CN 115554556 A CN115554556 A CN 115554556A CN 202211243133 A CN202211243133 A CN 202211243133A CN 115554556 A CN115554556 A CN 115554556A
- Authority
- CN
- China
- Prior art keywords
- sleep
- information
- signal
- sensor
- electrodes
- 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.)
- Pending
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 130
- 238000012806 monitoring device Methods 0.000 title claims abstract description 14
- 230000003860 sleep quality Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000003287 optical effect Effects 0.000 claims description 51
- 230000036772 blood pressure Effects 0.000 claims description 27
- 239000008280 blood Substances 0.000 claims description 19
- 210000004369 blood Anatomy 0.000 claims description 19
- 210000002216 heart Anatomy 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 238000000926 separation method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 7
- 230000008054 signal transmission Effects 0.000 claims description 7
- 230000000241 respiratory effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000036387 respiratory rate Effects 0.000 claims description 5
- 230000000747 cardiac effect Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 210000005069 ears Anatomy 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 210000001097 facial muscle Anatomy 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 24
- 238000013473 artificial intelligence Methods 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 208000001797 obstructive sleep apnea Diseases 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 201000002859 sleep apnea Diseases 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000035485 pulse pressure Effects 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013186 photoplethysmography Methods 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004962 physiological condition Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OAWXYINGQXLWOE-UHFFFAOYSA-N (2-acetyloxybenzoyl) 2-acetyloxybenzoate Chemical compound CC(=O)OC1=CC=CC=C1C(=O)OC(=O)C1=CC=CC=C1OC(C)=O OAWXYINGQXLWOE-UHFFFAOYSA-N 0.000 description 1
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 108010002255 deoxyhemoglobin Proteins 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000036513 peripheral conductance Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036581 peripheral resistance Effects 0.000 description 1
