CN115831372B - 一种睡眠效率量化及干预的方法、系统和装置 - Google Patents
一种睡眠效率量化及干预的方法、系统和装置 Download PDFInfo
- Publication number
- CN115831372B CN115831372B CN202310127064.7A CN202310127064A CN115831372B CN 115831372 B CN115831372 B CN 115831372B CN 202310127064 A CN202310127064 A CN 202310127064A CN 115831372 B CN115831372 B CN 115831372B
- Authority
- CN
- China
- Prior art keywords
- sleep
- environment
- information
- efficiency
- sleep efficiency
- 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 790
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000006399 behavior Effects 0.000 claims abstract description 182
- 238000005457 optimization Methods 0.000 claims abstract description 122
- 230000007613 environmental effect Effects 0.000 claims abstract description 86
- 238000011002 quantification Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 230000008859 change Effects 0.000 claims abstract description 34
- 230000004622 sleep time Effects 0.000 claims abstract description 27
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 51
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 34
- 238000001228 spectrum Methods 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000012544 monitoring process Methods 0.000 claims description 27
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 26
- 229910052760 oxygen Inorganic materials 0.000 claims description 26
- 239000001301 oxygen Substances 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 22
- 208000019116 sleep disease Diseases 0.000 claims description 21
- 230000033001 locomotion Effects 0.000 claims description 19
- 239000001569 carbon dioxide Substances 0.000 claims description 18
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 18
- 239000011859 microparticle Substances 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 16
- 239000003570 air Substances 0.000 claims description 13
- 230000036578 sleeping time Effects 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 12
- 230000004617 sleep duration Effects 0.000 claims description 11
- 230000036760 body temperature Effects 0.000 claims description 10
- 239000008280 blood Substances 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 201000010099 disease Diseases 0.000 claims description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 9
- 230000033228 biological regulation Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000037053 non-rapid eye movement Effects 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 230000036387 respiratory rate Effects 0.000 claims description 7
- 239000012080 ambient air Substances 0.000 claims description 6
- 238000013501 data transformation Methods 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000009432 framing Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 230000004620 sleep latency Effects 0.000 claims description 6
- 230000002618 waking effect Effects 0.000 claims description 6
- 206010062519 Poor quality sleep Diseases 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 210000004556 brain Anatomy 0.000 claims description 3
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000037007 arousal Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 241000282414 Homo sapiens Species 0.000 description 9
- 230000007774 longterm Effects 0.000 description 8
- 230000033764 rhythmic process Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 230000004424 eye movement Effects 0.000 description 6
