CN115779229B - 一种改善睡眠的方法与系统 - Google Patents
一种改善睡眠的方法与系统 Download PDFInfo
- Publication number
- CN115779229B CN115779229B CN202211577053.0A CN202211577053A CN115779229B CN 115779229 B CN115779229 B CN 115779229B CN 202211577053 A CN202211577053 A CN 202211577053A CN 115779229 B CN115779229 B CN 115779229B
- Authority
- CN
- China
- Prior art keywords
- user
- sleep
- information
- initial
- model
- 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
- 230000007958 sleep Effects 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000006872 improvement Effects 0.000 claims abstract description 60
- 208000032140 Sleepiness Diseases 0.000 claims description 26
- 206010041349 Somnolence Diseases 0.000 claims description 26
- 230000037321 sleepiness Effects 0.000 claims description 26
- 230000004622 sleep time Effects 0.000 claims description 24
- 241001122767 Theaceae Species 0.000 claims description 21
- 238000007477 logistic regression Methods 0.000 claims description 11
- 230000003860 sleep quality Effects 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 230000037213 diet Effects 0.000 claims description 3
- 235000005911 diet Nutrition 0.000 claims description 3
- 230000004617 sleep duration Effects 0.000 claims description 3
- 229940079593 drug Drugs 0.000 abstract description 5
- 239000003814 drug Substances 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000036541 health Effects 0.000 abstract description 4
- 206010059866 Drug resistance Diseases 0.000 abstract description 3
- 230000004630 mental health Effects 0.000 abstract description 3
- 230000035622 drinking Effects 0.000 description 12
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 8
- 206010022437 insomnia Diseases 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 6
- 206010020710 Hyperphagia Diseases 0.000 description 4
- 235000003642 hunger Nutrition 0.000 description 4
- 235000020830 overeating Nutrition 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 235000005686 eating Nutrition 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 208000020685 sleep-wake disease Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种改善睡眠的方法与系统，所述方法包括以下步骤：获取用户初始数据，用户初始数据包括用户初始睡眠信息和用户初始生活信息；将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案。本发明据输入的用户数据，借助预先训练好的模型为用户提供针对性的睡眠改善方案，从而改善用户睡眠情况；此外，本发明不需要服用药物或保健品以实现效果，不会产生抗药性，也不会损害身体，方法安全实用，能够提高用户的身心健康。
Description
技术领域
