CN115956885A - 一种数字化筛查儿童睡眠健康及诊断的系统和方法 - Google Patents

Abstract

本发明属于儿童睡眠健康诊断技术领域，公开了一种数字化筛查儿童睡眠健康及诊断的系统和方法，所述数字化筛查儿童睡眠健康及诊断的系统包括：脑电波采集模块、睡眠状态检测模块、主控模块、脑电波分析模块、睡眠判断模块、睡眠质量评价模块、显示模块。本发明通过睡眠状态检测模块根据儿童的呼吸数据确定出儿童的睡眠状态，可靠性高；同时，通过睡眠质量评价模块获取儿童在不同睡眠阶段发出的音频信息，与睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息做关联分析，确定影响睡眠的因素，并经过对不同年龄阶段的人群大数据统计，得到不同年龄段人群的睡眠影响因素，进而更准确地评价出当前儿童的睡眠质量。

Description

一种数字化筛查儿童睡眠健康及诊断的系统和方法

技术领域

本发明属于儿童睡眠健康诊断技术领域，尤其涉及一种数字化筛查儿童睡眠健康及诊断的系统和方法。

背景技术

儿童睡眠是指儿童的睡眠时间和睡眠质量。睡眠对于人的生存是十分重要的，人若绝食尚可生存数周。但若七天不能睡眠，便有其生命的危险。有关睡眠时间的长短问题，随年龄的增长而有所不同。未满月的新生儿除了吃奶外，全部时间都处于睡眠或半睡眠状态；4个月的小儿每天需要16～18个小时的睡眠；8个月至1岁的小儿每天需要15～16小时的睡眠；学龄期儿童每天则需要10小时的睡眠；青少年每天需要9小时的睡眠，20岁以后每天有8个小时的睡眠就足够了。当然这里需要指出的是，睡眠时间存在着很大的个体差异，有的人需要10小时，有的人每天只需要5个小时就可以了；然而，现有数字化筛查儿童睡眠健康及诊断的系统对儿童的睡眠状态可靠性差；同时，不能对儿童睡眠质量进行准确评价。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有数字化筛查儿童睡眠健康及诊断的系统对儿童的睡眠状态可靠性差。