- 238000007626 photothermal therapy Methods 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 229920002215 polytrimethylene terephthalate Polymers 0.000 description 1
- 230000000541 pulsatile effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000001457 vasomotor Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- 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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Abstract
本申请实施例提供了一种基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置，涉及生理监测及人工智能技术领域，可应用于睡眠监测场景。该装置具体包括用于采集睡眠过程中的生理信息的睡眠平台和用于基于生理信息评估睡眠质量的电子设备。本申请的实施有利于降低睡眠监测成本，实时判断一般睡眠状况、夜间心脑血管状况以及OSA状况，提高被测者在睡眠过程中进行睡眠监测的便利性，以及提高睡眠监测的准确性。
Description
技术领域
本申请涉及生理监测及人工智能技术领域，具体而言，本申请涉及一种基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置。
背景技术
睡眠质量是影响人们健康状况的重要因素，而睡眠障碍或睡眠质量低非常容易导致健康指数下降，影响精神状态，甚至引发心血管等方面的慢性疾病；随着具有睡眠问题人群的不断增加，人的睡眠质量显得越发重要。针对睡眠质量的监测，根据用户类型可以考虑三个方面：一是一般睡眠监测针对无特殊疾病人群；二是阻塞性睡眠呼吸暂停征(OSA)人群；三是心脑血管疾病隐匿性人群；为满足以上三大群体需求，需要设计一款功能完善的睡眠监测装置。
现有技术中的睡眠监测通常是利用多导睡眠监护仪来采集睡眠时的生理参数，这些参数包括心跳、呼吸和身体活动等，进而利用这些参数实现睡眠状态的检测，或整合心脑血管监测平台，进行全面监测，这便导致被测者需要在检测时携带一系列复杂的仪器，例如：针对胸部或腹部的绑带式呼吸体积描述仪和带有许多导线与电极的心电仪等。在检测时，这些仪器均需要被贴附于身体的检测部位，如心脏、胸部和腹部等。这种方法的监测成本高，且监测时会给被测者的带来很大的不便，并影响其正常睡眠，从而导致睡眠监测的准确性较差。
发明内容
本申请实施例为解决上述至少一项技术问题，提供了一种基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置。所述技术方案如下：
第一方面，本申请实施例提供了一种睡眠平台，包括：
信号采集单元，包括至少一个传感器，所述传感器用于采集睡眠过程中的生理信息；
信号传输单元，用于将所述生理信息传输至与所述睡眠平台通信连接的电子设备，以通过所述电子设备基于所述生理信息评估睡眠质量。
在一可行的实施例中，所述传感器包括以下至少一项：
设于所述睡眠平台的单模传感器；
由所述单模传感器与设于所述睡眠平台的其他模态传感器，或与设于其他平台的传感器组成的双模传感器或多模传感器。
在一可行的实施例中，所述单模传感器包括以下至少一项：
光学传感器，以阵列形式设于所述睡眠平台的睡衣、枕头和/或床垫上，包括基于分立LED/PD的MW-PPG传感器和基于RGB的MW-PPG传感器中的至少一项；通过所述光学传感器采集的生理信息包括血压信息、血压变异性信息、血氧信息、血氧变异性信息、心率信息、心率变异性信息、呼吸率信息和呼吸率变异性信息中的至少一项；所述血压信息包括连续逐拍血压和/或血压图；
声学传感器，设于所述睡眠平台的睡衣和/或床垫中位于胸腔部位且靠近心脏的位置上；通过所述声学传感器采集的生理信息包括心音信息和呼吸音信息中的至少一项；
力学传感器，以阵列形式设于所述睡眠平台的睡衣、枕头和/或床垫上；通过所述力学传感器采集的生理信息包括睡姿信息和呼吸震动信息中的至少一项；
信号采集电极，以阵列形式设于所述睡眠平台的睡衣、枕头和/或床垫上，包括脑电电极、眼电电极、肌电电极、心电电极、生物阻抗电极中的至少一项；通过所述信号采集电极采集的生理信息包括在头部、面部和/或耳部采集的第一电信号和在背部和/或四肢躯干采集的第二电信号中的至少一项；其中，所述第一电信号包括由脑电信号、眼电信号和面部肌电信号中的至少一项组成的混合信号；所述第二电信号包括由肌电信号、心电信号、生物阻抗信号中的至少一项组成的混合信号。
在一可行的实施例中，所述光学传感器与所述力学传感器对应布设；若所述力学传感器检测到压力，则控制所述光学传感器采集生理信息。
在一可行的实施例中，所述光学传感器之间的最小距离基于心动周期和脉搏波信号的传输速度确定；
所述采集睡眠过程中的生理信息，包括：
通过光学传感器阵列获取脉搏传输时间，以使所述电子设备基于该脉搏传输时间计算得到多个脉搏波传导速度分布信息，模拟血压成像。
在一可行的实施例中，所述心电电极和所述力学传感器以穿插或并排形式布设于所述光学传感器的阵列中。
在一可行的实施例中，所述心电电极采用以下至少一项布设方式：
条状布设，还用作肌电电极和生物阻抗电极中的激励信号电极和采集信号电极；
点阵列布设，与所述力学传感器配合形成具备心电信号采集功能与压力信号采集功能的传感器。
在一可行的实施例中，所述睡眠平台包括枕头、睡衣和床垫中的至少一项；所述睡眠平台的信号采集单元还包括接地电极。