- 230000003860 sleep quality Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013139 quantization Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 208000032140 Sleepiness Diseases 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 201000003631 narcolepsy Diseases 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010027940 Mood altered Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004887 air purification Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000005789 organism growth Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Abstract
本发明提供了睡眠效率量化及干预的方法,采集用户的空间行为数据、生理体征数据和睡眠环境数据,得到空间行为信息、生理体征信息和睡眠环境信息;对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,生成睡眠效率信息;对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,并通过图形可视化界面向用户展示;根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案,并进行用户睡眠环境的动态优化调整,使得用户获得更高的睡眠效率。
Description
技术领域
本发明涉及睡眠效率量化及干预领域,特别涉及一种睡眠效率量化及干预的方法、系统和装置。
背景技术
睡眠是人类及其他高级生物最基本的生命过程和基本必需品,发挥着体力精力恢复、机体生长和功能修复等关键作用。但随着社会经济快速发展和社会生存压力不断增加,对于大多数人们来说,好的睡眠质量和高的睡眠效率是一种身心奢侈追求。而对神经系统疾病和精神心理疾病的患者来说,常常伴随着严重的睡眠问题或睡眠疾病。
现有睡眠监测医疗设备及其数据分析系统、智能手表或智能手环等可穿戴设备仅能完成对用户睡眠行为的有限量化分析或是单次睡眠分析,缺乏对用户睡眠行为习惯、睡眠环境状态、睡眠效率的系统性、长期性的跟踪分析,缺乏对用户睡眠效率的长期量化,缺乏用户睡眠行为习惯和睡眠环境状态等关键因素对睡眠效率的影响程度的准确评估,用户无法获得具体有效的、科学合理的、符合用户正常生活行为习惯的干预方案或生活调整建议,无法进一步养成良好的睡眠行为习惯,获得更好的睡眠质量和更高的睡眠效率。例如文献CN114041752A披露了监测睡眠状况得方案,但其主要分析当前睡眠是否属于异常睡眠状态,并未有对用户得长期监测和持续分析,未充分考虑不同人的差异。此外,也并未披露如何进行睡眠效率的量化。
因此,现有技术有待改进以准确量化睡眠效率、高效改善用户睡眠体验。
发明内容
针对现有方法的以上缺陷及改进需求,本发明的目的在于提供一种睡眠效率量化及干预的方法,通过对用户的睡眠行为数据、生理体征数据和环境信息数据进行长期跟踪分析,系统性地分析用户睡眠行为习惯、睡眠环境状态和睡眠效率,完成对睡眠效率的科学量化,评估睡眠行为习惯、睡眠环境因素对睡眠效率的影响因子,向用户提供睡眠环境因素、睡眠行为习惯和睡眠心理辅助的调整方案或辅助建议,帮助用户养成良好的睡眠行为习惯,获得更好的睡眠质量和更高的睡眠效率,同时辅助医生的临床诊疗和用户的睡眠健康管理。本发明还提供了一种睡眠效率量化及干预的系统,用于实现上述方法。本发明还提供了一种睡眠效率量化及干预的装置,用于实现上述系统。
根据本发明的目的,本发明提出了一种睡眠效率量化及干预的方法,包括如下步骤:
采集用户的空间行为数据、生理体征数据和睡眠环境数据,完成数据预处理和时帧处理,得到空间行为信息、生理体征信息和睡眠环境信息;
对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,生成睡眠效率信息;
对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,并通过图形可视化界面向用户展示;
根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案,并进行用户睡眠环境的动态优化调整。
更优地,所述空间行为信息至少包括上床时间、下床时间、床上体动时间、空间位置、身体姿态、活动频率、活动强度。
更优地,所述生理体征信息至少包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息。
更优地,所述睡眠环境信息至少包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度。
更优地,所述数据预处理至少包括A/D转换、重采样、去伪迹、降噪、工频陷波、带通滤波、去无效、重参考、平滑处理。
更优地,所述时帧处理是以预设分帧窗口时长对信号数据进行预设分帧步长的滑动分割。
更优地,所述睡眠效率信息包括睡眠时相特征信息、睡眠行为习惯特征信息和睡眠环境因素特征信息。
更优地,所述睡眠时相特征信息至少包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长。
更优地,所述睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息,至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度。
更优地,所述睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值。
更优地,所述环境状态参数均值至少包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值。
更优地,所述睡眠效率量化报告至少包括睡眠效率指数和睡眠效率指数曲线。
更优地,所述睡眠效率指数和所述睡眠效率指数曲线的计算方法,包括:
1)按日期时序,获取用户长期跟踪(连续多日)的睡眠时相特征信息和睡眠行为习惯特征信息,并提取用户睡眠行为时间序列,并生成睡眠行为时间序列数组;
2)对所述睡眠行为时间序列数组进行时间数据化变换,得到睡眠行为数据序列数组;
3)根据所述睡眠行为数据序列数组,计算当前日期的所述睡眠效率指数;
4)按日期时序,得到全部日期的所述睡眠效率指数,生成睡眠效率指数曲线。
更优地,所述睡眠行为时间序列至少包括上床时点序列、入睡时点序列、觉醒时点序列、离床时点序列、睡眠持续时长序列和睡眠觉醒总时长序列。
更优地,所述睡眠效率指数的计算方法,如下:
其中,为特定具体日期标识,为当前睡眠过程的睡眠效率指数,为当前睡眠过程的睡眠持续时长(数据值),为当前睡眠过程的睡眠觉醒总时长(数据值),为当前睡眠过程的离床时点(数据值),为当前睡眠过程的上床时点(数据值),为离床时点和上床时点的间隔天数,为与用户疾病状态相关的睡眠效率修正指数。
更优地,所述睡眠效率修正指数由用户疾病状态决定,对于嗜睡、发作性睡病、睡眠呼吸暂停等睡眠疾病严重程度呈反比关系,而正常或亚健康用户的所述睡眠效率修正指数通常为0.9~1.0。
更优地,所述睡眠效率环境影响报告至少包括睡眠效率环境影响因子序列、最佳睡眠效率环境参数序列。
更优地,所述睡眠效率环境影响因子序列至少包括睡眠效率环境光照度影响因子、睡眠效率环境光谱影响因子、睡眠效率环境气压影响因子、睡眠效率环境温度影响因子、睡眠效率环境湿度影响因子、睡眠效率环境微颗粒影响因子、睡眠效率环境噪声影响因子、睡眠效率环境氧气浓度影响因子、睡眠效率环境二氧化碳指标浓度影响因子和睡眠效率环境甲醛浓度影响因子。
更优地,所述睡眠效率环境影响因子序列的计算方法,包括:
1)按日期时序,获取用户长期跟踪(连续多日)的睡眠环境因素特征信息中的睡前、入睡、睡中和睡后的环境状态参数均值,按所述睡眠环境信息的不同类型,生成睡眠环境均值变化多维矩阵,所述睡眠环境均值变化多维矩阵包括睡前环境均值变化矩阵、入睡环境均值变化矩阵、睡中环境均值变化矩阵和睡后环境均值变化矩阵;
2)按睡前、入睡、睡中和睡后,分别计算所述睡眠环境均值变化多维矩阵中不同类型睡眠环境信息的均值变化曲线和所述睡眠效率指数曲线的相关性(指数),生成睡眠效率-环境状态均值关联矩阵;