本发明属于失眠治疗技术领域，具体涉及一种改善睡眠的方法与系统。
背景技术
目前，患者可通过线上或线下的方式治疗慢性失眠，在现有技术中，慢性失眠线下治疗存在以下问题：
1)每周到医院或睡眠机构进行人工干预，医生每次布置一周的睡眠改善任务，患者自己在家进行睡眠改善，遇到问题无法得到及时解答；
2)患者在执行睡眠改善任务的过程中无法得到医生的反馈，不清楚是否执行正确；
3)医生根据每周的睡眠变化调整睡眠改善任务，患者平日里无法根据自身情况及时调整睡眠改善任务；
4)医生无法监督患者睡眠改善任务的执行情况，无法知道是否有按照要求完成；
5)患者采用药物或保健品的治疗方式，不能从根本上改善睡眠状况，长期服用药物容易导致产生抗药性、加重失眠、损害身体并引发一系列的副作用或并发症，治疗效果差、实用性低以及安全性低。
同时，慢性失眠线上治疗也存在相似的问题：
1)每周在线上与医生视频沟通，医生每次布置一周的睡眠改善任务，患者自己在家进行睡眠改善，遇到问题无法得到及时解答；
2)患者在执行睡眠改善任务的过程中无法得到医生的反馈，不清楚是否执行正确；
3)医生无法监督患者睡眠改善任务的执行情况，无法知道是否有按照要求完成；
4)采用睡眠改善辅助软件时，软件基于大众数据提供常见的教育性内容(如视频、文本)，不能对患者进行针对性干预。
发明内容
为了克服上述技术缺陷，本发明提供了一种改善失眠的方法，根据用户的数据提供针对性的睡眠改善方案，从而改善用户睡眠情况。
为了解决上述问题，本发明按以下技术方案予以实现的：
一种改善睡眠的方法，包括以下步骤：
获取用户初始数据，用户初始数据包括用户初始睡眠信息和用户初始生活信息；
将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案。
进一步的，用户初始睡眠信息包括：入睡困难情况、夜间睡眠时长、睡眠中醒来次数、早醒情况、睡眠质量、入睡速度、起床时间、困意时间、午休时长和主观睡眠质量；
用户初始生活信息包括：咖啡、茶和酒精的摄入情况、睡前的饮食情况和睡前锻炼情况。
进一步的，模型包括：决策树模型、文本分析模型和预测模型，预测模型为均值预测模型、线性预测模型或逻辑斯蒂回归预测模型。
进一步的，步骤将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案，包括：
将用户初始睡眠信息输入至预先训练好的决策树模型中，输出理想上床时间；
将用户初始生活信息输入至预先训练好的文本分析模型中，输出生活习惯建议；
将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间；
根据理想上床时间、生活习惯建议和预测困意时间，生成睡眠改善方案。
进一步的，步骤将用户初始生活信息输入至预先训练好的文本分析模型中，输出生活习惯建议，包括：
对用户初始生活信息中与睡眠有关的信息标注生活习惯标签；
判断生活习惯信息是否不利于睡眠；
若有利于睡眠，输出信息鼓励用户保持，反之，输出信息建议用户调整生活习惯。
进一步的，采用的预测模型为均值预测，步骤将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间：
根据用户初始睡眠信息中过去N天的困意时间，取其算术平均值为预测困意时间。
进一步的，采用的预测模型为线性预测，步骤将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间：
建立线性回归模型；
根据用户初始睡眠信息和用户初始生活信息计算模型参数，将用户初始睡眠信息和用户初始生活信息输入至线性回归模型，输出预测困意时间。
进一步的，采用的预测模型为逻辑斯蒂回归预测，步骤将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间：
建立逻辑斯蒂回归模型；
根据用户初始睡眠信息和用户初始生活信息计算模型参数，将用户初始睡眠信息和用户初始生活信息输入至逻辑斯蒂回归模型，输出预测困意时间。
进一步的，步骤将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案后，包括：
获得用户执行睡眠改善方案一段时间后反馈的用户数据，用户数据包括用户睡眠信息和用户生活信息；
将用户数据输入至预先训练好的模型中，评估用户睡眠改善情况，生成新的睡眠建议。
与现有技术相比，本发明具有以下有益效果：
本发明公开了一种改善睡眠的方法，该方法根据输入的用户数据，借助预先训练好的模型为用户提供针对性的睡眠改善方案，从而改善用户睡眠情况；此外，本方法不需要服用药物或保健品，不会产生抗药性，也不会损害身体，方法安全实用，能够提高用户的身心健康。
本发明还公开了一种改善睡眠的系统，实现上述方法，包括：
用户端，用于获取用户数据，用户数据包括用户睡眠信息和用户生活信息；
数据处理中心，用于接收和存储用户数据，并将用户数据输入至预先训练好的模型中，获得睡眠改善方案。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1为实施例1所述的方法的流程图；
图2为实施例2所述的系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1
如图1，本实施例公开了一种改善睡眠的方法，包括以下步骤：
S1、获取用户初始数据，用户初始数据包括用户初始睡眠信息和用户初始生活信息。
S2、将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案。
