CN115862873B - 一种睡眠节律量化及干预的方法、系统和装置 - Google Patents
一种睡眠节律量化及干预的方法、系统和装置 Download PDFInfo
- Publication number
- CN115862873B CN115862873B CN202310127017.2A CN202310127017A CN115862873B CN 115862873 B CN115862873 B CN 115862873B CN 202310127017 A CN202310127017 A CN 202310127017A CN 115862873 B CN115862873 B CN 115862873B
- Authority
- CN
- China
- Prior art keywords
- sleep
- rhythm
- environment
- information
- time
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了睡眠节律量化及干预的方法,采集用户的空间行为数据、生理体征数据和睡眠环境数据,提取得到空间行为信息、生理体征信息和睡眠环境信息并进行综合特征分析判断,识别用户睡眠状态变化情况,进而生成睡眠节律量化报告和睡眠节律时相图,并通过图形可视化界面向用户展示;根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案,并进行用户睡眠环境因素的智能优化调整,辅助用户睡眠。
Description
技术领域
本发明涉及睡眠节律量化及干预领域,特别涉及一种睡眠节律量化及干预的方法、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。但随着社会快速变迁和经济不平衡发展,人们精神压力持续增加且保持在高水平,睡眠-觉醒障碍发生率不断升高。长期持续的睡眠-觉醒障碍,可能带来较为严重的生理疾病和精神疾病。同时,阿尔茨海默症、帕金森、脑卒中等神经退行性疾病或重大心脑血管疾病,以及焦虑症、躁郁症和抑郁症等诸多精神疾病,都伴随着严重的睡眠问题或睡眠疾病。
近年来,人们工作生活方式发生了较大变化,而睡眠行为习惯发生了巨大的变化,睡眠质量变差、卧床时间延长、入睡和起床时间延迟成为了“不好”常态。
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单次睡眠行为的有限量化分析,特别是在现有医疗临床诊断和干预治疗中,缺乏对用户睡眠行为习惯、睡眠环境状态、睡眠节律的系统性分析,缺乏对用户睡眠节律的长期量化,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节律的影响程度的准确评估,进而无法向用户提供具体有效的、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,无法进一步帮助用户养成良好的睡眠行为习惯,获得更好的睡眠节律和更高的睡眠质量。例如文献CN107184217A披露了一体昼夜节律分析方法,通过采样用户活动量数据分析得到睡眠数据段内的睡眠特征值,再根据睡眠状态输出相应的昼夜节律分析结果;但其并未考虑环境的影响,也没有指示如何进行节律量化,未能够结合用户个体特点和所处环境进行自动完善。
因此,现有技术有待改进以准确量化睡眠节律、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节律量化及干预的方法,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,进而准确有效地完成用户睡眠行为习惯、睡眠环境状态、睡眠节律的系统性分析,实现睡眠节律的科学量化,确定睡眠行为习惯、睡眠环境因素对睡眠节律的影响关联关系,并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,获得更好的睡眠节律和更高的睡眠质量,同时辅助用户的睡眠健康管理和医生的临床诊疗。本发明还提供了一种睡眠节律量化及干预的系统,用于实现上述方法。本发明还提供了一种睡眠节律量化及干预的装置,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节律量化及干预的方法,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并进行数据预处理,提取得到空间行为信息、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综合特征分析判断,识别用户睡眠状态变化情况,生成睡眠节律信息;
对所述睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图,并通过图形可视化界面向用户展示;
根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案,并进行用户睡眠环境因素的智能优化调整,辅助用户睡眠。
更优地,所述空间行为信息至少包括上床(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。
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、平滑处理和分帧处理。
更优地,所述分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,所述睡眠节律信息包括睡眠状态特征信息、睡眠行为习惯特征信息和睡眠环境因子特征信息。
更优地,所述睡眠状态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,所述睡眠环境因子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,所述睡眠节律量化报告至少包括睡眠节律指数、睡眠节律指数曲线、睡眠节律环境影响因子序列和最佳睡眠节律环境参数序列。
更优地,所述睡眠节律指数和所述睡眠节律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)的所述睡眠状态特征信息和所述睡眠行为习惯特征信息;
2)提取节律时间序列,并生成节律时间序列数组;
3)对所述节律时间序列数组进行时间数据化变换,得到节律数据序列数组;
4)选取预设窗口长度的时间窗口,并分别计算所述节律数据序列数组中各个数据序列对应的数据波动性指标,得到数据波动性指标数组;
5)对所述数据波动性指标数组进行归一化加权计算和/或其他融合计算方式,得到当前时间窗口的睡眠节律指数;
6)以预设平移步长进行所述时间窗口的滑动平移,计算得到全部窗口的所述睡眠节律指数,生成睡眠节律指数曲线。
更优地,所述节律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,所述预设窗口长度至少包括周、月、季、半年、年或自定义单位时间长度。
更优地,所述睡眠节律指数的计算方法,如下:
其中,为睡眠节律指数,为所述数据波动性指标数组中数据波动性指标的个数,,分别为所述数据波动性指标数组中的一数据波动性指标和其对应的权重系数。
更优地,所述睡眠节律环境影响因子序列至少包括睡眠节律环境光照度影响因子、睡眠节律环境光谱影响因子、睡眠节律环境气压影响因子、睡眠节律环境温度影响因子、睡眠节律环境湿度影响因子、睡眠节律环境微颗粒影响因子、睡眠节律环境噪声影响因子、睡眠节律环境氧气浓度影响因子、睡眠节律环境二氧化碳指标浓度影响因子和睡眠节律环境甲醛浓度影响因子。
更优地,所述睡眠节律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)的所述睡眠环境因子特征信息中的睡前、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节律指数曲线的相关性(指数),生成睡眠节律-环境状态均值关联矩阵;
3)按照睡眠环境信息的不同类型,计算所述睡眠节律-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,生成所述睡眠节律环境影响因子序列。
更优地,所述睡眠节律-环境状态均值关联矩阵至少包括睡眠节律-睡前环境状态均值关联指数序列,睡眠节律-入睡环境状态均值关联指数序列,睡眠节律-睡中环境状态均值关联指数序列,睡眠节律-睡后环境状态均值关联指数序列。
更优地,所述最佳睡眠节律环境参数序列的提取方法,包括:
1)基于所述睡眠节律指数曲线进行预设睡眠节律阈值判断,筛选所述睡眠节律指数超过预设睡眠节律阈值的对应日期,生成最佳睡眠节律日期集合;
2)判断所述最佳睡眠节律日期集合是否为空集,若为空集则对所述睡眠节律指数曲线的所述睡眠节律指数进行降序排列并筛选预设头部数量,生成所述最佳睡眠节律日期集合;
3)根据所述最佳睡眠节律日期集合的日期,从所述睡眠环境因子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,生成最佳睡眠节律环境参数序列。
更优地,所述睡眠节律时相图的表示方法,包括:
1)所述睡眠节律时相图以二维柱状色块图来表示,纵坐标为日期,横坐标为24小时时间轴;
2)按日期,从所述睡眠状态特征信息、所述睡眠行为习惯特征信息和所述睡眠节律信息中提取睡眠时相信息,分别用不同色块进行多区间色块标识;
3)按日期,从所述睡眠节律指数曲线中提取对应的睡眠节律指数,并标识于日期对侧纵坐标。
更优地,所述睡眠时相信息至少包括上床时点、睡眠入睡时点、睡眠觉醒时点、离床时点和睡眠状态时相曲线。
更优地,所述多区间色块标识至少包括上床时点至睡眠入睡时点区间、睡眠入睡时点至睡眠觉醒时点区间、睡眠觉醒时点至起床时间区间、以及睡眠过程中觉醒区间。
更优地,所述睡眠节律辅助调整方案至少包括睡眠行为习惯调整方案、睡眠环境优化调整方案和睡眠心理辅助调整方案。
更优地,所述睡眠环境优化调整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节律量化及干预的系统,包括如下模块:
节律信息采集模块,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并进行数据预处理,提取得到空间行为信息、生理体征信息和睡眠环境信息;
节律状态识别模块,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综合特征分析判断,识别用户睡眠状态变化情况,提取得到睡眠节律信息;
节律特征量化模块,用于对所述睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图,并通过图形可视化界面向用户展示;
节律辅助调整模块,用于根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案,并进行用户睡眠环境因素的智能优化调整,辅助用户睡眠;
节律数据中心模块,用于对用户关键数据进行存储和管理。
更优地,所述用户关键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、所述睡眠节律信息、所述睡眠节律量化报告、所述睡眠节律时相图、所述睡眠节律辅助调整方案、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,所述节律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并进行数据预处理,生成所述空间行为信息;所述空间行为信息至少包括上床(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;
体征监测处理单元,用于采集用户的生理体征数据并进行数据预处理,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并进行数据预处理,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,所述节律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,提取睡眠状态特征信息;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;所述睡眠状态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;
环境因子识别单元,用于结合所述睡眠环境信息来判断用户的睡眠环境状态,提取睡眠环境因子特征信息;所述睡眠环境因子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,所述节律特征量化模块包括以下四个功能单元:
睡眠节律分析单元,用于根据用户长期跟踪的所述睡眠状态特征信息和所述睡眠行为习惯特征信息,提取用户的节律时间序列并计算数据波动性指标,生成睡眠节律指数,提取睡眠节律指数曲线;
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子特征信息、所述睡眠环境信息和所述睡眠节律指数曲线,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节律指数曲线的关联关系,生成睡眠节律环境影响因子序列,提取最佳睡眠节律环境参数序列;
节律报告生成单元,用于根据所述睡眠节律指数、所述睡眠节律指数曲线、所述睡眠节律环境影响因子序列和所述最佳睡眠节律环境参数序列,生成所述睡眠节律量化报告;
睡眠节律图景单元,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节律量化报告,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节律信息;生成并向用户展示所述睡眠节律时相图。
更优地,所述节律辅助调整模块包括以下两个功能单元:
辅助方案生成单元,用于根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成所述睡眠节律辅助调整方案;所述睡眠节律辅助调整方案至少包括睡眠行为习惯调整方案、睡眠环境优化调整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调整方案,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智能优化调整;所述睡眠环境优化调整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节律量化及干预的装置,包括如下模组:
节律信息采集模组,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;
节律数据处理模组,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,提取得到空间行为信息、生理体征信息和睡眠环境信息;
节律特征分析模组,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综合特征分析判断,识别用户睡眠状态变化情况,提取得到睡眠节律信息;对所述睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图;根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案;
睡眠环境调控模组,用于根据睡眠环境优化调整方案,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智能优化调整;
节律数据可视化模组,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节律量化报告,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节律信息;生成并向用户展示所述睡眠节律时相图;
节律数据中心模组,用于对所述装置中的用户关键数据进行存储和管理。
本发明所提供的睡眠节律量化及干预的方法、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定期跟踪,进而准确有效地完成用户睡眠行为习惯、睡眠环境状态、睡眠节律的系统性分析,充分挖掘了睡眠的多个影响维度实现睡眠节律的科学量化,确定睡眠行为习惯、睡眠环境因素对睡眠节律的影响关联关系,并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,获得更好的睡眠节律和更高的睡眠质量。
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节律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节律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节律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节律量化及干预的方法,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并进行数据预处理,提取得到空间行为信息、生理体征信息和睡眠环境信息。
本实施例中,通过用户空间行为监测设备,采集用户的空间行为数据并完成数据预处理,提取得到用户的空间行为信息,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。空间行为监测设备的部署及空间行为数据的采集,可以由单个或多个分散的、不同类型的传感器设备及采集子单元成对配合并能够各自独立完成用户不同类型空间行为数据的采集和记录。
本实施例中,通过用户生理体征监测设备,采集用户的生理体征数据并完成数据预处理,提取得到用户的生理体征信息,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。生理体征监测设备的部署及生理体征数据的采集,可以由单个或多个分散的、不同类型的传感器设备及采集子单元成对配合并能够各自独立完成用户不同类型生理体征数据的采集和记录。
本实施例中,通过用户睡眠环境监测设备,采集用户的睡眠环境数据并完成数据预处理,提取得到用户的睡眠环境信息,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。睡眠环境监测设备的部署及睡眠环境数据的采集,可以由单个或多个分散的、不同类型的传感器设备及采集子单元成对配合并能够各自独立完成用户不同类型睡眠环境数据的采集和记录。
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、平滑处理和分帧处理。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;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;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综合特征分析判断,识别用户睡眠状态变化情况,生成睡眠节律信息。
本实施例中,睡眠节律信息至少包括睡眠状态特征信息、睡眠行为习惯特征信息和睡眠环境因子特征信息。基于AASM睡眠分期规则和睡眠行为分析原则,对空间行为信息、生理体征信息和睡眠环境信息分别进行睡眠行为识别、睡眠状态识别和环境因子识别,分别得到睡眠状态特征信息、睡眠行为习惯特征信息和睡眠环境因子特征信息,生成并构成睡眠节律信息的连续变化信息矩阵;通过睡眠节律信息的连续变化信息矩阵,能够很好的表征用户节律状态的变化过程并识别用户睡眠节律的可能影响因素。
本实施例中,睡眠状态识别的步骤是对单个或多个分散的传感器设备及采集子单元采集的用户不同类型生理体征信息进行融合判别分析,以15秒为一帧,识别并区分用户在不同时间窗口的清醒期、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,提取用户的睡眠状态特征信息,睡眠状态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、睡眠持续时长和睡眠觉醒总时长。在实际使用场景中,人的睡眠过程经常发生多次觉醒并存在多个觉醒时点和觉醒过程时段,同时也可能还存在呼吸暂停、低血氧等其他事件,都可以通过睡眠状态时相和/或睡眠状态特征信息进行识别和提取。
本实施例中,睡眠行为识别的步骤是对单个或多个分散的传感器设备及采集子单元采集的用户不同类型空间行为信息进行融合判别分析,识别并区分用户的位置、姿态、活动频率及强度等行为活动状态,提取用户的睡眠(前、入、中、后)行为习惯特征信息,用户的睡眠(前、入、中、后)行为习惯特征信息包括上床时点、离床时点、床上姿态、体动频率和体动强度。
本实施例中,睡眠因子识别的步骤是对单个或多个分散的传感器设备及采集子单元采集的用户不同类型睡眠环境信息进行预计算分析,结合睡眠状态特征信息,提取用户的睡眠环境因子特征信息,睡眠环境因子特征信息包括睡前、入睡、睡中和睡后的环境状态参数均值。
P300:对所述睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图,并通过图形可视化界面向用户展示。
本实施例中,关键步骤是对睡眠节律信息中的睡眠状态特征信息、睡眠行为习惯特征信息和睡眠环境因子特征信息进行特征分析和交叉关系分析,提取睡眠节律量化报告,生成睡眠节律时相图;通过直观的图形可视化界面,能够满足用户全面了解睡眠节律概况,并能够快速分析特定日期的睡眠过程信息或特征详情。
本实施例中,睡眠节律量化报告包括睡眠节律指数、睡眠节律指数曲线、睡眠节律环境影响因子序列和最佳睡眠节律环境参数序列。
本实施例中,睡眠节律指数是衡量一段时间内用户的睡眠规律性,分析观察时间窗口内(当前目标日期之前一段时间)用户体睡眠行为的睡眠节律指数,即是当前日期的睡眠节律指数;睡眠节律指数和睡眠节律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(前、入、中、后)行为习惯特征信息;
2)提取并生成节律时间序列二维数组,节律时间序列二维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;
3)对节律时间序列二维数组进行时间数据化变换,得到节律数据序列数组,节律数据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;
4)选取7天的时间窗口,并分别计算节律数据序列数组中各个数据序列对应的数据波动性指标,得到数据波动性指标数组;
本实施例中,用标准差作为数据波动性指标,来计算数据波动性指标数组中各个数据波动性指标。针对数组,标准差的计算公式如下:
其中,为数组的平均值;
5)对数据波动性指标数组进行归一化加权计算方式,得到当前时间窗口下的睡眠节律指数;
6)以1天为平移步长进行时间窗口向后滑动平移,计算得到全部窗口的所述睡眠节律指数,生成睡眠节律指数曲线。
本实施例中,睡眠节律指数的计算公式如下:
*6)
其中,考虑到节律数据序列数组中上床时点、睡眠入睡时点、睡眠觉醒时点、离床时点、睡眠持续时长和睡眠觉醒总时长对睡眠节律的影响程度不一样,数据波动性指标数组对应的权重系数{}分别为{}。
本实施例中,睡眠节律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节律直接的关系,确定用户睡眠环境中哪些因素对用户的睡眠节律的较大;睡眠节律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)的睡眠环境因子特征信息中的睡前、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节律指数曲线的相关性(指数),生成睡眠节律-环境状态均值关联矩阵,睡眠节律-环境状态均值关联矩阵包括睡眠节律-睡前环境状态均值关联指数序列,睡眠节律-入睡环境状态均值关联指数序列,睡眠节律-睡中环境状态均值关联指数序列,睡眠节律-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,计算对睡眠节律-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,生成睡眠节律环境影响因子序列。
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节律指数曲线的相关性(指数),即所有权重指数都是0.25。
本实施例中,最佳睡眠节律环境参数序列的目标是寻找和持续更新有利于睡眠节律提升的最佳环境参数;最佳睡眠节律环境参数序列的提取方法,包括:
1)基于睡眠节律指数曲线进行第二预设阈值判断,筛选睡眠节律指数超过第二预设阈值的对应日期,生成最佳睡眠节律日期集合;其中,睡眠节律指数曲线的第二预设阈值为0.75;
2)判断最佳睡眠节律日期集合是否为空集,若为空集则对睡眠节律指数曲线中的睡眠节律指数进行降序排列并筛选预设头部数量,生成最佳睡眠节律日期集合;其中,预设头部数量为8,即睡眠节律指数曲线中最高的8个睡眠节律指数;
3)根据最佳睡眠节律日期集合的日期,从睡眠环境因子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,生成最佳睡眠节律环境参数序列。
本实施例中,睡眠节律时相图以图形可视化方式向用户直观展示连续多天的睡眠行为习惯和睡眠节律的总体结构信息;睡眠节律时相图的表示方法,包括:
1)睡眠节律时相图以二维柱状色块图来表示,左纵坐标为日期,横坐标为24小时时间轴;睡眠节律时相图中所有柱状默认为浅灰色;
2)按日期,从睡眠状态特征信息、睡眠(前、入、中、后)行为习惯特征信息和睡眠节律信息中提取上床时点、睡眠入睡时点、睡眠觉醒时点、离床时点和睡眠状态时相曲线,分别用不同色块进行多区间色块标识,其中上床时点至睡眠入睡时点区间标识为浅绿色、睡眠入睡时点至睡眠觉醒时点区间标识为黄色、睡眠觉醒时点至起床时间区间标识为浅蓝色、以及睡眠过程中觉醒区间标识为红色;
3)按日期,从睡眠节律指数曲线中提取对应的睡眠节律指数,并标识于右纵坐标。
P400:根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案,并进行用户睡眠环境因素的智能优化调整,辅助用户睡眠。
本实施例中,根据预设睡眠知识库和睡眠节律量化报告,生成并向用户提供睡眠节律辅助调整方案,睡眠节律辅助调整方案包括睡眠行为习惯调整方案、睡眠环境优化调整方案和睡眠心理辅助调整方案,提醒并帮助用户养成良好的睡眠行为习惯,设置舒适的睡眠环境,建立健康的睡眠心理,进一步使得用户获得更好的睡眠习惯和更高的睡眠质量。
本实施例中,根据睡眠环境优化调整方案,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智能优化调整,帮助用户获得更好的睡眠节律和更高的睡眠质量;其中睡眠环境优化调整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2所示,本发明实施例提供的一种睡眠节律量化及干预的系统,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:
节律信息采集模块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并进行数据预处理,提取得到空间行为信息、生理体征信息和睡眠环境信息;
节律状态识别模块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综合特征分析判断,识别用户睡眠状态变化情况,提取得到睡眠节律信息;
节律特征量化模块S300,用于对睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图,并通过图形可视化界面向用户展示;
节律辅助调整模块S400,用于根据预设睡眠知识库、睡眠节律量化报告和睡眠节律时相图,生成睡眠节律辅助调整方案,完成用户睡眠环境因素的智能优化调整,辅助用户睡眠;
节律数据中心模块S500,用于对用户关键数据进行存储和管理。
本实施例中,用户关键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、睡眠节律信息、睡眠节律量化报告、睡眠节律时相图、睡眠节律辅助调整方案、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,节律信息采集模块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并进行数据预处理,生成空间行为信息;空间行为信息至少包括上床(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;
体征监测处理单元S120,用于采集用户的生理体征数据并进行数据预处理,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并进行数据预处理,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,节律状态识别模块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,提取睡眠状态特征信息;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;睡眠状态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;
环境因子识别单元S230,用于结合睡眠环境信息来判断用户的睡眠环境状态,提取睡眠环境因子特征信息;睡眠环境因子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,节律特征量化模块S300包括以下四个功能单元:
睡眠节律分析单元S310,用于根据用户长期跟踪的睡眠状态特征信息和睡眠行为习惯特征信息,提取用户的节律时间序列并计算数据波动性指标,生成睡眠节律指数,提取睡眠节律指数曲线;
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子特征信息、睡眠环境信息和睡眠节律指数曲线,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节律指数曲线的关联关系,生成睡眠节律环境影响因子序列,提取最佳睡眠节律环境参数序列;
节律报告生成单元S330,用于根据睡眠节律指数、睡眠节律指数曲线、睡眠节律环境影响因子序列和最佳睡眠节律环境参数序列,生成睡眠节律量化报告;
睡眠节律图景单元S340,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,向用户展示睡眠节律量化报告,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节律信息;生成并向用户展示睡眠节律时相图。
本实施例中,节律辅助调整模块S400包括以下两个功能单元:
辅助方案生成单元S410,用于根据预设睡眠知识库、睡眠节律量化报告和睡眠节律时相图,生成睡眠节律辅助调整方案;睡眠节律辅助调整方案至少包括睡眠行为习惯调整方案、睡眠环境优化调整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调整方案,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智能优化调整;睡眠环境优化调整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节律量化及干预的装置,包括如下模组:
节律信息采集模组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;
节律数据处理模组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,提取得到空间行为信息、生理体征信息和睡眠环境信息;
节律特征分析模组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综合特征分析判断,识别用户睡眠状态变化情况,提取得到睡眠节律信息;对睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图;根据预设睡眠知识库、睡眠节律量化报告和睡眠节律时相图,生成睡眠节律辅助调整方案;
睡眠环境调控模组M400,用于根据睡眠环境优化调整方案,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智能优化调整;
节律数据可视化模组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,向用户展示睡眠节律量化报告,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节律信息;生成并向用户展示睡眠节律时相图;
节律数据中心模组M600,用于对装置中的用户关键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 (33)
1.一种睡眠节律量化及干预的方法,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并进行数据预处理,提取得到空间行为信息、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综合特征分析判断,识别用户睡眠状态变化情况,生成睡眠节律信息;
对所述睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图,并通过图形可视化界面向用户展示,所述睡眠节律量化报告包括睡眠节律指数、睡眠节律指数曲线;
根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案,并进行用户睡眠环境因素的智能优化调整,辅助用户睡眠;
所述睡眠节律指数和所述睡眠节律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状态特征信息和睡眠行为习惯特征信息;
2)提取节律时间序列,并生成节律时间序列数组;
3)对所述节律时间序列数组进行时间数据化变换,得到节律数据序列数组;
4)选取预设窗口长度的时间窗口,并分别计算所述节律数据序列数组中各个数据序列对应的数据波动性指标,得到数据波动性指标数组;
5)对所述数据波动性指标数组进行归一化加权计算,得到当前时间窗口的睡眠节律指数;
6)以预设平移步长进行所述时间窗口的滑动平移,计算得到全部窗口的所述睡眠节律指数,生成睡眠节律指数曲线。
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、以及床上体动的时间、空间位置、身体姿态、活动频率、活动强度至少一项。
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、平滑处理和分帧处理。
6.如权利要求5所述的方法,其特征在于:所述分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。
7.如权利要求1所述的方法,其特征在于:所述睡眠节律信息包括睡眠状态特征信息、睡眠行为习惯特征信息和睡眠环境因子特征信息。
8.如权利要求7所述的方法,其特征在于:所述睡眠状态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。
9.如权利要求8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。
10.如权利要求9所述的方法,其特征在于:所述睡眠环境因子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。
11.如权利要求10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。
12.如权利要求1所述的方法,其特征在于:所述睡眠节律量化报告还包括睡眠节律环境影响因子序列和最佳睡眠节律环境参数序列至少一项。
13.如权利要求1所述的方法,其特征在于:所述节律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。
14.如权利要求1所述的方法,其特征在于:所述预设窗口长度至少包括周、月、季、半年、年或自定义单位时间长度。
15.如权利要求1所述的方法,其特征在于:所述睡眠节律指数的计算方法如下:
其中,为睡眠节律指数,为所述数据波动性指标数组中数据波动性指标的个数,,分别为所述数据波动性指标数组中的一数据波动性指标和其对应的权重系数。
16.如权利要求12所述的方法,其特征在于:所述睡眠节律环境影响因子序列包括睡眠节律环境光照度影响因子、睡眠节律环境光谱影响因子、睡眠节律环境气压影响因子、睡眠节律环境温度影响因子、睡眠节律环境湿度影响因子、睡眠节律环境微颗粒影响因子、睡眠节律环境噪声影响因子、睡眠节律环境氧气浓度影响因子、睡眠节律环境二氧化碳指标浓度影响因子和睡眠节律环境甲醛浓度影响因子至少一项。
17.如权利要求12或16所述的方法,其特征在于:所述睡眠节律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子特征信息中的睡前、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节律指数曲线的相关性指数,生成睡眠节律-环境状态均值关联矩阵;
3)按照睡眠环境信息的不同类型,计算所述睡眠节律-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,生成所述睡眠节律环境影响因子序列。
18.如权利要求17所述的方法,其特征在于:所述睡眠节律-环境状态均值关联矩阵至少包括睡眠节律-睡前环境状态均值关联指数序列,睡眠节律-入睡环境状态均值关联指数序列,睡眠节律-睡中环境状态均值关联指数序列,睡眠节律-睡后环境状态均值关联指数序列。
19.如权利要求12所述的方法,其特征在于:所述最佳睡眠节律环境参数序列的提取方法包括:
1)基于所述睡眠节律指数曲线进行预设睡眠节律阈值判断,筛选睡眠节律指数超过预设睡眠节律阈值的对应日期,生成最佳睡眠节律日期集合;
2)判断所述最佳睡眠节律日期集合是否为空集,若为空集则对所述睡眠节律指数曲线的所述睡眠节律指数进行降序排列并筛选预设头部数量,生成所述最佳睡眠节律日期集合;
3)根据所述最佳睡眠节律日期集合的日期,从睡眠环境因子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,生成最佳睡眠节律环境参数序列。
20.如权利要求1所述的方法,其特征在于:所述睡眠节律时相图的表示方法包括:
1)所述睡眠节律时相图以二维柱状色块图来表示,纵坐标为日期,横坐标为24小时时间轴;
2)按日期,从睡眠状态特征信息、睡眠行为习惯特征信息和所述睡眠节律信息中提取睡眠时相信息,分别用不同色块进行多区间色块标识;
3)按日期,从睡眠节律指数曲线中提取对应的睡眠节律指数,并标识于日期对侧纵坐标。
21.如权利要求20所述的方法,其特征在于:所述睡眠时相信息至少包括上床时点、睡眠入睡时点、睡眠觉醒时点、离床时点和睡眠状态时相曲线。
22.如权利要求20所述的方法,其特征在于:所述多区间色块标识至少包括上床时点至睡眠入睡时点区间、睡眠入睡时点至睡眠觉醒时点区间、睡眠觉醒时点至起床时间区间、以及睡眠过程中觉醒区间。
23.如权利要求1所述的方法,其特征在于:所述睡眠节律辅助调整方案包括睡眠行为习惯调整方案、睡眠环境优化调整方案和睡眠心理辅助调整方案至少一项。
24.如权利要求23所述的方法,其特征在于:所述睡眠环境优化调整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。
25.一种睡眠节律量化及干预的系统,其特征在于,包括如下模块:
节律信息采集模块,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并进行数据预处理,提取得到空间行为信息、生理体征信息和睡眠环境信息;
节律状态识别模块,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综合特征分析判断,识别用户睡眠状态变化情况,提取得到睡眠节律信息;
节律特征量化模块,用于对所述睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图,并通过图形可视化界面向用户展示,所述睡眠节律量化报告包括睡眠节律指数、睡眠节律指数曲线;
节律辅助调整模块,用于根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案,并进行用户睡眠环境因素的智能优化调整,辅助用户睡眠;
节律数据中心模块,用于对用户关键数据进行存储和管理;
所述睡眠节律指数和所述睡眠节律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状态特征信息和睡眠行为习惯特征信息;
2)提取节律时间序列,并生成节律时间序列数组;
3)对所述节律时间序列数组进行时间数据化变换,得到节律数据序列数组;
4)选取预设窗口长度的时间窗口,并分别计算所述节律数据序列数组中各个数据序列对应的数据波动性指标,得到数据波动性指标数组;
5)对所述数据波动性指标数组进行归一化加权计算,得到当前时间窗口的睡眠节律指数;
6)以预设平移步长进行所述时间窗口的滑动平移,计算得到全部窗口的所述睡眠节律指数,生成睡眠节律指数曲线。
26.如权利要求25所述的系统,其特征在于:所述用户关键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、所述睡眠节律信息、所述睡眠节律量化报告、所述睡眠节律时相图、所述睡眠节律辅助调整方案、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。
27.如权利要求25所述的系统,其特征在于:所述节律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并进行数据预处理,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、以及床上体动的时间、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并进行数据预处理,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并进行数据预处理,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。
28.如权利要求27所述的系统,其特征在于:所述节律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,提取睡眠状态特征信息;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;所述睡眠状态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;
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;
环境因子识别单元,用于结合所述睡眠环境信息来判断用户的睡眠环境状态,提取睡眠环境因子特征信息;所述睡眠环境因子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。
29.如权利要求28所述的系统,其特征在于:所述节律特征量化模块包括以下四个功能单元:
睡眠节律分析单元,用于根据用户长期跟踪的所述睡眠状态特征信息和所述睡眠行为习惯特征信息,提取用户的节律时间序列并计算数据波动性指标,生成睡眠节律指数,提取睡眠节律指数曲线;
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子特征信息、所述睡眠环境信息和所述睡眠节律指数曲线,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节律指数曲线的关联关系,生成睡眠节律环境影响因子序列,提取最佳睡眠节律环境参数序列;
节律报告生成单元,用于根据所述睡眠节律指数、所述睡眠节律指数曲线、所述睡眠节律环境影响因子序列和所述最佳睡眠节律环境参数序列,生成所述睡眠节律量化报告;
睡眠节律图景单元,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节律量化报告,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节律信息;生成并向用户展示所述睡眠节律时相图。
30.如权利要求25-29任一项所述的系统,其特征在于:所述节律辅助调整模块包括以下两个功能单元:
辅助方案生成单元,用于根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成所述睡眠节律辅助调整方案;所述睡眠节律辅助调整方案包括睡眠行为习惯调整方案、睡眠环境优化调整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调整方案,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智能优化调整。
31.如权利要求30所述的系统,其特征在于:所述睡眠环境优化调整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。
32.一种睡眠节律量化及干预的装置,其特征在于,包括如下模组:
节律信息采集模组,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;
节律数据处理模组,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,提取得到空间行为信息、生理体征信息和睡眠环境信息;
节律特征分析模组,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综合特征分析判断,识别用户睡眠状态变化情况,提取得到睡眠节律信息;对所述睡眠节律信息进行分析计算,生成睡眠节律量化报告和睡眠节律时相图,所述睡眠节律量化报告包括睡眠节律指数、睡眠节律指数曲线;根据预设睡眠知识库、所述睡眠节律量化报告和所述睡眠节律时相图,生成睡眠节律辅助调整方案;
睡眠环境调控模组,用于根据睡眠环境优化调整方案,连接环境调控设备并进行执行控制,并进行用户睡眠环境因素的智能优化调整;
所述睡眠节律指数和所述睡眠节律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状态特征信息和睡眠行为习惯特征信息;
2)提取节律时间序列,并生成节律时间序列数组;
3)对所述节律时间序列数组进行时间数据化变换,得到节律数据序列数组;
4)选取预设窗口长度的时间窗口,并分别计算所述节律数据序列数组中各个数据序列对应的数据波动性指标,得到数据波动性指标数组;
5)对所述数据波动性指标数组进行归一化加权计算,得到当前时间窗口的睡眠节律指数;
6)以预设平移步长进行所述时间窗口的滑动平移,计算得到全部窗口的所述睡眠节律指数,生成睡眠节律指数曲线。
33.如权利要求32所述的装置,其特征在于,还包括:
节律数据可视化模组,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节律量化报告,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节律信息;生成并向用户展示所述睡眠节律时相图;
节律数据中心模组,用于对所述装置中的用户关键数据进行存储和管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127017.2A CN115862873B (zh) | 2023-02-17 | 2023-02-17 | 一种睡眠节律量化及干预的方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127017.2A CN115862873B (zh) | 2023-02-17 | 2023-02-17 | 一种睡眠节律量化及干预的方法、系统和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115862873A CN115862873A (zh) | 2023-03-28 |
CN115862873B true CN115862873B (zh) | 2023-05-09 |
Family
ID=85658276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310127017.2A Active CN115862873B (zh) | 2023-02-17 | 2023-02-17 | 一种睡眠节律量化及干预的方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115862873B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116150591B (zh) * | 2023-04-04 | 2023-06-20 | 安徽星辰智跃科技有限责任公司 | 一种睡眠感官应激水平检测量化的方法、系统和装置 |
CN116369864B (zh) * | 2023-06-02 | 2023-08-08 | 长春中医药大学 | 基于数据编码的睡眠监测数据智能管理方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104665771A (zh) * | 2015-02-13 | 2015-06-03 | 北京康源互动健康科技有限公司 | 一种基于云平台的睡眠质量监测方法及系统 |
WO2019143735A1 (en) * | 2018-01-16 | 2019-07-25 | Walter Viveiros | System and method for customized sleep environment management |
WO2021220247A1 (en) * | 2020-04-30 | 2021-11-04 | Resmed Sensor Technologies Limited | Systems and methods for promoting a sleep stage of a user |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150217082A1 (en) * | 2008-08-14 | 2015-08-06 | National Taiwan University | Sleep assistant system, method, and non-transitory computer-readable medium for assisting in easing hardship of falling asleep |
KR102470148B1 (ko) * | 2018-10-04 | 2022-11-24 | 한국전자통신연구원 | 멀티모달 센서 데이터를 이용하여 수면 관련행위 패턴을 분석하는 시스템, 컴퓨팅 디바이스 및 방법 |
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 CN202310127017.2A patent/CN115862873B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104665771A (zh) * | 2015-02-13 | 2015-06-03 | 北京康源互动健康科技有限公司 | 一种基于云平台的睡眠质量监测方法及系统 |
WO2019143735A1 (en) * | 2018-01-16 | 2019-07-25 | Walter Viveiros | System and method for customized sleep environment management |
WO2021220247A1 (en) * | 2020-04-30 | 2021-11-04 | Resmed Sensor Technologies Limited | Systems and methods for promoting a sleep stage of a user |
Also Published As
Publication number | Publication date |
---|---|
CN115862873A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115862873B (zh) | 一种睡眠节律量化及干预的方法、系统和装置 | |
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 | |
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 | |
JP5961235B2 (ja) | 睡眠/覚醒状態評価方法及びシステム | |
CN115831372B (zh) | 一种睡眠效率量化及干预的方法、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 | |
JP2018524080A (ja) | 被検者の生理学的状態を監視する装置及び方法 | |
CN103717125A (zh) | 用于确定人的睡眠和睡眠阶段的系统和方法 | |
US20200205709A1 (en) | Mental state indicator | |
US20160128638A1 (en) | System and method for detecting and quantifying deviations from physiological signals normality | |
CN115804573A (zh) | 一种睡眠深度量化及干预的方法、系统和装置 | |
CN113317762A (zh) | 一种云端服务器 | |
WO2019075522A1 (en) | RISK INDICATOR | |
CN109119172B (zh) | 一种基于蜂群算法的人体行为检测方法 | |
CN116035536B (zh) | 一种睡眠行为活跃水平检测量化的方法、系统和装置 | |
CN115969330B (zh) | 一种睡眠情绪活跃水平检测量化的方法、系统和装置 | |
CN112294263B (zh) | 一种基于脑波频率的非稳定睡眠状态评估方法模型 | |
CN113261929B (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 | |
Xie et al. | Intelligent biological alarm clock for monitoring autonomic nervous recovery during nap | |
CN210494064U (zh) | 一种动态心电、呼吸和运动监测设备 | |
Kuo et al. | An EOG-based sleep monitoring system and its application on on-line sleep-stage sensitive light control | |
CN116895382B (zh) | 基于数据分析的人体健康监测管理系统 | |
Liang et al. | Development of an actigraph system for sleep-wake identification | |
CN113729732B (zh) | 基于eeg信号的睡眠质量监测系统及方法 | |
Boudaya et al. | Physiological/Non-physiological artifacts classification using EEG signals based on CNN |
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 |