(2)不能对儿童睡眠质量进行准确评价。

发明内容

针对现有技术存在的问题，本发明提供了一种数字化筛查儿童睡眠健康及诊断的系统和方法。

本发明是这样实现的，一种数字化筛查儿童睡眠健康及诊断的系统，该系统包括：

脑电波采集模块，用于采集儿童脑电波信号；

睡眠状态检测模块，用于对儿童睡眠状态进行检测；

脑电波分析模块，用于对儿童脑电波进行分析；

睡眠判断模块，用于对儿童睡眠程度进行判断；

睡眠质量评价模块，用于对儿童睡眠质量进行评价；

显示模块，用于显示儿童脑电波、睡眠状态、分析结果、睡眠质量评价结果；

主控模块，与脑电波采集模块、睡眠状态检测模块、脑电波分析模块、睡眠判断模块、睡眠质量评价模块、显示模块连接，用于控制各个模块正常工作。

进一步，所述睡眠状态检测模块检测方法如下：

(1)配置电容式压力传感器参数，实时获取所述电容式压力传感器的压力检测数据；

(2)对所述压力检测数据进行滤波处理，去除所述压力检测数据中的干扰信号；

(3)根据所述压力检测数据，确定儿童的呼吸数据；

(4)基于所述呼吸数据，确定所述儿童的睡眠状态。

进一步，所述(3)具体包括：

获取所述儿童的呼吸特征模型；

将所述压力检测数据中与所述呼吸特征模型相匹配的数据作为呼吸特征解析数据；

根据所述呼吸特征解析数据，确定所述儿童的呼吸数据。

进一步，所述根据所述呼吸特征解析数据，确定所述儿童的呼吸数据，包括：

根据所述呼吸特征解析数据，确定呼吸特征波形；

基于所述呼吸特征波形，确定所述儿童在各个时间段的呼吸数据。

进一步，所述基于所述呼吸特征波形，确定所述儿童在各个时间段的呼吸数据，包括：

将所述呼吸特征波形中满足第一预设条件的各时刻对应的幅值组合为波形特征集；所述第一预设条件为该时刻对应的幅值在预设幅值范围内；

基于所述波形特征集，确定所述儿童在各个时间段呼吸数据；所述呼吸数据包括呼吸的波峰值、波谷值、以及频率。

进一步，所述压力检测数据包括压力数据和受压宽度数据；

所述睡眠状态检测模块检测方法还包括：

根据所述受压宽度数据，确定所述儿童的睡眠姿态；所述睡眠姿态包括仰睡或侧睡；

所述在根据所述压力检测数据，确定儿童的呼吸数据之前，还包括：

根据所述儿童的睡眠姿态，确定所述儿童睡眠姿态变化时所述压力数据的变化量作为睡眠压力数据；

将所述压力检测数据中睡眠压力数据去除后作为用于确定所述儿童的呼吸数据的压力检测数据。

进一步，所述睡眠质量评价模块评价方法如下：

1)获取当前儿童在整个睡眠阶段发出的音频信息，对所述音频信息进行分类，确定儿童的睡眠障碍类型；根据不同睡眠障碍类型，提取不同的特征信息，根据各特征信息确定当前儿童睡眠障碍的轻重水平；

2)获取当前儿童睡前的行为信息、监测设备记录的睡姿、当前身体健康信息，将所述当前儿童睡前的行为信息、睡中监测设备记录的睡姿、当前身体健康信息与所述当前儿童的睡眠障碍轻重水平进行关联，确定影响睡眠障碍程度的因素；

3)统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响；根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素，对当前儿童的睡眠障碍进行质量评定。

进一步，所述评价方法还包括：

获取当前儿童的睡眠分期信息，确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响；

获取当前儿童的睡后主观睡眠评价，确定各类睡眠障碍程度对主观睡眠质量的影响；

进一步，所述获取当前儿童在整个睡眠阶段发出的音频信息，对所述音频信息进行分类，确定儿童的睡眠障碍类型，具体包括：

获取当前儿童发出的单个音频声段；

获取预测出的各单个音频声段属于打鼾或梦呓或磨牙音频的分类信息；

所述获取当前儿童在整个睡眠阶段发出的音频信息，对音频进行分类，确定儿童的睡眠障碍类型还包括：

对音频进行梦呓、打鼾、磨牙睡眠障碍分类，并根据不同分类，进行一般特征及特殊特征的提取；

其中，一般特征包括单个声音片段发生的起始时间、持续时长、平均分贝数、最大分贝数，深睡、浅睡和REM各睡眠期发生的声音片段总和、平均分贝值、分贝平稳度，一周发生睡眠障碍的天数；特殊特征包括鼾声呼吸率，平均一小时鼾声暂停次数，一晚连续打鼾的持续时长总和；

所述对音频进行梦呓、打鼾和磨牙睡眠障碍分类，并根据不同分类，进行一般特征及特殊特征的提取包括：

利用深度学习神经网络模型对所述各单个音频声段进行打鼾或梦呓或磨牙音频的数据分类处理；

若满足分类条件，则记录所述各单个音频声段的一般特征和特殊特征信息；

所述根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素，对当前儿童的睡眠障碍进行质量评定之后包括：

根据所述当前儿童睡眠质量，提出改善建议。

本发明另一目的在于提供一种实施所述的数字化筛查儿童睡眠健康及诊断的系统的数字化筛查儿童睡眠健康及诊断的方法，该方法包括以下步骤：

步骤一，通过脑电波采集模块采集儿童脑电波信号；通过睡眠状态检测模块对儿童睡眠状态进行检测；

步骤二，通过脑电波分析模块对儿童脑电波进行分析；通过睡眠判断模块对儿童睡眠程度进行判断；

步骤三，通过睡眠质量评价模块对儿童睡眠质量进行评价；

步骤四，主控模块接收脑电波采集模块、睡眠状态检测模块、脑电波分析模块、睡眠判断模块和睡眠质量评价模块的数据，通过显示模块显示儿童脑电波、睡眠状态、分析结果、睡眠质量评价结果。

结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：

第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：

本发明通过睡眠状态检测模块利用电容式压力传感器对儿童的睡眠状态进行检测。在实时获取电容式压力传感器的压力检测数据后，确定出儿童的呼吸数据，并根据儿童的呼吸数据确定出儿童的睡眠状态，可靠性高；同时，通过睡眠质量评价模块获取儿童在不同睡眠阶段发出的音频信息，与睡前的行为信息、睡后的行为信息、身体健康状况和睡姿信息做关联分析，确定影响睡眠的因素，并经过对不同年龄阶段的人群大数据统计，得到不同年龄段人群的睡眠影响因素，进而更准确地评价出当前儿童的睡眠质量。