具体的，用户初始睡眠信息包括但不限于：入睡困难情况、夜间睡眠时长、睡眠中醒来次数、早醒情况、睡眠质量、入睡速度、起床时间、困意时间、午休时长和主观睡眠质量；用户初始生活信息包括但不限于：咖啡、茶和酒精的摄入情况、睡前的饮食情况和睡前锻炼情况。
具体的，预先训练好的模型包括：决策树模型、文本分析模型和预测模型，预测模型为均值预测模型、线性预测模型或逻辑斯蒂回归预测模型。
在上述实施例中，步骤S2中，包括：
S21、将用户初始睡眠信息输入至预先训练好的决策树模型中，输出理想上床时间。
S22、将用户初始生活信息输入至预先训练好的文本分析模型中，输出生活习惯建议。
S23、将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间。
S24、根据理想上床时间、生活习惯建议、预测困意时间、用户的量表信息以及用户的诊断结果，生成睡眠改善方案。
具体的，步骤S22包括：
对用户初始生活信息中与睡眠有关的信息标注生活习惯标签：对咖啡、茶和酒精的摄入情况、睡前的饮食情况和睡前锻炼情况标注生活习惯标签；
判断生活习惯信息是否不利于睡眠：由于多数人喝茶、喝咖啡或喝酒后会入睡困难，并且睡前暴饮暴食或睡前过度饥饿也会导致入睡困难，因此认为喝茶、喝咖啡、喝酒、睡前暴饮暴食或过度饥饿是与睡眠有关的不良饮食习惯；由于睡前锻炼易导致入睡困难，认为睡前锻炼是与睡眠有关的不良行为习惯。
若有利于睡眠，输出信息鼓励用户保持，反之，输出信息建议用户调整生活习惯：若用户有喝茶或喝咖啡的习惯，建议用户在当天某一时间后停止茶或咖啡的摄入，避免入睡困难；若用户用喝酒助眠的习惯，建议用户在睡前某一时间后不要喝酒，避免入睡困难；若用户有睡前锻炼的习惯，建议用户睡前某一时间后不要做剧烈运动，避免入睡困难。
在上述实施例中，若采用的预测模型为均值预测，步骤S23为：
根据用户初始睡眠信息中过去N天的困意时间，取其算术平均值为预测困意时间。
在上述实施例中，若采用的预测模型为线性预测，步骤S23为：
建立线性回归模型。
根据过去N天的困意时间、午休时长、夜间睡眠时长、起床时间、对茶或咖啡的摄入情况，计算模型参数将当日午休时长、前日夜间睡眠时长、起床时间、对茶或咖啡的摄入情况输入至线性回归模型，输出预测困意时间。
在上述实施例中，若采用的预测模型为逻辑斯蒂回归预测，步骤S23为：
建立逻辑斯蒂回归模型。
根据过去N天的困意时间、午休时长、夜间睡眠时长、起床时间、对茶或咖啡的摄入情况，计算模型参数，将当日午休时长、前日夜间睡眠时长、起床时间、对茶或咖啡的摄入情况输入至逻辑斯蒂回归模型，输出预测困意时间。
在上述实施例中，步骤S24包括：
获取用户的量表信息和诊断结果，量表包括失眠严重程度指数量表失眠严重程度指数量表(ISI)、清晨型与夜晚型量表(MEQ)、睡眠障碍量表(SDRS)、睡眠信念和态度问卷(DBAS)、匹兹堡睡眠质量指数(PSQI)等，诊断结果为医疗机构出具的临床诊断结果。
根据理想上床时间、生活习惯建议、预测困意时间和用户的量表信息，生成睡眠改善方案。
具体的，步骤将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案后，包括：
获得用户执行睡眠改善方案一段时间后反馈的用户数据，用户数据包括用户睡眠信息和用户生活信息，用户睡眠信息包括有效睡眠时长、实际上床时间、执行方案后的入睡速度、夜间醒来时长、早醒时间、执行方案后的主观睡眠质量等。
若有效睡眠时长未达到六小时，则调整生成新理想上床时间，新理想上床时间在原基础上增加三十分钟，反之则无需增加。
若用户的实际上床时间不在理想上床时间范围内，且不乐于执行理想上床时间，则根据用户的要求生成新理想上床时间
若用户执行方案后的入睡速度比执行方案前的入睡速度快且该情况持续了一段时间、夜间醒来时长较短、早醒时间较短、执行方案后的主观睡眠质量良好，则认为睡眠情况改善效果良好；反之则调整生成新理想上床时间，并生成新的睡眠改善方案。
在上述实施例中，若用户执行睡眠改善方案后睡眠情况都不错，输出信息鼓励用户继续执行睡眠改善方案；若用户执行睡眠改善方案后睡眠情况有好有不好，输出信息安慰用户继续执行睡眠改善方案。
实施例2
如图2，本实施例公开了一种改善睡眠的系统，实现实施例1所述的方法，系统包括用户端和数据处理中心，用户端用于获取用户初始数据与用户执行睡眠改善方案后反馈的用户数据，数据处理中心用于接收和存储数据，将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案，以及将用户执行睡眠改善方案一段时间后反馈的用户数据输入至预先训练好的模型中，评估用户睡眠改善情况，生成新的睡眠建议。
用户在用户端上填写用户初始睡眠信息，与用户端对话输入用户初始生活信息。
数据处理中心通过如下步骤将用户初始睡眠信息和用户初始生活信息输入至预先训练好的模型中，生成睡眠改善方案提供给用户：
a、数据处理中心将用户初始睡眠信息输入至预先训练好的决策树模型中，输出理想上床时间。
b、数据处理中心将用户初始生活信息输入至预先训练好的文本分析模型中，输出生活习惯建议。
c、数据处理中心将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间。
d、数据处理中心根据理想上床时间、生活习惯建议、预测困意时间和用户的量表信息，生成睡眠改善方案。
具体的，步骤b包括：
数据处理中心对用户初始生活信息中与睡眠有关的信息标注生活习惯标签：对咖啡、茶和酒精的摄入情况、睡前的饮食情况和睡前锻炼情况标注生活习惯标签。