第二方面，本申请实施例提供一种电子设备，包括收发器、存储器、处理器及存储在存储器上的计算机程序，所述处理器被配置于：
基于获取到的生理信息评估睡眠质量；
其中，所述生理信息由第一方面任一实施例所述的睡眠平台采集后向所述电子设备传输。
在一可行的实施例中，所述基于获取到的生理信息评估睡眠质量，包括：
对获取到的生理信息进行预处理，得到目标信息；
将所述目标信息分别输入预训练的机器学习模型与预配置的数学模型，得到睡眠评估信息；
基于所述睡眠评估信息确定OSA状况信息、心脑血管信息和睡眠状况信息中的至少一项。
在一可行的实施例中，所述睡眠评估信息包括以下至少一项：
通过预训练的信号分离模型分离所述目标信息得到的单一信号；所述单一信号包括眼电信号、脑电信号、心电信号、生物阻抗信号和肌电信号中的至少一项；
基于心电电极采集的心电信号和光学传感器采集的PPG信号估计的逐拍血压信息；
基于光学传感器采集的MWPPG信号估计的血氧信息；
基于光学传感器采集的MWPPG信号估计的心率信息和/或呼吸率信息。
在一可行的实施例中，所述处理器还被配置于：
基于评估得到的睡眠质量和/或获取到的生理信息输出预警信息。
第三方面，本申请提供一种基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置，包括第一方面任一实施例所述睡眠平台以及第二方面任一实施例所述的电子设备；
其中，所述睡眠平台与所述电子设备通信连接。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供一种基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置；该装置具体包括用于采集睡眠过程中的生理信息的睡眠平台和用于基于生理信息评估睡眠质量的电子设备。其中，睡眠平台包括信息采集单元与信号传输单元，信息采集单元通过传感器采集睡眠过程中的生理信息，信号传输单元将采集到的生理信息传输至电子设备。本申请的实施提供一种便利性较高的睡眠平台，被测者无需佩戴可能影响睡眠质量的测量设备即可在睡眠过程中通过应用于睡眠平台的传感器采集相关的生理信息，有利于降低睡眠监测成本，提高睡眠监测的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种睡眠平台与电子设备的框架结构示意图；
图2为本申请实施例提供的一种基于分立LED/PD的MW-PPG传感器的结构示意图；
图3为本申请实施例提供的一种基于RGB的MW-PPG传感器的结构示意图；
图4为本申请实施例提供的一种基于分立LED/PD的MW-PPG传感器的设计原理图；
图5为本申请实施例提供的一种由心电电极与压力传感器形成的双模整合型传感器的结构示意图；
图6为本申请实施例提供的一种睡眠平台中床垫上的传感器分布示意图；
图7为本申请实施例提供的一种睡眠平台中睡衣和枕头上的传感器分布示意图；
图8为本申请实施例提供的一种睡眠平台的监测示意图；
图9为本申请实施例提供的一种电子设备的信号处理流程示意图；
图10为本申请实施例提供的一种基于监督的自适应混合电信号分离算法流程示意图；
图11为本申请实施例提供的一种光学传感器阵列的血压成像装置；
图12为本申请实施例提供的一种基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置的示意图；
图13为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。
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，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件，但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解，当我们称一个元件被“连接”或“耦接”到另一元件时，该一个元件可以直接连接或耦接到另一元件，也可以指该一个元件和另一元件通过中间元件建立连接关系。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。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个，例如“A和/或B”可以实现为“A”，或者实现为“B”，或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例涉及人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
本申请实施例提出的基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置具体涉及机器学习(Machine Learning,ML)，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。如可以通过预训练得到的机器学习模型基于生理信息估计睡眠质量等。
本申请实施例提出的基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置可以应用于睡眠监测场景。
下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。
本申请实施例提供一种基于一模多参数传感器的智能睡眠与OSA(obstructivesleep apnoea，阻塞性睡眠呼吸暂停症)的无扰式监测装置，如图1所示，该装置具体包括睡眠平台与电子设备，且两者通信连接。