3)按照睡眠环境信息的不同类型,计算所述睡眠效率-环境状态均值关联矩阵中不同类型睡眠环境信息的环境效率相关性融合指标,生成所述睡眠效率环境影响因子序列。
更优地,所述睡眠效率-环境状态均值关联矩阵至少包括睡眠效率-睡前环境状态均值关联指数序列,睡眠效率-入睡环境状态均值关联指数序列,睡眠效率-睡中环境状态均值关联指数序列,睡眠效率-睡后环境状态均值关联指数序列。
更优地,所述最佳睡眠效率环境参数序列的提取方法,包括:
1)基于所述睡眠效率指数曲线进行预设睡眠效率阈值判断,筛选所述睡眠效率指数超过预设睡眠效率阈值的对应日期,生成最佳睡眠效率日期集合;
2)判断所述最佳睡眠效率日期集合是否为空集,若为空集则对所述睡眠效率指数曲线的所述睡眠效率指数进行降序排列并筛选预设头部数量,生成所述最佳睡眠效率日期集合;
3)根据所述最佳睡眠效率日期集合的日期,从所述睡眠环境因素特征信息中提取对应日期的入睡和睡中的环境状态参数均值,生成最佳睡眠环境状态均值集合;
4)按所述睡眠环境信息的不同类型,对所述最佳睡眠环境状态均值集合进行指标融合处理,生成最佳睡眠效率环境参数序列。
更优地,所述睡眠效率优化调整方案至少包括睡眠行为习惯调整方案、睡眠环境优化控制方案和睡眠心理辅助调整方案。
更优地,所述睡眠环境优化控制方案至少包括环境光照优化参数、环境光谱优化参数、环境气压优化参数、环境温度优化参数、环境湿度优化参数、环境微颗粒优化参数、环境噪声优化参数、环境氧气浓度优化参数、环境二氧化碳指标浓度优化参数和环境甲醛浓度优化参数。
根据本发明的目的,本发明提出了一种睡眠效率量化及干预的系统,包括如下模块:
睡眠信息采集模块,用于采集用户的空间行为数据、生理体征数据和睡眠环境数据,完成数据预处理和时帧处理,得到空间行为信息、生理体征信息和睡眠环境信息;
睡眠状态识别模块,用于对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,提取得到睡眠效率信息;
睡眠效率量化模块,用于对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,并通过图形可视化界面向用户展示;
睡眠效率优化模块,用于根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案,并进行用户睡眠环境的动态优化调整,使得用户获得更高的睡眠效率;
数据管理中心模块,用于对所述系统的关键过程数据进行存储和管理。
更优地,所述关键过程数据至少包括用户基本信息、所述空间行为信息、所述生理体征信息、所述睡眠环境信息、所述睡眠效率信息、所述睡眠效率量化报告、所述睡眠效率优化调整方案、所述预设状态识别规则和所述预设睡眠知识库;其中,所述用户基本信息至少包括姓名、性别、出生日期、年龄、身高、体重、血压、健康状况和疾病信息。
更优地,所述睡眠信息采集模块包括以下三个功能单元:
行为监测处理单元,用于采集用户的空间行为数据,完成数据预处理和时帧处理,生成所述空间行为信息;所述空间行为信息至少包括上床时间、下床时间、床上体动的时间、空间位置、身体姿态、活动频率、活动强度;
体征监测处理单元,用于采集用户的生理体征数据,完成数据预处理和时帧处理,生成所述生理体征信息;所述生理体征信息至少包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息;
环境监测处理单元,用于采集用户的睡眠环境数据,完成数据预处理和时帧处理,生成所述睡眠环境信息;所述睡眠环境信息至少包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度。
更优地,所述睡眠状态识别模块包括以下三个功能单元:
睡眠状态识别单元,用于结合所述生理体征信息来判断用户的睡眠状态时相,生成睡眠状态时相曲线,提取睡眠时相特征信息;所述睡眠状态时相包括清醒期、快速眼动睡眠期、非快速眼动浅睡眠期和非快速眼动深睡眠期;所述睡眠时相特征信息至少包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长;
睡眠行为识别单元,用于结合所述空间行为信息来判断用户的行为活动状态,提取睡眠行为习惯特征信息;所述睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息,至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度;
环境因素分析单元,用于结合所述睡眠环境信息来判断用户的睡眠环境状态,提取睡眠环境因素特征信息;所述睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值。
更优地,所述睡眠效率量化模块包括以下三个功能单元:
睡眠效率分析单元,用于根据用户长期跟踪的所述睡眠时相特征信息和所述睡眠行为习惯特征信息,提取用户的睡眠行为时间序列,计算用户的睡眠效率指数和睡眠效率指数曲线,生成所述睡眠效率量化报告;
环境因素分析单元,用于根据用户长期跟踪的所述睡眠环境因素特征信息、所述睡眠环境信息和所述睡眠效率指数曲线,计算所述睡眠环境信息中的特征睡眠环境参数状态曲线与所述睡眠效率指数曲线的关联关系,生成用户的睡眠效率环境影响因子序列,提取最佳睡眠效率环境参数序列,生成所述睡眠效率环境影响报告。
睡眠效率可视化单元,用于通过周、月、季、半年、年或自定义单位时间跨度的数据切片和数据图形可视化界面,向用户展示所述睡眠效率量化报告和所述睡眠效率环境影响报告,向用户展示所述空间行为信息、所述生理体征信息、所述睡眠环境信息和所述睡眠效率信息。
更优地,所述睡眠效率优化模块包括以下两个功能单元:
调整方案生成单元,用于根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成所述睡眠效率优化调整方案;所述睡眠效率优化调整方案至少包括睡眠行为习惯调整方案、睡眠环境优化控制方案和睡眠心理辅助调整方案;
睡眠环境调控单元,用于根据所述睡眠环境优化控制方案,连接环境调控设备并进行执行控制,完成用户睡眠环境因素的动态优化调整;所述睡眠环境优化控制方案至少包括环境光照优化参数、环境光谱优化参数、环境气压优化参数、环境温度优化参数、环境湿度优化参数、环境微颗粒优化参数、环境噪声优化参数、环境氧气浓度优化参数、环境二氧化碳指标浓度优化参数和环境甲醛浓度优化参数。
根据本发明的目的,本发明提出了一种睡眠效率量化及干预的装置,包括如下模组:
睡眠信息采集模组,用于连接行为监测、生理监测和环境监测的信息采集设备或传感器,采集用户的空间行为数据、生理体征数据和睡眠环境数据;
睡眠数据处理模组,用于对所述空间行为数据、所述生理体征数据和所述睡眠环境数据进行数据预处理,提取得到用户的空间行为信息、生理体征信息和睡眠环境信息;
睡眠效率分析模组,用于对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,提取得到睡眠效率信息;对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告;根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案;
睡眠环境优化模组,用于根据睡眠环境优化控制方案,连接环境调控设备并进行执行控制,完成用户睡眠环境的动态优化调整;
睡眠效率可视化模组,用于通过周、月、季、半年、年或自定义单位时间跨度的数据切片和数据图形可视化界面,向用户展示所述睡眠效率量化报告和所述睡眠效率环境影响报告,向用户展示所述空间行为信息、所述生理体征信息、所述睡眠环境信息和所述睡眠效率信息;
关键数据中心模组,用于对所述装置的关键过程数据进行存储和管理。
本发明所提供的睡眠效率量化及干预的方法、系统和装置,通过对用户的睡眠行为数据、生理体征数据和环境信息数据进行长期跟踪分析,系统性地分析用户睡眠行为习惯、睡眠环境状态和睡眠效率,完成对睡眠效率的科学量化,多维度评估睡眠行为习惯、睡眠环境因素对睡眠效率的影响因子,向用户提供睡眠环境因素、睡眠行为习惯和睡眠心理辅助的调整方案或辅助建议,并且,本发明通过对用户的长期跟踪,能够将不同个体的差异纳入调整过程,是一个不断学习和迭代的系统,从而更智能地帮助用户养成良好的睡眠行为习惯,获得更好的睡眠质量和更高的睡眠效率,同时辅助医生的临床诊疗和用户的睡眠健康管理。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明一实施例所提供的一种睡眠效率量化及干预的方法的流程步骤示意图;