数据处理中心判断生活习惯信息是否不利于睡眠：由于多数人喝茶、喝咖啡或喝酒后会入睡困难，并且睡前暴饮暴食或睡前过度饥饿也会导致入睡困难，因此认为喝茶、喝咖啡、喝酒、睡前暴饮暴食或过度饥饿是与睡眠有关的不良饮食习惯；由于睡前锻炼易导致入睡困难，认为睡前锻炼是与睡眠有关的不良行为习惯。
数据处理中心若认为该生活习惯信息有利于睡眠，则输出信息鼓励用户保持该生活习惯，反之，输出信息建议用户调整生活习惯：若用户有喝茶或喝咖啡的习惯，数据处理中心则建议用户在当天某一时间后停止茶或咖啡的摄入，避免入睡困难；若用户用喝酒助眠的习惯，则数据处理中心建议用户在睡前某一时间后不要喝酒，避免入睡困难；若用户有睡前锻炼的习惯，数据处理中心则建议用户睡前某一时间后不要做剧烈运动，避免入睡困难。
在上述实施例中，若采用的预测模型为均值预测，步骤c为：
数据处理中心根据用户初始睡眠信息中过去N天的困意时间，取其算术平均值为预测困意时间。
在上述实施例中，若采用的预测模型为线性预测，步骤c为：
数据处理中心建立线性回归模型并根据过去N天的困意时间、午休时长、夜间睡眠时长、起床时间、对茶或咖啡的摄入情况，计算模型参数将当日午休时长、前日夜间睡眠时长、起床时间、对茶或咖啡的摄入情况输入至线性回归模型，输出预测困意时间。
在上述实施例中，若采用的预测模型为逻辑斯蒂回归预测，步骤c为：
数据处理中心建立逻辑斯蒂回归模型并根据过去N天的困意时间、午休时长、夜间睡眠时长、起床时间、对茶或咖啡的摄入情况，计算模型参数，将当日午休时长、前日夜间睡眠时长、起床时间、对茶或咖啡的摄入情况输入至逻辑斯蒂回归模型，输出预测困意时间。
在上述实施例中，步骤d包括：
数据处理中心获取用户的量表信息和诊断结果，量表包括失眠严重程度指数量表失眠严重程度指数量表(ISI)、清晨型与夜晚型量表(MEQ)、睡眠障碍量表(SDRS)、睡眠信念和态度问卷(DBAS)、匹兹堡睡眠质量指数(PSQI)等，诊断结果为医疗机构出具的临床诊断结果。
数据处理中心根据获得的理想上床时间、生活习惯建议、预测困意时间、用户的量表信息以及用户的诊断结果，生成睡眠改善方案。
用户在用户端接收睡眠改善方案，并执行该睡眠改善方案一段时间；用户在用户端上填写执行该睡眠改善方案一段时间后的用户数据，用户数据包括用户睡眠信息和用户生活信息。
数据处理中心通过如下步骤将反馈的用户数据输入至预先训练好的模型中，评估用户睡眠改善情况，生成新的睡眠建议。
数据处理中心将用户填写的用户睡眠信息和用户生活信息输入至预先训练好的决策树模型和文本分析模型，用户睡眠信息包括有效睡眠时长、实际上床时间、执行方案后的入睡速度、夜间醒来时长、早醒时间、执行方案后的主观睡眠质量等。
若有效睡眠时长未达到六小时，则数据处理中心生成输出新理想上床时间，新理想上床时间在原基础上增加三十分钟，反之则无需增加。
若用户的实际上床时间不在理想上床时间范围内，且不乐于执行理想上床时间，则数据处理中心根据用户的要求生成输出新理想上床时间
若用户执行方案后的入睡速度比执行方案前的入睡速度快且该情况持续了一段时间、夜间醒来时长较短、早醒时间较短、执行方案后的主观睡眠质量良好，数据处理中心认为睡眠情况改善效果良好；反之则调整生成新理想上床时间，并生成输出新的睡眠改善方案。
在上述实施例中，若用户执行睡眠改善方案后睡眠情况都不错，数据处理中心输出信息鼓励用户继续执行睡眠改善方案；若用户执行睡眠改善方案后睡眠情况有好有不好，数据处理中心输出信息安慰用户继续执行睡眠改善方案。
本发明根据用户的初始数据借助预先训练好的模型为用户提供针对性的睡眠改善方案，从而改善用户睡眠情况，且本发明不需要通过服用药物或保健品来改善睡眠，不会损害身体，安全实用，能够提高用户的身心健康。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (7)
1.一种改善睡眠的方法，其特征在于，包括以下步骤：
获取用户初始数据，用户初始数据包括用户初始睡眠信息和用户初始生活信息；
将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案；
用户初始睡眠信息包括：入睡困难情况、夜间睡眠时长、睡眠中醒来次数、早醒情况、睡眠质量、入睡速度、起床时间、困意时间、午休时长和主观睡眠质量；
用户初始生活信息包括：咖啡、茶和酒精的摄入情况、睡前的饮食情况和睡前锻炼情况；
模型包括：决策树模型、文本分析模型和预测模型，预测模型为均值预测模型、线性预测模型或逻辑斯蒂回归预测模型；
步骤将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案，包括：
将用户初始睡眠信息输入至预先训练好的决策树模型中，输出理想上床时间；
将用户初始生活信息输入至预先训练好的文本分析模型中，输出生活习惯建议；
将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间；
根据理想上床时间、生活习惯建议和预测困意时间，生成睡眠改善方案。
2.根据权利要求1所述的方法，其特征在于，步骤将用户初始生活信息输入至预先训练好的文本分析模型中，输出生活习惯建议，包括：
对用户初始生活信息中与睡眠有关的信息标注生活习惯标签；
判断生活习惯信息是否不利于睡眠；
若有利于睡眠，输出信息鼓励用户保持，反之，输出信息建议用户调整生活习惯。
3.根据权利要求1所述的方法，其特征在于，采用的预测模型为均值预测，步骤将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间：
根据用户初始睡眠信息中过去N天的困意时间，取其算术平均值为预测困意时间。