其中，如图8所示，睡眠平台可以是指睡衣、枕头和床垫等睡眠过程中需要的物品。如图1所示，睡眠平台可以包括信号采集单元和信号传输单元。信号采集单元可以包括用于采集睡眠过程中的生理信息的至少一个传感器。信号传输单元可以包括有线传输子单元与无线传输子单元。其中，有线传输子单元物理连接传感器与电子设备；无线传输子单元可以通过WIFI模组或蓝牙模组将传感器采集的生理信息通过无线传输的方式传输至电子设备。
其中，电子设备可以布设于睡眠平台上，也可以独立于睡眠平台而存在。当电子设备独立于睡眠平台存在时，其可以是终端和/或服务器。当电子设备布设于睡眠平台上时，如图12所示，其可以是睡眠平台中的核心处理单元，由睡眠平台完成生理信息的采集与睡眠质量评估后向与该睡眠平台连接的终端发送监测结果。
可选地，终端可以运行客户端或服务平台。终端(也可以称为设备)可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能语音交互设备(例如智能音箱)、可穿戴电子设备(例如智能手表)、车载终端、智能家电(例如智能电视)、AR/VR设备等，但并不局限于此。在一种示例中，电子设备配置有AI芯片，该AI芯片配置有AI模型，可以获取传感器采集的生理信息进行处理。
可选地，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统(如分布式云存储系统)，还可以是提供云计算服务的云服务器。如睡眠平台将采集到的生理信息上传至服务器，由服务器基于生理信息评估睡眠质量。
其中，终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。如终端在获取到生理信息后，可以通过网络向服务器发出睡眠质量评估请求，由服务器完成睡眠状态评估并向终端反馈评估信息。
可选地，本申请实施例提供的一模多参数传感器的智能睡眠与OSA的无扰式监测装置还可以包括数据库，数据库可以用于存储生理信息、OSA状况信息等数据。
下面针对应用于睡眠平台的传感器的具体内容进行说明。
在一可行的实施例中，在睡眠过程中用于采集生理信息的传感器可以包括以下至少一项：
单模传感器；
双模传感器或多模传感器。
其中，单模传感器设于睡眠平台上；如可以内设于枕头、床垫等。
其中，双模传感器或多模传感器由设于睡眠平台的单模传感器与设于睡眠平台的其他模态的传感器组成，或由设于睡眠平台的单模传感器与设于其他平台的传感器组成。可选地，其他平台可以是设于睡眠平台周围伴随被测者入睡的设备，如内设有传感器的智能闹钟、移动终端、可穿戴设备等。
可选地，单模传感器可以包括光学传感器、声学传感器、力学传感器和信号采集电极中的至少一项。
其中，光学传感器可以采用阵列形式布设于睡眠平台的睡衣、枕头和/或床垫上。光学传感器可以采用多波长光学单模传感器(MW-PPG)，具体可以采用基于分立LED/PD的MW-PPG传感器和基于RGB的MW-PPG传感器中的至少一项。
如图2所示，基于分立LED/PD的MW-PPG传感器包括至少一种组成光发射器的不同波长的LED，还包括至少一个光电探测器(PD，又称光探测器)。其中，基于分立式LED/PD MW-PPG传感器设计原理图如图4所示，LEDs可以向皮肤组织发出特定波长光，反射光被光电二极管接收并转换为电信号，进入后续多级放大电路进行处理，由于多种波长的LED携带不同深度的物理信息，接收的信号需经过多路复用器进行信号分离，分离后的信号再经过滤波电路处理，得到所需频率内的信号。
如图3所示，基于RGB的MW-PPG传感器包括形成光发射器的白光LED，还包括带有RGB过滤器的光电探测器；可以将输入的白光过滤成多种不同的波长。
相较于基于分立LED/PD的MW-PPG传感器，基于RGB的MW-PPG传感器存在估算误差低，造价低，对光源可控制性强以及整合性强等优势。
通过光学传感器采集的生理信息可以是多波长光电容积信号(MW-PPG)，具体包括血压信息(如连续逐拍血压(B2B BP)、血压图(TAG)等)、血压变异性信息(BPV)、血氧信息(SpO2)、血氧变异性信息(SO2V)、心率信息(HR)、心率变异性信息(HRV)、呼吸率信息(BR)和呼吸率变异性信息(BRV)中的至少一项。可选地，在光学传感器采集生理信息时，可以通过其他模态传感器或电极辅助进行信息采集。
其中，声学传感器可以整合在睡衣和/或床垫胸腔部位且靠近心脏的位置上。通过声学传感器采集的生理信息包括心音信息和呼吸音信息中的至少一项。也即，声学传感器所采集的生理信息可以用于监测睡眠中心脏和肺部生理状况。
其中，力学传感器可以是压力传感器，其可以采用阵列形式布设于睡衣、枕头和/或床垫上。通过力学传感器采集的生理信息包括睡姿信息和呼吸震动信息中的至少一项。也即，力学传感器所采集的生理信息可以用于评估睡眠状况。
其中，信号采集电极包括脑电(EEG)电极、眼电(EOG)电极、肌电(EMG)电极、心电(ECG)电极和生物阻抗(BIM)电极中的至少一项。该信号采集电极可以采用阵列形式布设于睡衣、枕头和/或床垫上。通过信号采集电极采集的生理信息包括在头部、面部和/或耳部采集的第一电信号和在背部和/或四肢躯干采集的第二电信号中的至少一项；其中，第一电信号包括由脑电信号、眼电信号和面部肌电信号中的至少一项组成的混合信号；第二电信号包括由肌电信号、心电信号、生物阻抗信号中的至少一项组成的混合信号。可以理解的是，如图10所示，电子设备在针对混合信号进行处理时，针对上述的第一电信号和第二电信号可以采用基于监督的自适应信号分离算法，非负矩阵分解(NMF)模型，将该混合信号分离成脑电图、眼电图、肌电图、心电图、生物阻抗信号，以用于评估睡眠质量。
在一可行的实施例中，当单模传感器包括光学传感器与力学传感器时，光学传感器与力学传感器可以对应布设，以通过力学传感器控制光学传感器。具体地，当力学传感器检测到被测者的身体压力(即当身体直接接触光学传感器)时，光电传感器进行生理信息的采集工作。该方案的实施可以节省光电传感器的电力消耗。