图2是本发明一实施例所提供的一种睡眠效率量化及干预的系统的模块组成示意图;
图3是本发明一实施例所提供的一种睡眠效率量化及干预的装置的模组构成示意图。
具体实施方式
为了更清楚地说明本发明的目的和技术方案,下面将结合本发明申请实施例中的附图,对本发明进行进一步介绍说明。显而易见地,下面描述的实施例仅是本发明一部分实施例,而不是全部的实施例。在没有创造性劳动前提下,本领域普通技术人员基于本发明的实施例所得到的其他实施例,都应属于本发明的保护范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
如图1所示,本发明实施例提供的一种睡眠效率量化及干预的方法,包括以下方法步骤:
P100:采集用户的空间行为数据、生理体征数据和睡眠环境数据,完成数据预处理和时帧处理,得到空间行为信息、生理体征信息和睡眠环境信息。
本实施例中,数据预处理至少包括A/D转换、重采样、去伪迹、降噪、工频陷波、带通滤波、去无效、重参考、平滑处理。
本实施例中,通过用户空间行为信息的监测和处理,能够很好地识别获得用户的睡眠(前、入、中、后)行为习惯,其中空间行为信息包括上床(行为)时间、下床(行为)时间、以及床上体动(行为)的时间、空间位置、身体姿态、活动频率、活动强度。通过部署在床垫的压力传感器(采样率200hz)监测人体与床垫的接触压力分布,通过压力映射图进行上床或下床跟踪,体动或姿势检测跟踪,计算压力传感器中的压力分布图相对变化和压力均值;通过部署在床周围的红外传感器(采样率100hz)监测卧室空间人体的活动状态和位置信息,通过室内位置和人体姿态映射图进行上床或下床跟踪,体动或姿势检测跟踪,识别人体姿态和相对位置。在实际使用场景中,人体上床卧躺时,人体头颈-身背-腿脚姿态矢量与床垫或床面在同一平面上,同时在压力分布面积方面上床卧躺要比离床或坐姿大很多。同时,对空间行为数据的数据预处理主要是A/D转换、去伪迹、小波降噪、50hz陷波以及0.01-5hz带通滤波。
本实施例中,通过用户生理体征信息的监测和处理,可以区分用户的清醒、快速动眼期和非快速动眼期等不同睡眠状态,能够很好地区分识别用户的睡眠生理状态,其中生理体征信息包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息。通过便携式PSG多导睡眠监测设备来采集脑电信号数据(采样率500hz,4通道,包括采集电极F3、F4、C3和C4,参考电极M1、M2)、心电信号数据(采样率500hz,2导联,包括Ⅰ导联和Ⅱ导联)、呼吸信号数据(采样率16hz,采集方式为RIP胸腹带)、血氧信号数据(采样率16hz,采集位置为左手食指指尖)和体温信号数据(采样率16hz,采集方式为口鼻温度监测)。同时,对生理体征数据的数据预处理主要是对脑电信号和心电信号进行去伪迹、小波降噪、50hz陷波以及0.1-45hz带通滤波;对呼吸信号、血氧信号和体温信号进行伪迹、小波降噪、50hz陷波以及0.01-5hz带通滤波。数据预处理后,计算脑电信号的脑电功率谱并提取δ节律(0.8-4hz)、θ节律(4-8hz)、μ-α节律(8-13hz)、β节律(13-30hz)、γ节律(30-45hz)的能量占比信息;计算心电信号的功率谱,提取心率信息和心率变异性信息;提取呼吸频率、血氧浓度信息和体温信息。在实际使用场景中,人不同生理状态或心理状态下,上述生理体征信息表现出不同的模式和关联关系。
本实施例中,通过睡眠环境信息的监测和处理,能够获得用户的睡眠环境状态,进一步得到睡眠环境状态对于用户睡眠效率的整体影响,其中睡眠环境信息包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度。同时,对睡眠环境数据的数据预处理主要是A/D转换、去伪迹、小波降噪、平滑处理。
P200:对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,生成睡眠效率信息。
本实施例中,睡眠效率信息包括睡眠时相特征信息、睡眠行为习惯特征信息和睡眠环境因素特征信息。其中,睡眠时相特征信息至少包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长;睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息,至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度;睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值,环境状态参数均值至少包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值。
本实施例中,生理体征信息的时帧特征分析,只需要通过以15秒为一帧的生理体征信息,基于AASM睡眠分期规则和睡眠行为分析原则来区分用户睡眠时相状态(清醒期、快速眼动睡眠期、非快速眼动浅睡眠期和非快速眼动深睡眠期等不同睡眠时相状态)。在实际使用场景中,人进入非快速动眼期(尤其是深睡眠期)时,脑电以低频的δ节律和θ节律为主,心电和心率变异性的非线性分形指数、心率、呼吸频率和体温都会下降;人在清醒状态时的生理体征信息,明显区别于睡眠状态(快速动眼期和非快速动眼期)时。
本实施例中,空间行为信息的时帧特征分析,主要确定上床时点、离床时点、床上姿态、体动频率和体动强度。在实际使用场景中,很容易通过压力传感器中的压力分布图相对变化和压力均值、人体姿态和相对位置,来确定人的特定行为。在实际使用场景中,以晚上21点后第一个触床时间超过5分钟的上床行为起始时间作为上床时点,以睡眠觉醒时点后第一次离床行为起始时间作为离床时点。在实际使用场景中,人的睡眠过程经常发生多次上床或离床行为,存在多个上床或离床行为时点和持续过程时段,都可以通过睡眠(前、入、中、后)行为习惯特征信息进行识别和提取。
本实施例中,以第一个非清醒期的睡眠状态时相起始时间作为睡眠入睡时点,以最后一个非清醒期的睡眠状态时相结束时间作为睡眠觉醒时点,以睡眠入睡时点到睡眠觉醒时点的过程持续时间作为睡眠持续时长,以睡眠入睡时点到睡眠觉醒时点的清醒期的睡眠状态时相的累计时长作为睡眠觉醒总时长。以睡前、入睡、睡中和睡后的时段分别定义为上床时点前30分钟的时段、上床时点到睡眠入睡时点的时段、睡眠入睡时点到睡眠觉醒时点的时段、睡眠觉醒时点到离床时点的时段,然后再进行提取相应的环境因子特征信息,生成睡眠环境因素特征信息。
P300:对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,并通过图形可视化界面向用户展示。
本实施例中,睡眠效率量化报告至少包括睡眠效率指数和睡眠效率指数曲线。
本实施例中,睡眠效率指数是用户睡眠质量的一个重要衡量;睡眠效率指数和睡眠效率指数曲线的计算方法,包括:
1)按日期时序,获取用户长期跟踪(连续多日)的睡眠状态特征信息和睡眠行为习惯特征信息;并提取用户睡眠行为时间序列,并生成睡眠行为时间序列数组,包括上床时点序列数组、入睡时点序列数组、觉醒时点序列数组、离床时点序列数组、睡眠持续时长序列数组和睡眠觉醒总时长序列数组;
2)对睡眠行为时间序列数组进行时间数据化变换,得到睡眠行为数据序列数组;
3)根据睡眠行为数据序列数组,计算当前日期的睡眠效率指数;
4)按日期时序,得到全部日期的睡眠效率指数,生成睡眠效率指数曲线。
本实施例中,睡眠效率指数的计算公式,如下:
其中,为特定具体日期标识,为当前睡眠过程的睡眠效率指数,为当前睡眠过程的睡眠持续时长(数据值),为当前睡眠过程的睡眠觉醒总时长(数据值),为当前睡眠过程的离床时点(数据值),为当前睡眠过程的上床时点(数据值),为离床时点和上床时点的间隔天数,为与用户疾病状态相关的睡眠效率修正指数。
在实际使用场景中,睡眠效率修正指数由用户疾病状态决定,对于嗜睡、发作性睡病、睡眠呼吸暂停等睡眠疾病严重程度呈反比关系,而正常或亚健康用户的所述睡眠效率修正指数通常为0.9~1.0。