4.根据权利要求1所述的方法，其特征在于，采用的预测模型为线性预测，步骤将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间：
建立线性回归模型；
根据用户初始睡眠信息和用户初始生活信息计算模型参数，将用户初始睡眠信息和用户初始生活信息输入至线性回归模型，输出预测困意时间。
5.根据权利要求1所述的方法，其特征在于，采用的预测模型为逻辑斯蒂回归预测，步骤将用户初始睡眠信息和用户初始生活信息输入至预先训练好的预测模型中，输出预测困意时间：
建立逻辑斯蒂回归模型；
根据用户初始睡眠信息和用户初始生活信息计算模型参数，将用户初始睡眠信息和用户初始生活信息输入至逻辑斯蒂回归模型，输出预测困意时间。
6.根据权利要求1所述的方法，其特征在于，步骤将用户初始数据输入至预先训练好的模型中，获得睡眠改善方案后，包括：
获得用户执行睡眠改善方案一段时间后反馈的用户数据，用户数据包括用户睡眠信息和用户生活信息；
将用户数据输入至预先训练好的模型中，评估用户睡眠改善情况，生成新的睡眠建议。
7.一种改善睡眠的系统，实现如权利要求1-6任一项所述的方法，其特征在于，包括：
用户端，用于获取用户数据，用户数据包括用户睡眠信息和用户生活信息；
数据处理中心，用于接收和存储数据，并将用户数据输入至预先训练好的模型中，获得睡眠改善方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211577053.0A CN115779229B (zh) | 2022-12-08 | 2022-12-08 | 一种改善睡眠的方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211577053.0A CN115779229B (zh) | 2022-12-08 | 2022-12-08 | 一种改善睡眠的方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115779229A CN115779229A (zh) | 2023-03-14 |
| CN115779229B true CN115779229B (zh) | 2024-02-02 |
Family
ID=85418115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211577053.0A Active CN115779229B (zh) | 2022-12-08 | 2022-12-08 | 一种改善睡眠的方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115779229B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107111852A (zh) * | 2014-12-25 | 2017-08-29 | 欧姆龙株式会社 | 睡眠改善系统以及使用该系统的睡眠改善方法 |
| JP2020151358A (ja) * | 2019-03-22 | 2020-09-24 | 国立大学法人電気通信大学 | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法および睡眠時無呼吸症候群判定プログラム |
| CN112819084A (zh) * | 2021-02-09 | 2021-05-18 | 珠海格力电器股份有限公司 | 一种目标睡眠信息的确定方法和装置 |
| CN115253009A (zh) * | 2022-06-22 | 2022-11-01 | 浙江脑动极光医疗科技有限公司 | 一种睡眠多维度干预方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022534422A (ja) * | 2019-05-31 | 2022-07-29 | インフォームド データ システムズ インコーポレイテッド ディー／ビー／エー ワン ドロップ | 生体監視および血糖予測のためのシステムならびに関連付けられる方法 |
| EP4312767A1 (en) * | 2021-03-22 | 2024-02-07 | Magnus Medical, Inc. | System and method for determining a treatment schedule |
-
2022
- 2022-12-08 CN CN202211577053.0A patent/CN115779229B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107111852A (zh) * | 2014-12-25 | 2017-08-29 | 欧姆龙株式会社 | 睡眠改善系统以及使用该系统的睡眠改善方法 |
| JP2020151358A (ja) * | 2019-03-22 | 2020-09-24 | 国立大学法人電気通信大学 | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法および睡眠時無呼吸症候群判定プログラム |
| CN112819084A (zh) * | 2021-02-09 | 2021-05-18 | 珠海格力电器股份有限公司 | 一种目标睡眠信息的确定方法和装置 |