在一可行的实施例中，由多个光学传感器以阵列形式布设所形成的光学传感器阵列中，单个光学传感器中的光发射器与光接收器之间的距离可以为3至5毫米，而光学传感器之间的最小距离由心动周期和脉搏波信号传输速度决定。该光学传感器阵列可以用于获取脉搏传输时间(MW-PTTs)，可以通过电子设备根据该脉搏传输时间计算得到多个脉搏波传导速度(MW-PWVs)分布信息，以模拟血压成像，如图11所示。
在一可行的实施例中，如图6所示，还可以将心电电极和力学传感器以穿插或并排形式布设于光学传感器阵列中，用于组成多功能传感模块，已监测心脏状况和睡眠质量。
在一可行的实施例中，如图6所示，当心电电极采用条状设计时，该电极条除用作心电电极外，还可以用作肌电电极和生物阻抗电极中的激励信号电极和采集信号电极。
在一可行的实施例中，当心电电极采用点阵列设计时，该心电电极与力学传感器(压力传感器)除常规分立式传感器的组合结构外，还可以采用如图5所示的新型双模整合型心电电极与压力传感器设计，通过结构融合，其整体结构可以分为上下两个功能侧，一侧具备心电信号采集功能，另一侧具备压力信号采集功能。
在一可行的实施例中，如图6和图7所示，睡眠平台包括L*S光学传感器阵列、N*M心电电极阵列、Q*R压力传感器阵列、信号采集电极(如条状布设的心电电极)、声音探测器(可以为声学传感器)和接地电极。该睡眠平台布设的传感器所采集的生理信息可以用于监测睡眠和心脑血管状况。其中，本申请对阵列中的单元数量不作限制，即不对L、S、N、M、Q、R之间的数量关系作限定，其可以是大于关系、等于关系或小于关系。
可选地，多模态传感器包括但不限于光学传感器，声学传感器，脑电(EEG)、眼电(EOG)、肌电(EMG)、心电(ECG)、生物阻抗(BIM)电极，压力传感器，温度传感器等；组成的传感器模块可以用于睡眠中多参数生理信息的采集，从而实现多种生理状况的监测。
下面针对电子设备基于获取到的生理信息进行睡眠质量评估的具体内容进行说明。
在一可行的实施例中，基于获取到的生理信息评估睡眠质量，包括以下步骤S101-步骤S103：
步骤S101：对获取到的生理信息进行预处理，得到目标信息。
具体地，预处理可以包括前置放大、滤波等处理。
步骤S102：将目标信息分别输入预训练的机器学习模型与预配置的数学模型，得到睡眠评估信息。
具体地，如图9所示，经过预处理的目标信息可以分别输入机器学习模型和数学模型中，输出用于进行睡眠质量评估的睡眠评估信息(多参数输出，如可以输出血压信息、血氧信息、心率信息和呼吸率信息等)。
可选地，步骤S102中将目标信息分别输入预训练的机器学习模型与预配置的数学模型，得到睡眠评估信息，可以包括以下步骤A1-步骤A4中的至少一项：
步骤A1：通过预训练的信号分离模型分离所述目标信息得到的单一信号；所述单一信号包括眼电信号、脑电信号、心电信号、生物阻抗信号和肌电信号中的至少一项。
具体地，如图10所示，当目标信号对应于通过信号采集电极采集所得的混合信号时，可以通过自适应信号分离算法进行信号分离，得到至少一个单一纯净的信号。其中，信号分离算法可以采用监督的学习方式。
步骤A2：基于心电电极采集的心电信号和光学传感器采集的PPG信号估计的逐拍血压信息。
具体地，当通过基于分立LED/PD的MW-PPG传感器采集生理信息时，可以利用深度分辨的MWPPG数学模型估计逐拍血压信息(B2B BP)。
其中，可以采用基于MW-PPG的血压估计方法，也可以使用动脉PTT或脉搏波速度PWV方法进行处理。后者所采用的方法关注沿动脉血管层的PTT，即血液脉冲从小动脉末端到毛细血管环的传播时间MWPPG_PTT。
其中，BP波形由稳态分量(MBP)和脉动分量脉压(PP)组成。从循环点开始，考虑动脉是充满流动血液的两端弹性管，弹性管中的平均压力，即MBP由流量决定从入口开始的速率，即心输出量(CO)，和出口处的血流阻力，即SVR；因此，MBP可以近似为CO和SVR的乘积，其计算过程如下公式所示：
其中，基于动脉法估计血压采用如下公式(1)：
MBP＝HR*(k1*MWPPG_PPT+b1)
......公式(1)
其中，基于动脉PTT-BP模型采用如下公式(2)和(3)：
其中，SBP0、DBP0、PTT0、MBP0和相应的PTT0为测量值进行校准。
具体地，还可以利用脉搏传输时间(Pulse transit time，PTT)和PPG强度比(PPGintensity ratio，PIR)BP估计算法估计血压信息。根据动脉血压主要由于呼吸活动在高频(HF)振荡，血管舒缩张力在低频(LF)振荡的特点，引用新指标PIR，受动脉直径变化的影响，从而追踪血压的LF变化。PIR在理论上可以反映动脉直径的变化，通过以下公式(6)可见PIR与△d呈指数相关：
PIR＝eα·Δd
......公式(6)
其中，α被认为是一个与光路中的光吸收系数有关的常数。基于温克塞尔模型的PIR估计DBP，由外周阻力R和动脉顺应性C组成，DBP可以用RC表示，如下公式(7)：
DBP＝P0·e-t/RC......公式(7)
其中，P0为收缩期末期主动脉压。由于C在相对较短的时间内是恒定的，因此DBP主要随R而变化，注意到周围血管阻力的主要调节因子是动脉直径，R主要依赖于动脉直径的变化。在此基础上，△d与PIR的关系如下公式(8)所示：
由于△d与R呈负相关，因此DBP依赖于PIR的倒数，如下公式(9所示)：
因此，可以通过校准的DBP0和PIR0推导出DBP。
使用PP和DBP进行SBP估计，SBP是PP和DBP的和，因此，可以通过SBP可表示为如下公式(10)：
步骤A3：基于光学传感器采集的MWPPG信号估计的血氧信息。