本实施例中,时间数据化变换的计算方法,包括:
1)读取标准时间格式(年-月-日 时:分:秒)的时间,如 2022-01-02 15:04:05;
2)通过变换计算公式,计算并提取标准时间格式下对应的时间数值和日期标识。
时间数值的变换计算公式,如下:
其中,为标准时间格式中的时位数值,为标准时间格式中的分位数值,为标准时间格式中的秒位数值。
本实施例中,睡眠效率环境影响报告至少包括睡眠效率环境影响因子序列、最佳睡眠效率环境参数序列。
本实施例中,睡眠效率环境影响因子序列直接反映睡眠环境中各种环境指标与睡眠效率直接的关系,确定用户睡眠环境中哪些因素对用户的睡眠效率的较大;睡眠效率环境影响因子序列的计算方法,包括:
1)按日期时序,获取用户长期跟踪(连续多日)的睡眠环境因素特征信息中的睡前、入睡、睡中和睡后的环境状态参数均值,按睡眠环境信息的不同类型,生成睡眠环境均值变化多维矩阵,睡眠环境均值变化多维矩阵包括睡前环境均值变化矩阵、入睡环境均值变化矩阵、睡中环境均值变化矩阵和睡后环境均值变化矩阵;
2)按睡前、入睡、睡中和睡后,分别计算睡眠环境均值变化多维矩阵中不同类型睡眠环境信息的均值变化曲线和睡眠效率指数曲线的相关性(指数),生成睡眠效率-环境状态均值关联矩阵,睡眠效率-环境状态均值关联矩阵包括睡眠效率-睡前环境状态均值关联指数序列,睡眠效率-入睡环境状态均值关联指数序列,睡眠效率-睡中环境状态均值关联指数序列,睡眠效率-睡后环境状态均值关联指数序列;
用皮尔逊相关系数作为相关性(指数)指标。对于相同长度的两个数组和,皮尔逊相关系数的计算公式如下:
其中,为数组的平均值,为数组的平均值。
3)按照睡眠环境信息的不同类型,计算对睡眠效率-环境状态均值关联矩阵中不同类型睡眠环境信息的环境效率相关性融合指标,生成睡眠效率环境影响因子序列。
本实施例中,环境效率相关性融合指标的计算公式如下:
其中,分别为一类型睡眠环境信息的睡前、入睡、睡中和睡后的均值变化曲线和睡眠效率指数曲线的相关性(指数),即所有权重指数都是0.25。
本实施例中,最佳睡眠效率环境参数序列的目标是寻找和持续更新有利于睡眠效率提升的最佳环境参数;最佳睡眠效率环境参数序列的提取方法,包括:
1)基于睡眠效率指数曲线进行第二预设阈值判断,筛选睡眠效率指数超过第二预设阈值的对应日期,生成最佳睡眠效率日期集合;其中,睡眠效率指数曲线的阈值为0.80;
2)判断最佳睡眠效率日期集合是否为空集,若为空集则对睡眠效率指数曲线中的睡眠效率指数进行降序排列并筛选预设头部数量,生成最佳睡眠效率日期集合;其中,预设头部数量为10,即睡眠效率指数曲线中最高的10个睡眠效率指数;
3)根据最佳睡眠效率日期集合的日期,从睡眠环境因素特征信息中提取对应日期的入睡和睡中的环境状态参数均值,生成最佳睡眠环境状态均值集合;
4)按睡眠环境信息的不同类型,对最佳睡眠环境状态均值集合进行求均值处理,生成最佳睡眠效率环境参数序列。
P400:根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案,并进行用户睡眠环境的动态优化调整。
本实施例中,睡眠效率优化调整方案至少包括睡眠行为习惯调整方案、睡眠环境优化控制方案和睡眠心理辅助调整方案。
本实施例中,通过睡眠效率指数曲线和预设睡眠知识库,提取用户最佳且可行的睡眠行为习惯参数,睡眠行为习惯参数包括上床时间点、起床时间点、入睡时间点和入睡姿态,生成睡眠行为习惯调整方案。在实际使用场景中,对于不同年龄段、不同职业的用户群体或个人,良好的睡眠行为习惯和正确的睡眠行为习惯管理能够帮助用户获得良好的睡眠质量和睡眠效率,例如规律稳定的上床时间点和起床时间点至关重要。
本实施例中,通过睡眠效率环境影响因子序列、最佳睡眠效率环境参数序列以及预设睡眠知识库,提取用户最佳且可行的睡眠环境调设参数,生成睡眠环境优化控制方案。其中,睡眠环境优化控制方案至少包括环境光照优化参数、环境光谱优化参数、环境气压优化参数、环境温度优化参数、环境湿度优化参数、环境微颗粒优化参数、环境噪声优化参数、环境氧气浓度优化参数、环境二氧化碳指标浓度优化参数和环境甲醛浓度优化参数。在实际使用场景中,根据睡眠环境优化控制方案,用户可以完成环境设施设备的控制参数设置,如卧室光源、空调、新风系统及空气净化系统等;舒适的睡眠环境能够帮助用户快速入睡且维持高水平睡眠持续性,选择或调整卧室色谱光源,例如蓝色谱系光源全部关闭或替换成暖黄色谱系光源;设置适睡的卧室温湿度,例如室内温度不超过26摄氏度,室内相对湿度不超过50%;优化新风系统的工作时间和工作强度,例如维持二氧化碳浓度不超过500ppm,以及微颗粒PM2.5平均浓度不超过75μg/立方米;做好隔音措施,例如维持室内噪声水平或听觉感知体验不超过35dB。
本实施例中,通过睡眠行为习惯特征信息、睡眠效率指数曲线以及预设睡眠知识库,识别并提取用户行为习惯特征信息中的常态睡眠心理情绪映射,生成睡眠心理辅助调整方案。在实际使用场景中,通过睡眠心理辅助调整方案,用户能够了解和学习睡眠心理和行为心理方面的知识和信息,能够帮助其建立健康的睡眠心理,疏解睡前或睡后的不良情绪和应对睡眠过程中的突发事件,进一步巩固良好的睡眠习惯和高效的睡眠效率。
如图2所示,本发明实施例提供的一种睡眠效率量化及干预的系统,所述系统被构造以用于执行上述各个方法步骤。所述系统包括如下模块:
睡眠信息采集模块S100,用于采集用户的空间行为数据、生理体征数据和睡眠环境数据,完成数据预处理和时帧处理,得到空间行为信息、生理体征信息和睡眠环境信息;
睡眠状态识别模块S200,用于对空间行为信息、生理体征信息和睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,提取得到睡眠效率信息;
睡眠效率量化模块S300,用于对睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,并通过图形可视化界面向用户展示;
睡眠效率优化模块S400,用于根据预设睡眠知识库、睡眠效率量化报告和睡眠效率环境影响报告,生成睡眠效率优化调整方案,并进行用户睡眠环境的动态优化调整,使得用户获得更高的睡眠效率;
数据管理中心模块S500,用于对系统的关键过程数据进行存储和管理。
本实施例中,关键过程数据至少包括用户基本信息、空间行为信息、生理体征信息、睡眠环境信息、睡眠效率信息、睡眠效率量化报告、睡眠效率优化调整方案、预设状态识别规则和预设睡眠知识库;其中,用户基本信息至少包括姓名、性别、出生日期、年龄、身高、体重、血压、健康状况和疾病信息。
本实施例中,睡眠信息采集模块S100包括以下三个功能单元:
行为监测处理单元S110,用于采集用户的空间行为数据,完成数据预处理和时帧处理,生成空间行为信息;空间行为信息至少包括上床时间、下床时间、床上体动的时间、空间位置、身体姿态、活动频率、活动强度;
体征监测处理单元S120,用于采集用户的生理体征数据,完成数据预处理和时帧处理,生成生理体征信息;生理体征信息至少包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息;
环境监测处理单元S130,用于采集用户的睡眠环境数据,完成数据预处理和时帧处理,生成睡眠环境信息;睡眠环境信息至少包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度。
本实施例中,睡眠状态识别模块S200包括以下三个功能单元:
睡眠状态识别单元S210,用于结合生理体征信息来判断用户的睡眠状态时相,生成睡眠状态时相曲线,提取睡眠时相特征信息;睡眠状态时相包括清醒期、快速眼动睡眠期、非快速眼动浅睡眠期和非快速眼动深睡眠期;睡眠时相特征信息至少包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长;
睡眠行为识别单元S220,用于结合空间行为信息来判断用户的行为活动状态,提取睡眠行为习惯特征信息;睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息,至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度;
环境因素分析单元S230,用于结合睡眠环境信息来判断用户的睡眠环境状态,提取睡眠环境因素特征信息;睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值。