第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：

本发明有效解决了现有数字化筛查儿童睡眠健康及诊断的系统对儿童的睡眠状态可靠性差；不能对儿童睡眠质量进行准确评价的技术问题，实时获取电容式压力传感器的压力检测数据后，确定出儿童的呼吸数据，并根据儿童的呼吸数据确定出儿童的睡眠状态，可靠性高；确定影响睡眠的因素，并经过对不同年龄阶段的人群大数据统计，得到不同年龄段人群的睡眠影响因素，进而更准确地评价出当前儿童的睡眠质量。

附图说明

图1是本发明实施例提供的数字化筛查儿童睡眠健康及诊断的系统结构框图；

图2是本发明实施例提供的睡眠状态检测模块2检测方法流程图；

图3是本发明实施例提供的睡睡眠质量评价模块6评价方法流程图；

图4是本发明实施例提供的数字化筛查儿童睡眠健康及诊断的方法流程图；

图1中：1、脑电波采集模块；2、睡眠状态检测模块；3、主控模块；4、脑电波分析模块；5、睡眠判断模块；6、睡眠质量评价模块；7、显示模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。

如图1所示，本发明实施例提供的数字化筛查儿童睡眠健康及诊断的系统包括：脑电波采集模块1、睡眠状态检测模块2、主控模块3、脑电波分析模块4、睡眠判断模块5、睡眠质量评价模块6、显示模块7。

脑电波采集模块1，与主控模块3连接，用于采集儿童脑电波信号；

睡眠状态检测模块2，与主控模块3连接，用于对儿童睡眠状态进行检测；

主控模块3，与脑电波采集模块1、睡眠状态检测模块2、脑电波分析模块4、睡眠判断模块5、睡眠质量评价模块6、显示模块7连接，用于控制各个模块正常工作；

脑电波分析模块4，与主控模块3连接，用于对儿童脑电波进行分析；

睡眠判断模块5，与主控模块3连接，用于对儿童睡眠程度进行判断；

睡眠质量评价模块6，与主控模块3连接，用于对儿童睡眠质量进行评价；

显示模块7，与主控模块3连接，用于显示儿童脑电波、睡眠状态、分析结果、睡眠质量评价结果。

如图2所示，本发明提供的睡眠状态检测模块2检测方法如下：

S101：配置电容式压力传感器参数，实时获取所述电容式压力传感器的压力检测数据；

S102：对所述压力检测数据进行滤波处理，去除所述压力检测数据中的干扰信号；

S103：根据所述压力检测数据，确定儿童的呼吸数据；

S104：基于所述呼吸数据，确定所述儿童的睡眠状态。

所述S103，包括：

获取所述儿童的呼吸特征模型；

将所述压力检测数据中与所述呼吸特征模型相匹配的数据作为呼吸特征解析数据；

根据所述呼吸特征解析数据，确定所述儿童的呼吸数据。

本发明提供的根据所述呼吸特征解析数据，确定所述儿童的呼吸数据，包括：

根据所述呼吸特征解析数据，确定呼吸特征波形；

基于所述呼吸特征波形，确定所述儿童在各个时间段的呼吸数据。

本发明提供的基于所述呼吸特征波形，确定所述儿童在各个时间段的呼吸数据，包括：

将所述呼吸特征波形中满足第一预设条件的各时刻对应的幅值组合为波形特征集；所述第一预设条件为该时刻对应的幅值在预设幅值范围内；

基于所述波形特征集，确定所述儿童在各个时间段呼吸数据；所述呼吸数据包括呼吸的波峰值、波谷值、以及频率。

本发明提供的压力检测数据包括压力数据和受压宽度数据；

所述睡眠状态检测方法还包括：

根据所述受压宽度数据，确定所述儿童的睡眠姿态；所述睡眠姿态包括仰睡或侧睡；

所述在根据所述压力检测数据，确定儿童的呼吸数据之前，还包括：

根据所述儿童的睡眠姿态，确定所述儿童睡眠姿态变化时所述压力数据的变化量作为睡眠压力数据；

将所述压力检测数据中睡眠压力数据去除后作为用于确定所述儿童的呼吸数据的压力检测数据。

如图3所示，本发明提供的睡眠质量评价模块6评价方法如下：

S201，获取当前儿童在整个睡眠阶段发出的音频信息，对所述音频信息进行分类，确定儿童的睡眠障碍类型；根据不同睡眠障碍类型，提取不同的特征信息，根据各特征信息确定当前儿童睡眠障碍的轻重水平；

S202，获取当前儿童睡前的行为信息、监测设备记录的睡姿、当前身体健康信息，将所述当前儿童睡前的行为信息、睡中监测设备记录的睡姿、当前身体健康信息与所述当前儿童的睡眠障碍轻重水平进行关联，确定影响睡眠障碍程度的因素；

S203，统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响；根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素，对当前儿童的睡眠障碍进行质量评定。

本发明提供的评价方法还包括：

获取当前儿童的睡眠分期信息，确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响；

获取当前儿童的睡后主观睡眠评价，确定各类睡眠障碍程度对主观睡眠质量的影响；

所述获取当前儿童在整个睡眠阶段发出的音频信息，对音频进行分类，确定儿童的睡眠障碍类型包括：

获取当前儿童发出的单个音频声段；

获取预测出的各单个音频声段属于打鼾或梦呓或磨牙音频的分类信息；

所述获取当前儿童在整个睡眠阶段发出的音频信息，对音频进行分类，确定儿童的睡眠障碍类型还包括：

对音频进行梦呓、打鼾、磨牙睡眠障碍分类，并根据不同分类，进行一般特征及特殊特征的提取；

其中，一般特征包括单个声音片段发生的起始时间、持续时长、平均分贝数、最大分贝数，深睡、浅睡和REM各睡眠期发生的声音片段总和、平均分贝值、分贝平稳度，一周发生睡眠障碍的天数；特殊特征包括鼾声呼吸率，平均一小时鼾声暂停次数，一晚连续打鼾的持续时长总和；

所述对音频进行梦呓、打鼾和磨牙睡眠障碍分类，并根据不同分类，进行一般特征及特殊特征的提取包括：

利用深度学习神经网络模型对所述各单个音频声段进行打鼾或梦呓或磨牙音频的数据分类处理；

若满足分类条件，则记录所述各单个音频声段的一般特征和特殊特征信息；

所述根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素，对当前儿童的睡眠障碍进行质量评定之后包括：

根据所述当前儿童睡眠质量，提出改善建议。

二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。

本发明将一种的数字化筛查儿童睡眠健康及诊断的方法应用于数字化筛查儿童睡眠健康及诊断的系统，该方法包括以下步骤：

S301，通过脑电波采集模块采集儿童脑电波信号；通过睡眠状态检测模块对儿童睡眠状态进行检测；

S302，通过脑电波分析模块对儿童脑电波进行分析；通过睡眠判断模块对儿童睡眠程度进行判断；

S303，通过睡眠质量评价模块对儿童睡眠质量进行评价；

S304，主控模块接收脑电波采集模块、睡眠状态检测模块、脑电波分析模块、睡眠判断模块和睡眠质量评价模块的数据，通过显示模块显示儿童脑电波、睡眠状态、分析结果、睡眠质量评价结果。

应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述数字化筛查儿童睡眠健康及诊断的系统包括：

脑电波采集模块，用于采集儿童脑电波信号；

睡眠状态检测模块，用于对儿童睡眠状态进行检测；

脑电波分析模块，用于对儿童脑电波进行分析；

睡眠判断模块，用于对儿童睡眠程度进行判断；

睡眠质量评价模块，用于对儿童睡眠质量进行评价；

显示模块，用于显示儿童脑电波、睡眠状态、分析结果、睡眠质量评价结果；

主控模块，与脑电波采集模块、睡眠状态检测模块、脑电波分析模块、睡眠判断模块、睡眠质量评价模块、显示模块连接，用于控制各个模块正常工作。

2.如权利要求1所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述睡眠状态检测模块检测方法如下：

(1)配置电容式压力传感器参数，实时获取所述电容式压力传感器的压力检测数据；

(2)对所述压力检测数据进行滤波处理，去除所述压力检测数据中的干扰信号；

(3)根据所述压力检测数据，确定儿童的呼吸数据；

(4)基于所述呼吸数据，确定所述儿童的睡眠状态。

3.如权利要求2所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述步骤(3)具体包括：

获取所述儿童的呼吸特征模型；

将所述压力检测数据中与所述呼吸特征模型相匹配的数据作为呼吸特征解析数据；

根据所述呼吸特征解析数据，确定所述儿童的呼吸数据。

4.如权利要求3所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述根据所述呼吸特征解析数据，确定所述儿童的呼吸数据，包括：

根据所述呼吸特征解析数据，确定呼吸特征波形；

基于所述呼吸特征波形，确定所述儿童在各个时间段的呼吸数据。

5.如权利要求4所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述基于所述呼吸特征波形，确定所述儿童在各个时间段的呼吸数据，包括：

将所述呼吸特征波形中满足第一预设条件的各时刻对应的幅值组合为波形特征集；所述第一预设条件为该时刻对应的幅值在预设幅值范围内；

基于所述波形特征集，确定所述儿童在各个时间段呼吸数据；所述呼吸数据包括呼吸的波峰值、波谷值、以及频率。

6.如权利要求2所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述压力检测数据包括压力数据和受压宽度数据；

所述睡眠状态检测模块检测方法还包括：

根据所述受压宽度数据，确定所述儿童的睡眠姿态；所述睡眠姿态包括仰睡或侧睡；

所述在根据所述压力检测数据，确定儿童的呼吸数据之前，还包括：

根据所述儿童的睡眠姿态，确定所述儿童睡眠姿态变化时所述压力数据的变化量作为睡眠压力数据；

将所述压力检测数据中睡眠压力数据去除后作为用于确定所述儿童的呼吸数据的压力检测数据。

7.如权利要求1所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述睡眠质量评价模块评价方法如下：

1)获取当前儿童在整个睡眠阶段发出的音频信息，对所述音频信息进行分类，确定儿童的睡眠障碍类型；根据不同睡眠障碍类型，提取不同的特征信息，根据各特征信息确定当前儿童睡眠障碍的轻重水平；

2)获取当前儿童睡前的行为信息、监测设备记录的睡姿、当前身体健康信息，将所述当前儿童睡前的行为信息、睡中监测设备记录的睡姿、当前身体健康信息与所述当前儿童的睡眠障碍轻重水平进行关联，确定影响睡眠障碍程度的因素；

3)统计不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响；根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素，对当前儿童的睡眠障碍进行质量评定。

8.如权利要求7所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述评价方法还包括：

获取当前儿童的睡眠分期信息，确定各类睡眠障碍程度对基于睡眠分期信息的客观睡眠指标的影响；

获取当前儿童的睡后主观睡眠评价，确定各类睡眠障碍程度对主观睡眠质量的影响；

9.如权利要求7所述数字化筛查儿童睡眠健康及诊断的系统，其特征在于，所述获取当前儿童在整个睡眠阶段发出的音频信息，对所述音频信息进行分类，确定儿童的睡眠障碍类型，具体包括：

获取当前儿童发出的单个音频声段；

获取预测出的各单个音频声段属于打鼾或梦呓或磨牙音频的分类信息；

所述获取当前儿童在整个睡眠阶段发出的音频信息，对音频进行分类，确定儿童的睡眠障碍类型还包括：

对音频进行梦呓、打鼾、磨牙睡眠障碍分类，并根据不同分类，进行一般特征及特殊特征的提取；

其中，一般特征包括单个声音片段发生的起始时间、持续时长、平均分贝数、最大分贝数，深睡、浅睡和REM各睡眠期发生的声音片段总和、平均分贝值、分贝平稳度，一周发生睡眠障碍的天数；特殊特征包括鼾声呼吸率，平均一小时鼾声暂停次数，一晚连续打鼾的持续时长总和；

所述对音频进行梦呓、打鼾和磨牙睡眠障碍分类，并根据不同分类，进行一般特征及特殊特征的提取包括：

利用深度学习神经网络模型对所述各单个音频声段进行打鼾或梦呓或磨牙音频的数据分类处理；

若满足分类条件，则记录所述各单个音频声段的一般特征和特殊特征信息；

所述根据不同年龄段人群睡眠障碍的轻重水平对睡眠客观质量指标和主观评价的影响及影响睡眠障碍程度的因素，对当前儿童的睡眠障碍进行质量评定之后包括：

根据所述当前儿童睡眠质量，提出改善建议。

10.一种实施如权利要求1所述的数字化筛查儿童睡眠健康及诊断的系统的数字化筛查儿童睡眠健康及诊断的方法，其特征在于，该方法包括以下步骤：

步骤一，通过脑电波采集模块采集儿童脑电波信号；通过睡眠状态检测模块对儿童睡眠状态进行检测；

步骤二，通过脑电波分析模块对儿童脑电波进行分析；通过睡眠判断模块对儿童睡眠程度进行判断；

步骤三，通过睡眠质量评价模块对儿童睡眠质量进行评价；

步骤四，主控模块接收脑电波采集模块、睡眠状态检测模块、脑电波分析模块、睡眠判断模块和睡眠质量评价模块的数据，通过显示模块显示儿童脑电波、睡眠状态、分析结果、睡眠质量评价结果。

Images