具体地，利用MWPPG信号估计SpO2，可以得到由血液厚度变化Db引起的光密度变化Ab的计算公式(11)：
其中，Eh≡SEo+(1-S)Er，Eo和Er分别为含氧血红蛋白和脱氧血红蛋白的消光系数，S为氧饱和度，Hb是血液中的血红蛋白浓度，F是散射系数，继而得到如下公式(12)所示的结果：
其中，Zb近似为不依赖于波长，并且当光接收器足够宽时，变为零。影响脉搏血氧仪的因素有三个：光学、组织和静脉血，其中组织和静脉血的影响可以通过多波长光学单模传感器实现：
当考虑到组织的影响，总光密度如下公式(13)所示：
其中，ΔDt为组织的厚度变化，Zt近似为一个与波长无关的常数。因此可以得到如下公式(14)的表达：
其中，Exj的波长依赖性表达如下公式(15)：
其中，Ai和Bi被命名为组织常数。通过解公式(15)所示的方程，可以得到没有Exj影响的血氧信息(如SpO2)。
当考虑静脉血的影响，则采用如下公式(16)：
其中，后缀“a”和“v”分别表示动脉血和静脉血。通过解公式(16)所示的方程，可以得到估计的血氧信息(如SpO2)。
步骤A4：基于光学传感器采集的MWPPG信号估计的心率信息和/或呼吸率信息。
具体地，心率和呼吸率的估计方法，可以利用多种波长的PPG信号分别得到对应的HRi和BRi(i＝jPPG,j＝不同波长的LEDs)，可以取平均值从而提高HR、BR的精准度。其中，可以使用连续小波变换算法从原始光电容积脉搏波中定位心率频率，估计HR，如下公式(17)所示：
可以使用基于自适应分解的时频谱法的方法，从光电容积脉搏波中提取出呼吸成分，并获得BR，如下公式(18)所示：
步骤S103：基于睡眠评估信息确定OSA状况信息、心脑血管信息和睡眠状况信息中的至少一项。
具体地，如图9所示，可以将步骤S102输出的多参数输入深度机器学习算法模型进行睡眠质量的评估，评估的内容可以包括OSA、一般睡眠状况、睡眠高血压、睡眠状态身体成分变化等内容。其中，当睡眠监测发生在夜间时，所确定的心脑血管信息还包括夜间心脑血管信息。
可选地，还可以通过预训练的机器学习模型基于声学传感器、力学传感器等采集的生理信息进行睡眠状况的估计。
在一可行的实施例中，电子设备还可以用于基于评估得到的睡眠质量和/或获取到的生理信息输出预警信息。
具体地，电子设备在评估得到睡眠质量的结果后，在睡眠状态不佳(如发生阻塞性呼吸暂停)时，可以及时发出预警信息，保障被测者的睡眠与心脑血管健康。
可选地，如图12所示，当电子设备内设于睡眠平台，作为睡眠平台的核心处理单元时，睡眠平台还可以与独立的终端进行通信连接，将传感器采集的生理信号和核心处理单元评估的睡眠质量结果发送至该终端，由该终端基于评估得到的睡眠质量结果和/或生理信息输出预警信息，并反馈至睡眠平台。在一应用例中，睡眠平台可以由被测者使用，终端可以由监护被测者的监护人员使用，以使监护人员及时了解被测者的睡眠质量。
本申请实施例提出利用单模态进行多参数生理信息的采集，用于睡眠状况躯干全网络的多种生理参数的评估，并提出机器学习技术与传统数学模型融合用于生理信号估计的新方法，实现两种生理参数智能估计模型的相互补充，提高准确度。与常规睡眠监测仪等设备不同的是，本申请实施例提出基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置，通过对单模传感器采集生物信号进行人工智能与数理模型融合处理运算，实现多种生理信息参数的提取，并用于实时判断一般睡眠状况、睡眠状态身体成分变化、夜间心脑血管状况以及OSA状况，在睡眠状态时及时预警，保障被测者的睡眠与心脑血管健康。
本申请实施例所涉及的采集所得的生理信息、评估结果等可以通过区块链技术进行存储。本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一定量的处理数据，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例中提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以基于获取到的生理信号估计睡眠状况。
在一个可选实施例中提供了一种电子设备，如图13所示，图13所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。
存储器4003用于存储执行本申请实施例的计算机程序，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序，以实现前述方法实施例所示的步骤。
其中，电子设备包括但不限于：服务器、终端。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”、“1”、“2”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除图示或文字描述以外的顺序实施。
应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。
Claims (13)
1.一种睡眠平台，其特征在于，包括：
信号采集单元，包括至少一个传感器，所述传感器用于采集睡眠过程中的生理信息；
信号传输单元，用于将所述生理信息传输至与所述睡眠平台通信连接的电子设备，以通过所述电子设备基于所述生理信息评估睡眠质量。
2.根据权利要求1所述的睡眠平台，其特征在于，所述传感器包括以下至少一项：
设于所述睡眠平台的单模传感器；
由所述单模传感器与设于所述睡眠平台的其他模态传感器，或与设于其他平台的传感器组成的双模传感器或多模传感器。
3.根据权利要求2所述的睡眠平台，其特征在于，所述单模传感器包括以下至少一项：