本实施例中,睡眠效率量化模块S300包括以下三个功能单元:
睡眠效率分析单元S310,用于根据用户长期跟踪的睡眠时相特征信息和睡眠行为习惯特征信息,提取用户的睡眠行为时间序列,计算用户的睡眠效率指数和睡眠效率指数曲线,生成睡眠效率量化报告;
环境因素分析单元S320,用于根据用户长期跟踪的睡眠环境因素特征信息、睡眠环境信息和睡眠效率指数曲线,计算睡眠环境信息中的特征睡眠环境参数状态曲线与睡眠效率指数曲线的关联关系,生成用户的睡眠效率环境影响因子序列,提取最佳睡眠效率环境参数序列,生成睡眠效率环境影响报告。
睡眠效率可视化单元S330,用于通过周、月、季、半年、年或自定义单位时间跨度的数据切片和数据图形可视化界面,向用户展示睡眠效率量化报告和睡眠效率环境影响报告,向用户展示空间行为信息、生理体征信息、睡眠环境信息和睡眠效率信息。
本实施例中,睡眠效率优化模块S400包括以下两个功能单元:
调整方案生成单元S410,用于根据预设睡眠知识库、睡眠效率量化报告和睡眠效率环境影响报告,生成睡眠效率优化调整方案;睡眠效率优化调整方案至少包括睡眠行为习惯调整方案、睡眠环境优化控制方案和睡眠心理辅助调整方案;
睡眠环境调控单元S420,用于根据睡眠环境优化控制方案,连接环境调控设备并进行执行控制,完成用户睡眠环境因素的动态优化调整;睡眠环境优化控制方案至少包括环境光照优化参数、环境光谱优化参数、环境气压优化参数、环境温度优化参数、环境湿度优化参数、环境微颗粒优化参数、环境噪声优化参数、环境氧气浓度优化参数、环境二氧化碳指标浓度优化参数和环境甲醛浓度优化参数。
如图3所示,本发明实施例提供的一种睡眠效率量化及干预的装置,包括如下模组:
睡眠信息采集模组M100,用于连接行为监测、生理监测和环境监测的信息采集设备或传感器,采集用户的空间行为数据、生理体征数据和睡眠环境数据;
睡眠数据处理模组M200,用于对空间行为数据、生理体征数据和睡眠环境数据进行数据预处理,提取得到用户的空间行为信息、生理体征信息和睡眠环境信息;
睡眠效率分析模组M300,用于对空间行为信息、生理体征信息和睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,提取得到睡眠效率信息;对睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告;根据预设睡眠知识库、睡眠效率量化报告和睡眠效率环境影响报告,生成睡眠效率优化调整方案;
睡眠环境优化模组M400,用于根据睡眠环境优化控制方案,连接环境调控设备并进行执行控制,完成用户睡眠环境的动态优化调整;
睡眠效率可视化模组M500,用于通过周、月、季、半年、年或自定义单位时间跨度的数据切片和数据图形可视化界面,向用户展示睡眠效率量化报告和睡眠效率环境影响报告,向用户展示空间行为信息、生理体征信息、睡眠环境信息和睡眠效率信息;
关键数据中心模组M600,用于对装置的关键过程数据进行存储和管理。
所述装置被构造以用于对应执行图1的方法钟的各个步骤,在此不再赘述。
本发明还提供了可编程的各类处理器(FPGA、ASIC或其他集成电路),所述处理器用于运行程序,其中,所述程序运行时执行上述实施例中的步骤。
本发明还提供了对应的计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述存储器执行所述程序时实现上述实施例中的步骤。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和原则的前提下,可以在实施的形式及细节上进行任何的修改与变化、等同替换等,这些都属于本发明的保护范围。因此,本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (29)
1.一种睡眠效率量化及干预的方法,其特征在于,包括如下步骤:
采集用户的空间行为数据、生理体征数据和睡眠环境数据,完成数据预处理和时帧处理,得到空间行为信息、生理体征信息和睡眠环境信息;所述时帧处理是以预设分帧窗口时长对信号数据进行预设分帧步长的滑动分割;
对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,生成睡眠效率信息;
对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,并通过图形可视化界面向用户展示,所述睡眠效率量化报告至少包括睡眠效率指数、睡眠效率指数曲线;
根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案,并进行用户睡眠环境的动态优化调整;所述睡眠效率指数和所述睡眠效率指数曲线的计算方法包括:
1)按日期时序,获取用户一段时间跟踪的睡眠时相特征信息和睡眠行为习惯特征信息,并提取用户睡眠行为时间序列,并生成睡眠行为时间序列数组;
2)对所述睡眠行为时间序列数组进行时间数据化变换,得到睡眠行为数据序列数组;
3)根据所述睡眠行为数据序列数组,计算当前日期的所述睡眠效率指数;
4)按日期时序,得到全部日期的所述睡眠效率指数,生成睡眠效率指数曲线。
2.如权利要求1所述的方法,其特征在于:所述空间行为信息包括上床时间、下床时间、床上体动时间、空间位置、身体姿态、活动频率、活动强度至少一项。
3.如权利要求1所述的方法,其特征在于:所述生理体征信息包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息至少一项。
4.如权利要求1所述的方法,其特征在于:所述睡眠环境信息至少包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度至少一项。
5.如权利要求1所述的方法,其特征在于:所述数据预处理至少包括A/D转换、重采样、去伪迹、降噪、工频陷波、带通滤波、去无效、重参考、平滑处理。
6.如权利要求1所述的方法,其特征在于:所述睡眠效率信息包括睡眠时相特征信息、睡眠行为习惯特征信息和睡眠环境因素特征信息。
7.如权利要求6所述的方法,其特征在于:所述睡眠时相特征信息包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长至少一项。
8.如权利要求7所述的方法,其特征在于:所述睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息,至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度。
9.如权利要求8所述的方法,其特征在于:所述睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值。
10.如权利要求9所述的方法,其特征在于:所述环境状态参数均值包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值至少一项。
11.如权利要求1所述的方法,其特征在于:所述睡眠效率量化报告至少包括睡眠效率指数、睡眠效率指数曲线。
12.如权利要求1所述的方法,其特征在于:所述睡眠效率指数的计算方法如下:
;
其中,为特定具体日期标识,为当前睡眠过程的睡眠效率指数,为当前睡眠过程的睡眠持续时长,为当前睡眠过程的睡眠觉醒总时长,为当前睡眠过程的离床时点,为当前睡眠过程的上床时点,为离床时点和上床时点的间隔天数,为与用户疾病状态相关的睡眠效率修正指数。
13.如权利要求12所述的方法,其特征在于:所述睡眠效率修正指数由用户疾病状态决定,与睡眠疾病严重程度呈反比关系。
14.如权利要求1所述的方法,其特征在于:所述睡眠效率环境影响报告至少包括睡眠效率环境影响因子序列、最佳睡眠效率环境参数序列。
15.如权利要求14所述的方法,其特征在于:所述睡眠效率环境影响因子序列包括睡眠效率环境光照度影响因子、睡眠效率环境光谱影响因子、睡眠效率环境气压影响因子、睡眠效率环境温度影响因子、睡眠效率环境湿度影响因子、睡眠效率环境微颗粒影响因子、睡眠效率环境噪声影响因子、睡眠效率环境氧气浓度影响因子、睡眠效率环境二氧化碳指标浓度影响因子和睡眠效率环境甲醛浓度影响因子至少一项。
16.如权利要求14或15所述的方法,其特征在于:所述睡眠效率环境影响因子序列的计算方法包括:
1)按日期时序,获取用户一段时间跟踪的睡眠环境因素特征信息中的睡前、入睡、睡中和睡后的环境状态参数均值,按所述睡眠环境信息的不同类型,生成睡眠环境均值变化多维矩阵,所述睡眠环境均值变化多维矩阵包括睡前环境均值变化矩阵、入睡环境均值变化矩阵、睡中环境均值变化矩阵和睡后环境均值变化矩阵;
2)按睡前、入睡、睡中和睡后,分别计算所述睡眠环境均值变化多维矩阵中不同类型睡眠环境信息的均值变化曲线和睡眠效率指数曲线的相关性指数,生成睡眠效率-环境状态均值关联矩阵;
3)按照睡眠环境信息的不同类型,计算所述睡眠效率-环境状态均值关联矩阵中不同类型睡眠环境信息的环境效率相关性融合指标,生成所述睡眠效率环境影响因子序列。
17.如权利要求16所述的方法,其特征在于:所述睡眠效率-环境状态均值关联矩阵至少包括睡眠效率-睡前环境状态均值关联指数序列,睡眠效率-入睡环境状态均值关联指数序列,睡眠效率-睡中环境状态均值关联指数序列,睡眠效率-睡后环境状态均值关联指数序列。
18.如权利要求14所述的方法,其特征在于:所述最佳睡眠效率环境参数序列的提取方法包括:
1)基于睡眠效率指数曲线进行预设睡眠效率阈值判断,筛选所述睡眠效率指数超过预设睡眠效率阈值的对应日期,生成最佳睡眠效率日期集合;
2)判断所述最佳睡眠效率日期集合是否为空集,若为空集则对所述睡眠效率指数曲线的所述睡眠效率指数进行降序排列并筛选预设头部数量,生成所述最佳睡眠效率日期集合;
3)根据所述最佳睡眠效率日期集合的日期,从睡眠环境因素特征信息中提取对应日期的入睡和睡中的环境状态参数均值,生成最佳睡眠环境状态均值集合;
4)按所述睡眠环境信息的不同类型,对所述最佳睡眠环境状态均值集合进行指标融合处理,生成最佳睡眠效率环境参数序列。
19.如权利要求1所述的方法,其特征在于:所述睡眠效率优化调整方案包括睡眠行为习惯调整方案、睡眠环境优化控制方案和睡眠心理辅助调整方案至少一项。
20.如权利要求19所述的方法,其特征在于:所述睡眠环境优化控制方案包括环境光照优化参数、环境光谱优化参数、环境气压优化参数、环境温度优化参数、环境湿度优化参数、环境微颗粒优化参数、环境噪声优化参数、环境氧气浓度优化参数、环境二氧化碳指标浓度优化参数和环境甲醛浓度优化参数至少一项。
21.一种睡眠效率量化及干预的系统,其特征在于,包括如下模块:
睡眠信息采集模块,用于采集用户的空间行为数据、生理体征数据和睡眠环境数据,完成数据预处理和时帧处理,得到空间行为信息、生理体征信息和睡眠环境信息,所述时帧处理是以预设分帧窗口时长对信号数据进行预设分帧步长的滑动分割;
睡眠状态识别模块,用于对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,提取得到睡眠效率信息;
睡眠效率量化模块,用于对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,并通过图形可视化界面向用户展示,所述睡眠效率量化报告至少包括睡眠效率指数、睡眠效率指数曲线;
睡眠效率优化模块,用于根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案,并进行用户睡眠环境的动态优化调整,使得用户获得更高的睡眠效率;
数据管理中心模块,用于对所述系统的关键过程数据进行存储和管理;
所述睡眠效率指数和所述睡眠效率指数曲线的计算方法包括:
1)按日期时序,获取用户一段时间跟踪的睡眠时相特征信息和睡眠行为习惯特征信息,并提取用户睡眠行为时间序列,并生成睡眠行为时间序列数组;
2)对所述睡眠行为时间序列数组进行时间数据化变换,得到睡眠行为数据序列数组;
3)根据所述睡眠行为数据序列数组,计算当前日期的所述睡眠效率指数;
4)按日期时序,得到全部日期的所述睡眠效率指数,生成睡眠效率指数曲线。
22.如权利要求21所述的系统,其特征在于:所述关键过程数据包括用户基本信息、所述空间行为信息、所述生理体征信息、所述睡眠环境信息、所述睡眠效率信息、所述睡眠效率量化报告、所述睡眠效率优化调整方案、预设状态识别规则和所述预设睡眠知识库至少一项;其中,所述用户基本信息包括姓名、性别、出生日期、年龄、身高、体重、血压、健康状况和疾病信息至少一项。
23.如权利要求21所述的系统,其特征在于:所述睡眠信息采集模块包括以下三个功能单元:
行为监测处理单元,用于采集用户的空间行为数据,完成数据预处理和时帧处理,生成所述空间行为信息;所述空间行为信息包括上床时间、下床时间、床上体动的时间、空间位置、身体姿态、活动频率、活动强度至少一项;
体征监测处理单元,用于采集用户的生理体征数据,完成数据预处理和时帧处理,生成所述生理体征信息;所述生理体征信息包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息至少一项;
环境监测处理单元,用于采集用户的睡眠环境数据,完成数据预处理和时帧处理,生成所述睡眠环境信息;所述睡眠环境信息包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度至少一项。
24.如权利要求23所述的系统,其特征在于:所述睡眠状态识别模块包括以下三个功能单元:
睡眠状态识别单元,用于结合所述生理体征信息来判断用户的睡眠状态时相,生成睡眠状态时相曲线,提取睡眠时相特征信息;所述睡眠状态时相包括清醒期、快速眼动睡眠期、非快速眼动浅睡眠期和非快速眼动深睡眠期;所述睡眠时相特征信包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长息至少一项;
睡眠行为识别单元,用于结合所述空间行为信息来判断用户的行为活动状态,提取睡眠行为习惯特征信息;所述睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息,至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度;
环境因素分析单元,用于结合所述睡眠环境信息来判断用户的睡眠环境状态,提取睡眠环境因素特征信息;所述睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值。
25.如权利要求24所述的系统,其特征在于:所述睡眠效率量化模块包括以下三个功能单元:
睡眠效率分析单元,用于根据用户长期跟踪的所述睡眠时相特征信息和所述睡眠行为习惯特征信息,提取用户的睡眠行为时间序列,计算用户的睡眠效率指数和睡眠效率指数曲线,生成所述睡眠效率量化报告;
环境因素分析单元,用于根据用户长期跟踪的所述睡眠环境因素特征信息、所述睡眠环境信息和所述睡眠效率指数曲线,计算所述睡眠环境信息中的特征睡眠环境参数状态曲线与所述睡眠效率指数曲线的关联关系,生成用户的睡眠效率环境影响因子序列,提取最佳睡眠效率环境参数序列,生成所述睡眠效率环境影响报告;
睡眠效率可视化单元,用于通过周、月、季、半年、年或自定义单位时间跨度的数据切片和数据图形可视化界面,向用户展示所述睡眠效率量化报告和所述睡眠效率环境影响报告,向用户展示所述空间行为信息、所述生理体征信息、所述睡眠环境信息和所述睡眠效率信息。
26.如权利要求21-25任一项所述的系统,其特征在于:所述睡眠效率优化模块包括以下两个功能单元:
调整方案生成单元,用于根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成所述睡眠效率优化调整方案;所述睡眠效率优化调整方案包括睡眠行为习惯调整方案、睡眠环境优化控制方案和睡眠心理辅助调整方案至少一项;
睡眠环境调控单元,用于根据所述睡眠环境优化控制方案,连接环境调控设备并进行执行控制,完成用户睡眠环境因素的动态优化调整。
27.如权利要求26所述的系统,其特征在于:所述睡眠环境优化控制方案包括环境光照优化参数、环境光谱优化参数、环境气压优化参数、环境温度优化参数、环境湿度优化参数、环境微颗粒优化参数、环境噪声优化参数、环境氧气浓度优化参数、环境二氧化碳指标浓度优化参数和环境甲醛浓度优化参数至少一项。
28.一种睡眠效率量化及干预的装置,其特征在于,包括如下模组:
睡眠信息采集模组,用于连接行为监测、生理监测和环境监测的信息采集设备或传感器,采集用户的空间行为数据、生理体征数据和睡眠环境数据;