| CN115253009A (zh) * | 2022-06-22 | 2022-11-01 | 浙江脑动极光医疗科技有限公司 | 一种睡眠多维度干预方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115779229A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Field et al. | Massage theraphy for infants of depressed mothers | |
| Rastam | Eating disturbances in autism spectrum disorders with focus on adolescent and adult years | |
| van den Engel-Hoek et al. | Pediatric feeding and swallowing rehabilitation: An overview | |
| MacGregor | Introduction to the anatomy and physiology of children: a guide for students of nursing, child care and health | |
| CN115779229B (zh) | 一种改善睡眠的方法与系统 | |
| Salazar Vázquez et al. | Control of overweight and obesity in childhood through education in meal time habits. The ‘good manners for a healthy future’programme | |
| CN102542146A (zh) | 一种用于ⅱ型糖尿病健康生活管理的网络测评系统 | |
| CN117133458A (zh) | 一种针对失能失智老年人吞咽行为的护理监督系统和方法 | |
| Idris et al. | Therapy of effective progressive muscle relaxation to reduce insomnia in elderly | |
| Pearson | Gerogogy in patient education--revisited | |
| Hahn et al. | Diagnosis and care of infants and children with Pompe disease | |
| CN114730630A (zh) | 用于预测疗法采用的系统和方法 | |
| Kusanagi et al. | Effect of early intervention using state modulation and cue reading on mother-infant interactions in preterm infants and their mothers in Japan | |
| Finucane et al. | Smith-Magenis syndrome: Genetic basis and clinical implications | |
| JP2023182415A (ja) | 情報処理装置、情報処理方法およびプログラム | |
| Madhavan et al. | How Can Speech-Language Pathologists Think About Sensation During Swallowing Evaluation and Intervention? | |
| Field | Touch therapies for pain management and stress reduction. | |
| Bagnall et al. | Feeding and speech difficulties in typical congenital nemaline myopathy | |
| JP7149007B2 (ja) | 個人栄養指導に関するデュアルコア判定システム | |
| Stores et al. | Disorders in children with learning difficulties | |
| Lamtiur et al. | Rehabilitation in Down Syndrome Patient with Malnutrition, Sensory Processing Disorder, Obstructive Sleep Apnea: A Case Report | |
| Yuet-Ying | Improving quality of life among stroke patients with dysphagia: A case report | |
| Singh et al. | REVIEW ON SLEEP AND ITS IMPACT ON HEALTH | |
| Barkal | Nasoalveolar Molding Associated with Feeding Outcomes in Children with Cleft Lip and Palate | |
| Sitanggang et al. | Baby Spa On The Quality Of Sleep Baby In Les Bubbles Exclusive For Mom, Baby And Kids Medan |
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 |