光学传感器，以阵列形式设于所述睡眠平台的睡衣、枕头和/或床垫上，包括基于分立LED/PD的MW-PPG传感器和基于RGB的MW-PPG传感器中的至少一项；通过所述光学传感器采集的生理信息包括血压信息、血压变异性信息、血氧信息、血氧变异性信息、心率信息、心率变异性信息、呼吸率信息和呼吸率变异性信息中的至少一项；所述血压信息包括连续逐拍血压和/或血压图；
声学传感器，设于所述睡眠平台的睡衣和/或床垫中位于胸腔部位且靠近心脏的位置上；通过所述声学传感器采集的生理信息包括心音信息和呼吸音信息中的至少一项；
力学传感器，以阵列形式设于所述睡眠平台的睡衣、枕头和/或床垫上；通过所述力学传感器采集的生理信息包括睡姿信息和呼吸震动信息中的至少一项；
信号采集电极，以阵列形式设于所述睡眠平台的睡衣、枕头和/或床垫上，包括脑电电极、眼电电极、肌电电极、心电电极、生物阻抗电极中的至少一项；通过所述信号采集电极采集的生理信息包括在头部、面部和/或耳部采集的第一电信号和在背部和/或四肢躯干采集的第二电信号中的至少一项；其中，所述第一电信号包括由脑电信号、眼电信号和面部肌电信号中的至少一项组成的混合信号；所述第二电信号包括由肌电信号、心电信号、生物阻抗信号中的至少一项组成的混合信号。
4.根据权利要求3所述的睡眠平台，其特征在于，所述光学传感器与所述力学传感器对应布设；若所述力学传感器检测到压力，则控制所述光学传感器采集生理信息。
5.根据权利要求3所述的睡眠平台，其特征在于，所述光学传感器之间的最小距离基于心动周期和脉搏波信号的传输速度确定；
所述采集睡眠过程中的生理信息，包括：
通过光学传感器阵列获取脉搏传输时间，以使所述电子设备基于该脉搏传输时间计算得到多个脉搏波传导速度分布信息，模拟血压成像。
6.根据权利要求3所述的睡眠平台，其特征在于，所述心电电极和所述力学传感器以穿插或并排形式布设于所述光学传感器的阵列中。
7.根据权利要求3所述的睡眠平台，其特征在于，所述心电电极采用以下至少一项布设方式：
条状布设，还用作肌电电极和生物阻抗电极中的激励信号电极和采集信号电极；
点阵列布设，与所述力学传感器配合形成具备心电信号采集功能与压力信号采集功能的传感器。
8.根据权利要求1-7中任一项所述的睡眠平台，其特征在于，所述睡眠平台包括枕头、睡衣和床垫中的至少一项；所述睡眠平台的信号采集单元还包括接地电极。
9.一种电子设备，包括收发器、存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器被配置于：
基于获取到的生理信息评估睡眠质量；
其中，所述生理信息由权利要求1-8中任一项所述的睡眠平台采集后向所述电子设备传输。
10.根据权利要求9所述的电子设备，其特征在于，所述基于获取到的生理信息评估睡眠质量，包括：
对获取到的生理信息进行预处理，得到目标信息；
将所述目标信息分别输入预训练的机器学习模型与预配置的数学模型，得到睡眠评估信息；
基于所述睡眠评估信息确定OSA状况信息、心脑血管信息和睡眠状况信息中的至少一项。
11.根据权利要求10所述的电子设备，其特征在于，所述睡眠评估信息包括以下至少一项：
通过预训练的信号分离模型分离所述目标信息得到的单一信号；所述单一信号包括眼电信号、脑电信号、心电信号、生物阻抗信号和肌电信号中的至少一项；
基于心电电极采集的心电信号和光学传感器采集的PPG信号估计的逐拍血压信息；
基于光学传感器采集的MWPPG信号估计的血氧信息；
基于光学传感器采集的MWPPG信号估计的心率信息和/或呼吸率信息。
12.根据权利要求9所述的电子设备，其特征在于，所述处理器还被配置于：
基于评估得到的睡眠质量和/或获取到的生理信息输出预警信息。
13.一种基于一模多参数传感器的智能睡眠与OSA的无扰式监测装置，其特征在于，包括权利要求1-8中任一项所述睡眠平台以及权利要求9-12中任一项所述的电子设备；
其中，所述睡眠平台与所述电子设备通信连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211243133.2A CN115554556A (zh) | 2022-10-11 | 2022-10-11 | 基于一模多参数传感器的智能睡眠与osa的无扰式监测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211243133.2A CN115554556A (zh) | 2022-10-11 | 2022-10-11 | 基于一模多参数传感器的智能睡眠与osa的无扰式监测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115554556A true CN115554556A (zh) | 2023-01-03 |
Family
ID=84744242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211243133.2A Pending CN115554556A (zh) | 2022-10-11 | 2022-10-11 | 基于一模多参数传感器的智能睡眠与osa的无扰式监测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115554556A (zh) |
-
2022
- 2022-10-11 CN CN202211243133.2A patent/CN115554556A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240108286A1 (en) | Wearable Appliance | |
| Guo et al. | A review of wearable and unobtrusive sensing technologies for chronic disease management | |