睡眠数据处理模组,用于对所述空间行为数据、所述生理体征数据和所述睡眠环境数据进行数据预处理,提取得到用户的空间行为信息、生理体征信息和睡眠环境信息;
睡眠效率分析模组,用于对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析,识别用户睡眠时相变化,提取得到睡眠效率信息;对所述睡眠效率信息进行交叉分析,生成睡眠效率量化报告和睡眠效率环境影响报告,所述睡眠效率量化报告至少包括睡眠效率指数、睡眠效率指数曲线;根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告,生成睡眠效率优化调整方案;
睡眠环境优化模组,用于根据睡眠环境优化控制方案,连接环境调控设备并进行执行控制,完成用户睡眠环境的动态优化调整;
所述睡眠效率指数和所述睡眠效率指数曲线的计算方法包括:
1)按日期时序,获取用户一段时间跟踪的睡眠时相特征信息和睡眠行为习惯特征信息,并提取用户睡眠行为时间序列,并生成睡眠行为时间序列数组;
2)对所述睡眠行为时间序列数组进行时间数据化变换,得到睡眠行为数据序列数组;
3)根据所述睡眠行为数据序列数组,计算当前日期的所述睡眠效率指数;
4)按日期时序,得到全部日期的所述睡眠效率指数,生成睡眠效率指数曲线。
29.如权利要求28所述的装置,其特征在于,还包括:
睡眠效率可视化模组,用于通过周、月、季、半年、年或自定义单位时间跨度的数据切片和数据图形可视化界面,向用户展示所述睡眠效率量化报告和所述睡眠效率环境影响报告,向用户展示所述空间行为信息、所述生理体征信息、所述睡眠环境信息和所述睡眠效率信息;
关键数据中心模组,用于对所述装置的关键过程数据进行存储和管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127064.7A CN115831372B (zh) | 2023-02-17 | 2023-02-17 | 一种睡眠效率量化及干预的方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127064.7A CN115831372B (zh) | 2023-02-17 | 2023-02-17 | 一种睡眠效率量化及干预的方法、系统和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115831372A CN115831372A (zh) | 2023-03-21 |
CN115831372B true CN115831372B (zh) | 2023-05-05 |
Family
ID=85521700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310127064.7A Active CN115831372B (zh) | 2023-02-17 | 2023-02-17 | 一种睡眠效率量化及干预的方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115831372B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116013470B (zh) * | 2023-03-30 | 2023-06-09 | 安徽星辰智跃科技有限责任公司 | 一种睡眠行为活跃水平动态调节的方法、系统和装置 |
CN117690585B (zh) * | 2024-02-02 | 2024-04-12 | 深圳市震有智联科技有限公司 | 一种基于生物反馈的睡眠障碍治疗系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106137130B (zh) * | 2016-06-28 | 2019-01-29 | 南京大学 | 一种基于音频处理的睡眠期识别方法 |
CN106983515A (zh) * | 2017-04-17 | 2017-07-28 | 安徽咏鹅家纺股份有限公司 | 一种智能睡眠监测系统 |
CN110491468A (zh) * | 2019-07-18 | 2019-11-22 | 广州柏颐信息科技有限公司 | 一种睡眠质量报告的处理方法和系统 |
US20220059208A1 (en) * | 2020-08-21 | 2022-02-24 | Stimscience Inc. | Systems, methods, and devices for sleep intervention quality estimation |
CN113693564A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的睡眠质量监测方法、装置、设备及介质 |
-
2023
- 2023-02-17 CN CN202310127064.7A patent/CN115831372B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115831372A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115831372B (zh) | 一种睡眠效率量化及干预的方法、系统和装置 | |
JP5961235B2 (ja) | 睡眠/覚醒状態評価方法及びシステム | |
JP5775868B2 (ja) | 不眠症のための行動療法を提供するシステム及びその制御方法 | |
US20180125418A1 (en) | Device and method for monitoring a physiological state of a subject | |
JP6333170B2 (ja) | 人の睡眠および睡眠段階を決定するシステムおよび装置 | |
CN115862873B (zh) | 一种睡眠节律量化及干预的方法、系统和装置 | |
AU2016323049B2 (en) | Physiological signal monitoring | |
JP4023429B2 (ja) | 携帯型生体情報モニタ装置 | |
CN115862877B (zh) | 睡眠可持续性检测量化及辅助干预的方法、系统和装置 | |
US20150217082A1 (en) | Sleep assistant system, method, and non-transitory computer-readable medium for assisting in easing hardship of falling asleep | |
CN115881305B (zh) | 一种睡眠趋稳性检测量化及辅助干预的方法、系统和装置 | |
CN115910351B (zh) | 一种睡眠周期性检测量化及辅助干预的方法、系统和装置 | |
CN113317762A (zh) | 一种云端服务器 | |
CN112294263B (zh) | 一种基于脑波频率的非稳定睡眠状态评估方法模型 | |
Kuo et al. | An EOG-based automatic sleep scoring system and its related application in sleep environmental control | |
CN113261929A (zh) | 基于心率变异性指标的手机不良使用行为风险预警系统 | |
Kuo et al. | An EOG-based sleep monitoring system and its application on on-line sleep-stage sensitive light control | |
WO2023074283A1 (ja) | 健康状態判定方法、及び、健康状態判定システム | |
WO2023074284A1 (ja) | 健康状態判定方法、及び、健康状態判定システム | |
CN115474938A (zh) | 一种识别与监测产后抑郁的智能可穿戴设备及其实现方法 | |
CN116849614A (zh) | 一种睡眠评估与管理的方法及系统 |
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 |