| CN106413534B (zh) | 连续血压测量装置、测量模型建立方法和系统 | |
| US20190159735A1 (en) | Processing of electrophysiological signals | |
| US10213152B2 (en) | System and method for real-time measurement of sleep quality | |
| CN108577830B (zh) | 一种面向用户的体征信息动态监护方法和动态监护系统 | |
| Djeldjli et al. | Remote estimation of pulse wave features related to arterial stiffness and blood pressure using a camera | |
| US20090024044A1 (en) | Data recording for patient status analysis | |
| CA2747057A1 (en) | Method and apparatus for determining heart rate variability using wavelet transformation | |
| JP2013510678A (ja) | 複合型生理学的センサのシステムおよび方法 | |
| Zhang et al. | Health monitoring of human multiple physiological parameters based on wireless remote medical system | |
| Solem et al. | Prediction of intradialytic hypotension using photoplethysmography | |
| DE102016006196A1 (de) | Innovatives verfahren und multisensor-plattform zum nichtinvasiven monitoring von physiologischen parameter und blutinhaltstoffe sowie frühdiagnose der pathologischen änderungen und gesundheits-management und ihre anwendung mit smartphone | |
| Dubey et al. | Respire: A spectral kurtosis-based method to extract respiration rate from wearable ppg signals | |
| Cao et al. | Crisp-BP: Continuous wrist PPG-based blood pressure measurement | |
| WO2020160058A1 (en) | Systems and methods for computationally efficient non-invasive blood quality measurement | |
| Liu et al. | Cuffless blood pressure measurement using smartwatches: a large-scale validation study | |
| Park et al. | Advance continuous monitoring of blood pressure and respiration rate using denoising auto encoder and LSTM | |
| US10827972B1 (en) | Sleep staging using an in-ear photoplethysmography (PPG) | |
| Krizea et al. | Accurate detection of heart rate and blood oxygen saturation in reflective photoplethysmography | |
| Gupta et al. | Health monitoring systems: an enabling technology for patient care | |
| Azudin et al. | The Principles of Hearable Photoplethysmography Analysis and Applications in Physiological Monitoring–A Review | |
| Alqudah et al. | Multiple time and spectral analysis techniques for comparing the PhotoPlethysmography to PiezoelectricPlethysmography with electrocardiography | |
| CN115554556A (zh) | 基于一模多参数传感器的智能睡眠与osa的无扰式监测装置 | |
| Ferroukhi et al. | Robust and reliable PPG and ECG integrated biosensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |