CN116058804B - 一种睡眠情绪活跃水平动态调节的方法、系统和装置 - Google Patents
一种睡眠情绪活跃水平动态调节的方法、系统和装置 Download PDFInfo
- Publication number
- CN116058804B CN116058804B CN202310302486.3A CN202310302486A CN116058804B CN 116058804 B CN116058804 B CN 116058804B CN 202310302486 A CN202310302486 A CN 202310302486A CN 116058804 B CN116058804 B CN 116058804B
- Authority
- CN
- China
- Prior art keywords
- emotion
- time
- sleep
- real
- activity level
- 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
- 230000008451 emotion Effects 0.000 title claims abstract description 682
- 230000007958 sleep Effects 0.000 title claims abstract description 477
- 230000000694 effects Effects 0.000 title claims abstract description 465
- 238000000034 method Methods 0.000 title claims abstract description 135
- 210000005036 nerve Anatomy 0.000 claims abstract description 193
- 238000004458 analytical method Methods 0.000 claims abstract description 149
- 210000000467 autonomic pathway Anatomy 0.000 claims abstract description 112
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 103
- 230000002996 emotional effect Effects 0.000 claims abstract description 97
- 230000033228 biological regulation Effects 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 60
- 230000007774 longterm Effects 0.000 claims abstract description 23
- 230000036578 sleeping time Effects 0.000 claims abstract description 23
- 230000001105 regulatory effect Effects 0.000 claims abstract description 6
- 230000004622 sleep time Effects 0.000 claims description 75
- 238000004364 calculation method Methods 0.000 claims description 46
- 230000000284 resting effect Effects 0.000 claims description 36
- 238000012512 characterization method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 17
- 230000002567 autonomic effect Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 15
- 230000008878 coupling Effects 0.000 claims description 11
- 238000010168 coupling process Methods 0.000 claims description 11
- 238000005859 coupling reaction Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000015355 regulation of circadian sleep/wake cycle, sleep Effects 0.000 claims description 7
- 230000000241 respiratory effect Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 4
- 230000036772 blood pressure Effects 0.000 claims description 4
- 230000036651 mood Effects 0.000 claims description 4
- 230000001537 neural effect Effects 0.000 claims description 4
- 238000002496 oximetry Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000036760 body temperature Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 210000003141 lower extremity Anatomy 0.000 claims description 3
- 230000005389 magnetism Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 210000000697 sensory organ Anatomy 0.000 claims description 3
- 230000008667 sleep stage Effects 0.000 claims description 3
- 238000002604 ultrasonography Methods 0.000 claims description 3
- 210000001364 upper extremity Anatomy 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000035943 smell Effects 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims 1
- DDBREPKUVSBGFI-UHFFFAOYSA-N phenobarbital Chemical compound C=1C=CC=CC=1C1(CC)C(=O)NC(=O)NC1=O DDBREPKUVSBGFI-UHFFFAOYSA-N 0.000 claims 1
- 230000035479 physiological effects, processes and functions Effects 0.000 claims 1
- 230000005764 inhibitory process Effects 0.000 abstract description 6
- 230000010482 emotional regulation Effects 0.000 abstract description 4
- 238000011002 quantification Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract 1
- 230000003860 sleep quality Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 239000004753 textile Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005056 memory consolidation Effects 0.000 description 3
- 238000001303 quality assessment method Methods 0.000 description 3
- 241001123248 Arma Species 0.000 description 2
- 208000031636 Body Temperature Changes Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000728173 Sarima Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005789 organism growth Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4029—Detecting, measuring or recording for evaluating the nervous system for evaluating the peripheral nervous systems
- A61B5/4035—Evaluating the autonomic nervous system
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明提供了睡眠情绪活跃水平动态调节的方法,包括:对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时采集处理,实时识别睡眠时相状态;对情绪神经生理状态实时数据进行实时神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,生成睡眠情绪活跃水平实时曲线,预测生成睡眠情绪活跃水平趋势曲线;生成睡眠情绪活跃水平动态调节策略并动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告,建立个性化情绪调节长期数据库。本发明实现了对睡眠过程中情绪活跃或抑制水平进行科学检测和量化、精准动态调节。
Description
技术领域
本发明涉及睡眠情绪活跃水平动态调节领域,特别涉及一种睡眠情绪活跃水平动态调节的方法、系统和装置。
背景技术
睡眠对人类的生理修复、机体成长、记忆巩固和情绪调节起着至关重要的作用。其中,记忆巩固和情绪调节都不可避免的涉及到情绪水平的活跃或抑制状态,无论是记忆内容叙述中还是情绪表现表达中。不同文化、不同人群、不同睡眠环境、不同健康状态对用户睡眠过程中情绪活跃或抑制水平影响很大,进而也进一步影响或限制了睡眠对记忆巩固和情绪调节的巨大生理价值和心理意义。
现有技术方案CN113995939A公开一种基于脑电信号的睡眠音乐播放方法、装置及终端,所述方法包括:获取目标用户的睡眠脑电信号;确定所述睡眠脑电信号对应的目标脑部活跃级别;根据所述目标脑部活跃级别确定目标音乐和目标音量,根据所述目标音量播放所述目标音乐。以及,现有技术方案CN113926045A公开了一种辅助睡眠的家纺产品的智能控制方法,其中,所述方法应用于一家纺产品的智能控制系统,所述系统包括一温度传感装置和一压力传感装置,所述方法包括:获得第一用户的第一身体参数特征,并根据所述第一身体参数特征从睡眠评估模型库中调用第一睡眠质量评估模型;通过所述温度传感装置获得所述第一用户的体温变化曲线;通过所述压力传感装置获得所述第一用户在第一家纺产品不同位置时的受力曲线,并基于所述受力曲线生成第一压力分布变化信息;将所述体温变化曲线和所述第一压力分布变化信息按照时间节点分别输入所述第一睡眠质量评估模型,获得各时间节点的睡眠质量评估结果;根据所述各时间节点的睡眠质量评估结果,生成第一睡眠质量曲线;根据所述第一身体参数特征和所述第一用户的第一睡眠习惯,获得理想睡眠曲线;比较所述第一睡眠质量曲线和所述理想睡眠曲线,获得第一睡眠质量系数;根据所述第一睡眠质量系数对第一家纺产品睡眠参数进行调节控制。由上可见,现有技术方案停留在对神经生理信号、脑状态和睡眠质量的表层特征分析和笼统归纳处理上,缺乏对睡眠过程中情绪活动水平或情绪抑制水平的明确量化、实时评估和动态调节;同时,现有技术方案中调节完成即结束,每一次调节都是重新分析和重新调节,没有持续的、可继承性的量化和调节,未建立量化-调节的长期影响模型,这也使得了干预过程不够科学化和个性化。
当前国内外都缺乏一套完整的评价方法和动态调节框架来实现对用户睡眠过程中情绪活跃或抑制水平的科学量化、动态评估、动态训练或调节,来满足不同文化、不同人群、不同睡眠环境、不同健康状态的用户睡眠场景需求、生理价值和心理意义。
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情绪活跃水平动态调节的方法,通过对用户睡眠过程的中枢神经和自主神经的生理状态进行实时地采集、处理和特征分析,实时识别用户睡眠时相状态,分析计算得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数,以及通过预测分析计算得到睡眠情绪活跃水平实时预测指数,进一步生成睡眠情绪活跃水平动态调节策略并对用户进行实时动态训练或调节,最后完成全部循环动态训练调节并生成睡眠情绪活跃水平调节报告,建立个性化情绪调节长期数据库,从而实现对不同文化、不同人群、不同睡眠环境、不同健康状态的用户睡眠过程中情绪活跃或抑制水平进行动态训练或调节。本发明还提供了一种睡眠情绪活跃水平动态调节的系统,用于实现上述方法。本发明还提供了一种睡眠情绪活跃水平动态调节的装置,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情绪活跃水平动态调节的方法,包括以下步骤:
对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
重复上述步骤,完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库。
更优地,所述对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线的具体步骤还包括:
对用户睡眠过程的中枢神经生理状态和自主神经生理状态进行实时采集监测,生成中枢神经生理实时信号和自主神经生理实时信号;
对所述中枢神经生理实时信号和所述自主神经生理实时信号进行所述时帧处理,得到中枢神经生理状态实时数据和自主神经生理状态实时数据,生成所述情绪神经生理状态实时数据;
根据所述情绪神经生理状态实时数据识别睡眠时相实时状态,得到所述睡眠时相曲线。
更优地,所述中枢神经生理实时信号至少包括脑电信号、脑磁信号、血氧水平依赖信号和皮肤电信号;所述自主神经生理实时信号至少包括心电信号、脉搏信号、呼吸信号、血氧信号、血压信号、体温信号、血氧水平依赖信号和皮肤电信号。
更优地,所述时帧处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波、带通滤波、矫正处理和时帧划分;其中,所述矫正处理具体为对信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理,所述时帧划分具体为按照预设时间窗口和预设时间步长对目标信号进行截取处理。
更优地,所述睡眠时相曲线的提取方法具体为:
1)通过深度学习算法对规模睡眠用户样本的所述情绪神经生理状态实时数据及其对应睡眠分期数据进行学习训练和数据建模,得到睡眠时相自动分期模型;
2)将当前用户的所述情绪神经生理状态实时数据输入所述睡眠时相自动分期模型,得到所对应的睡眠时相分期值;
3)按照时序获取所述情绪神经生理状态实时数据的所述睡眠时相分期值,生成所述睡眠时相曲线。
更优地,所述对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线的具体步骤还包括:
采集获取当前用户清醒时静息态下的中枢神经生理状态数据和自主神经生理状态数据,分别进行神经情绪特征交叉分析和特征值均值计算,分别得到中枢神经和自主神经静息情绪水平基线特征指标集,生成神经静息情绪水平基线特征指标集;
对所述中枢神经生理状态实时数据和所述自主神经生理状态实时数据分别进行实时地神经情绪特征交叉分析,经特征选择分别得到睡眠情绪中枢神经表征实时特征和睡眠情绪自主神经表征实时特征;
根据所述睡眠情绪中枢神经表征实时特征、所述睡眠情绪自主神经表征实时特征和所述神经静息情绪水平基线特征指标集进行实时地均值调和分析,提取所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数;
根据所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数进行实时地加权融合计算,提取所述睡眠情绪活跃水平实时指数,生成或更新所述睡眠情绪活跃水平实时曲线;
根据所述睡眠情绪活跃水平实时曲线进行实时地趋势分析和预测计算,生成或更新所述睡眠情绪活跃水平趋势曲线。
更优地,所述神经情绪特征交叉分析至少包括数值特征分析、包络特征分析、时频特征分析、心率变异性特征分析、非线性特征分析和多模信号耦合特征分析;其中,所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;所述时频特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;所述包络特征至少包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;所述心率变异性特征至少包括心率、心率变异系数、RR间期、NN间期;所述非线性特征至少包括熵特征、分形特征和复杂度特征。
更优地,所述多模信号耦合特征分析是指计算不同模态信号之间的关系特征,得到两个不同模态信号的耦合和/或协同关系指数。
更优地,所述关系特征至少包括关联特征和距离特征;其中,所述关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数和线性相关系数,所述距离特征至少包括欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、巴氏距离、汉明距离和夹角余弦。
更优地,所述均值调和分析是一种以数值数组的均值、中位数、分位数、绝对值均值、绝对值中位数、绝对值分位数为观察基点基础,以数值数组的最大值、最小值、方差、变异系数、峰度、偏度、绝对值最大值、绝对值最小值、绝对值方差、绝对值变异系数、绝对值峰度、绝对值偏度为主要分析调和项,来观察分析数值数组的均值波动状态和总体趋势变化的数据分析方法。
更优地,所述均值调和分析的一种具体计算方式为:
更优地,所述睡眠情绪中枢神经表征水平实时指数的计算生成方法具体为:
1)采集当前用户的所述神经静息情绪水平基线特征指标集和所述睡眠情绪中枢神经表征实时特征;
2)计算所述睡眠情绪中枢神经表征实时特征中的特征值与所述神经静息情绪水平基线特征指标集中的中枢神经静息情绪水平基线特征指标值的相对变化量,得到睡眠情绪中枢神经表征特征相对变化指标集;
3)对所述睡眠情绪中枢神经表征特征相对变化指标集中的全部指标进行均值调和分析,得到当前的所述睡眠情绪中枢神经表征水平实时指数。
更优地,所述睡眠情绪自主神经表征水平实时指数的计算生成方法具体为:
1)采集当前用户的所述神经静息情绪水平基线特征指标集和所述睡眠情绪自主神经表征实时特征;
2)计算所述睡眠情绪自主神经表征实时特征中的特征值与所述神经静息情绪水平基线特征指标集中的自主神经静息情绪水平基线特征指标值的相对变化量,得到睡眠情绪自主神经表征特征相对变化指标集;
3)对所述睡眠情绪自主神经表征特征相对变化指标集中的全部指标进行均值调和分析,得到当前的所述睡眠情绪自主神经表征水平实时指数。
更优地,所述睡眠情绪活跃水平实时指数和所述睡眠情绪活跃水平实时曲线的计算方法具体为:
1)获取当前的所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数并进行均值调和分析,得到所述睡眠情绪活跃水平实时指数;
2)按时序求得全部过程中的所述睡眠情绪活跃水平实时指数,生成或更新得到所述睡眠情绪活跃水平实时曲线。
更优地,所述睡眠情绪活跃水平趋势曲线的计算生成方法如下:
1)获取用户当前的所述睡眠情绪活跃水平实时指数和所述睡眠情绪活跃水平实时曲线;
2)对所述睡眠情绪活跃水平实时曲线进行趋势分析和指数预测,得到下一时帧的睡眠情绪活跃水平指数,生成睡眠情绪活跃水平实时预测指数;
3)按时序纳入所述睡眠情绪活跃水平实时预测指数,生成或更新所述睡眠情绪活跃水平趋势曲线。
更优地,所述根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节的具体步骤还包括:
根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,结合睡眠情绪活跃水平动态调节目的,生成所述睡眠情绪活跃水平动态调节策略;
根据所述睡眠情绪活跃水平动态调节策略,对用户睡眠过程的情绪活跃水平进行实时动态调节。
更优地,所述睡眠情绪活跃水平动态调节策略至少包括调节方式、执行部位、调节方法和调节强度;其中,所述调节方式至少包括声、光、味、电、磁、超声和睡眠环境,所述执行部位包括头部、颈部、躯干部、左右上肢、左右下肢及各大感官器官,所述调节方法至少包括恒定常数、递增曲线、递减曲线、指数曲线、正弦曲线、周期方波和随机曲线,所述调节强度则由当前的所述睡眠情绪活跃水平实时指数和所述睡眠情绪活跃水平实时预测指数共同决定。
更优地,所述重复上述步骤,完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库的具体步骤还包括:
完成全部所述睡眠情绪活跃水平的循环动态调节,得到全部调节过程的所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,提取所述时相情绪活跃相关系数;
分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,提取所述情绪水平动态调节效果系数;
根据所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线、所述睡眠情绪活跃水平趋势曲线、所述时相情绪活跃相关系数和所述情绪水平动态调节效果系数,分析计算生成所述睡眠情绪活跃水平调节报告;
根据所述睡眠情绪活跃水平调节报告和用户当前状态信息,建立或更新所述个性化情绪调节长期数据库,为后续用户持续地睡眠情绪活跃水平动态调节提供数据分析继承模型。
更优地,所述时相情绪活跃相关系数的计算方法具体为:
1)获取所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线;
2)分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,得到时相情绪活跃水平关系特征指数集;
3)对所述时相情绪活跃水平关系特征指数集进行加权融合计算,得到所述时相情绪活跃相关系数。
更优地,所述情绪水平动态调节效果系数的计算方法具体为:
1)获取所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
2)分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,得到情绪水平动态调节效果特征指数集;
3)对所述情绪水平动态调节效果特征指数集进行加权融合计算,得到所述情绪水平动态调节效果系数。
更优地,所述睡眠情绪活跃水平调节报告至少包括所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线、所述睡眠情绪活跃水平趋势曲线、所述时相情绪活跃相关系数、所述情绪水平动态调节效果系数、全部的所述睡眠情绪活跃水平动态调节策略、情绪活跃水平时相分布统计、高峰活跃时段小结、低峰活跃时段小结、异常活跃时段小结、睡眠情绪活跃水平调节报告总结。
更优地,所述情绪活跃水平时相分布统计具体为不同睡眠时相的平均情绪活跃水平、最大情绪活跃水平和最小情绪活跃水平;所述高峰活跃时段小结具体为所述睡眠情绪活跃水平实时曲线中超过预设高峰阈值的片段所对应的高峰时段分布、所述高峰时段分布的时间数值总和及占比;所述低峰活跃时段小结具体为所述睡眠情绪活跃水平实时曲线中超过预设低峰阈值的片段所对应的低峰时段分布、所述低峰时段分布的时间数值总和及占比;所述异常活跃时段小结具体为所述睡眠情绪活跃水平实时曲线中脱离曲线基线趋势的异常片段所对应的异常时段分布、所述异常时段分布的时间数值总和及占比。
根据本发明的目的,本发明提出了一种睡眠情绪活跃水平动态调节的系统,包括以下模块:
时相状态分析模块,用于对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
情绪活跃分析模块,用于对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
动态策略调节模块,用于根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
情绪调节报告模块,用于完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库;
用户数据中心模块,用于对所述系统中所有过程数据的可视化展示、数据运行管理。
更优地,所述时相状态分析模块还包括以下功能单元:
生理信号采集单元,用于对用户睡眠过程的中枢神经生理状态和自主神经生理状态进行实时采集监测,生成中枢神经生理实时信号和自主神经生理实时信号;
信号时帧处理单元,用于对所述中枢神经生理实时信号和所述自主神经生理实时信号进行所述时帧处理,得到中枢神经生理状态实时数据和自主神经生理状态实时数据,生成所述情绪神经生理状态实时数据;
时相状态识别单元,用于根据所述情绪神经生理状态实时数据识别睡眠时相实时状态,得到所述睡眠时相曲线。
更优地,所述情绪活跃分析模块还包括以下功能单元:
基线指数构建单元,用于采集获取当前用户清醒时静息态下的中枢神经生理状态数据和自主神经生理状态数据,分别进行神经情绪特征交叉分析和特征值均值计算,分别得到中枢神经和自主神经静息情绪水平基线特征指标集,生成神经静息情绪水平基线特征指标集;
特征交叉分析单元,用于对所述中枢神经生理状态实时数据和自主神经生理状态实时数据分别进行实时地神经情绪特征交叉分析,经特征选择分别得到睡眠情绪中枢神经表征实时特征和睡眠情绪自主神经表征实时特征;
表征水平分析单元,用于根据所述睡眠情绪中枢神经表征实时特征、所述睡眠情绪自主神经表征实时特征和所述神经静息情绪水平基线特征指标集进行实时地均值调和分析,提取所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数;
指数曲线提取单元,用于根据所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数进行实时地加权融合计算,提取所述睡眠情绪活跃水平实时指数,生成或更新所述睡眠情绪活跃水平实时曲线;
指数趋势预测单元,用于根据所述睡眠情绪活跃水平实时曲线进行实时地趋势分析和预测计算,生成或更新所述睡眠情绪活跃水平趋势曲线。
更优地,所述动态策略调节模块还包括以下功能单元:
动态策略生成单元,用于根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,结合睡眠情绪活跃水平动态调节目的,生成所述睡眠情绪活跃水平动态调节策略;
实时动态调节单元,用于根据所述睡眠情绪活跃水平动态调节策略,对用户睡眠过程的情绪活跃水平进行实时动态调节。
更优地,所述情绪调节报告模块还包括以下功能单元:
循环动态调节单元,用于完成全部所述睡眠情绪活跃水平的循环动态调节,得到全部调节过程的所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
相关系数分析单元,用于分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,提取所述时相情绪活跃相关系数;
调节效果分析单元,用于分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,提取所述情绪水平动态调节效果系数;
调节报告生成单元,用于根据所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线、所述睡眠情绪活跃水平趋势曲线、所述时相情绪活跃相关系数和所述情绪水平动态调节效果系数,分析计算生成所述睡眠情绪活跃水平调节报告;
情绪调节继承单元,用于根据所述睡眠情绪活跃水平调节报告和用户当前状态信息,建立或更新所述个性化情绪调节长期数据库,为后续用户持续地睡眠情绪活跃水平动态调节提供数据分析继承模型。
更优地,所述用户数据中心模块还包括以下具体功能单元:
用户信息管理单元,用于用户基本信息的登记输入、编辑、查询、输出和删除;
数据可视化管理单元,用于对所述系统中所有数据的可视化展现管理;
数据运行管理单元,用于对所述系统中所有数据的存储、备份、迁移和导出。
根据本发明的目的,本发明提出了一种睡眠情绪活跃水平动态调节的装置,包括以下模组:
时相状态分析模组,用于对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
情绪活跃分析模组,用于对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
动态策略调节模组,用于根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
情绪调节报告模组,用于完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库;
数据可视化管模组,用于对所述装置中所有数据的可视化展现管理;
数据运行管理模组,用于对所述装置中所有数据的存储、备份、迁移和导出。
本发明所提供的睡眠情绪活跃水平动态调节的方法、系统和装置,通过对用户睡眠过程的中枢神经和自主神经的生理状态进行实时地采集、处理和特征分析,实时识别用户睡眠时相状态,分析计算得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数,以及通过预测分析计算得到睡眠情绪活跃水平实时预测指数,进一步生成睡眠情绪活跃水平动态调节策略并对用户进行实时动态训练或调节,最后完成全部循环动态训练调节并生成睡眠情绪活跃水平调节报告,建立个性化情绪调节长期数据库,从而实现了对不同文化、不同人群、不同健康状态的用户睡眠过程中情绪活跃或抑制水平进行科学检测和量化、精准动态训练或调节,从而为睡眠的衡量和调整提供客观准确的依据。
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情绪活跃水平动态调节的方法的基本流程示意图;
图2是本发明一实施例所提供的一种睡眠情绪活跃水平动态调节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情绪活跃水平动态调节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。
本发明提供的一种睡眠情绪活跃水平动态调节的方法、系统和装置,提供了一套完整的评价方法和动态调节框架来实现对用户睡眠过程中情绪活跃或抑制水平的科学量化、动态评估、动态训练或调节,来满足不同文化、不同人群、不同睡眠环境、不同健康状态的用户睡眠场景需求、生理价值和心理意义。
如图1所示,本发明实施例提供的一种睡眠情绪活跃水平动态调节的方法,包括以下步骤:
P100:对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线。
第一步、对用户睡眠过程的中枢神经生理状态和自主神经生理状态进行实时采集监测,生成中枢神经生理实时信号和自主神经生理实时信号。
本实施例中,中枢神经生理实时信号至少包括脑电信号、脑磁信号、血氧水平依赖信号和皮肤电信号;自主神经生理实时信号至少包括心电信号、脉搏信号、呼吸信号、血氧信号、血压信号、体温信号、血氧水平依赖信号和皮肤电信号。
本实施例中,以脑电信号、皮肤电信号作为中枢神经生理信号,以心电信号、呼吸信号、血氧信号、皮肤电信号作为自主神经生理信号,通过多导睡眠记录仪和皮肤电传感器来采集监测中枢神经生理信号和自主神经生理信号。脑电信号和心电信号的采样率为1024Hz,脑电信号的记录电极为F3、F4、C3、C4、P3和P4以及参考电极为M1、M2,心电信号采集为左胸V6导联。呼吸信号、血氧信号、皮肤电信号的采样率为64Hz,呼吸信号来自胸腹带,血氧信号来自右手无名指尖,中枢神经生理信号皮肤电信号来自前额,自主神经生理信号皮肤电信号来自左手食指和无名指。
在实际使用场景中,通过大脑、脊髓等中枢神经和心跳、呼吸、血压等自主神经可以很好地且准确地分析、评估和量化用户睡眠过程中的情绪活跃水平的表现,且为用户睡眠情绪活跃水平的训练和调节提供客观科学的依据。
第二步、对中枢神经生理实时信号和自主神经生理实时信号进行时帧处理,得到中枢神经生理状态实时数据和自主神经生理状态实时数据,生成情绪神经生理状态实时数据。
本实施例中,时帧处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波、带通滤波、矫正处理和时帧划分;其中,矫正处理具体为对信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理,时帧划分具体为按照预设时间窗口和预设时间步长对目标信号进行截取处理。
本实施例中,首先,对脑电生理信号进行去伪迹,矫正处理,小波降噪,50Hz工频陷波滤波,0.5~95Hz带通滤波;对心电信号进行去伪迹,矫正处理,小波降噪,50Hz工频陷波滤波,0.1~75Hz带通滤波;对皮肤电信号、呼吸信号、血氧信号进行去伪迹,信号矫正,小波降噪,2Hz低通滤波。其次,以15秒预设时间步长、30秒预设时间窗口对上述信号进行滑动分割,分别得到中枢神经生理状态时帧数据和自主神经生理状态时帧数据,即相当于每15秒钟根据最近30秒钟的睡眠情绪活跃水平,对用户进行动态调节。
第三步、根据情绪神经生理状态实时数据识别睡眠时相实时状态,得到睡眠时相曲线。
本实施例中,睡眠时相曲线的提取方法具体为:
1)通过深度学习算法对规模睡眠用户样本的情绪神经生理状态实时数据及其对应睡眠分期数据进行学习训练和数据建模,得到睡眠时相自动分期模型;
2)将当前用户的情绪神经生理状态实时数据输入睡眠时相自动分期模型,得到所对应的睡眠时相分期值;
3)按照时序获取情绪神经生理状态实时数据的睡眠时相分期值,生成睡眠时相曲线。
P200:对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线。
第一步、采集获取当前用户清醒时静息态下的中枢神经生理状态数据和自主神经生理状态数据,分别进行神经情绪特征交叉分析和特征值均值计算,分别得到中枢神经和自主神经静息情绪水平基线特征指标集,生成神经静息情绪水平基线特征指标集。
本实施例中,神经情绪特征交叉分析至少包括数值特征分析、包络特征分析、时频特征分析、心率变异性特征分析、非线性特征分析和多模信号耦合特征分析;其中,数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;时频特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;包络特征至少包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;心率变异性特征至少包括心率、心率变异系数、RR间期、NN间期;非线性特征至少包括熵特征、分形特征和复杂度特征。
本实施例中,多模信号耦合特征分析是指计算不同模态信号之间的关系特征,得到两个不同模态信号的耦合和/或协同关系指数。
本实施例中,关系特征至少包括关联特征和距离特征;其中,关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数和线性相关系数,距离特征至少包括欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、巴氏距离、汉明距离和夹角余弦。
第二步、对中枢神经生理状态实时数据和自主神经生理状态实时数据分别进行实时地神经情绪特征交叉分析,经特征选择分别得到睡眠情绪中枢神经表征实时特征和睡眠情绪自主神经表征实时特征。
本实施例中,选择均方根、总功率、特征频带功率、特征频带功率占比、特征频带中心频率、归一化包络信号、近似熵、Higuchi分形维数、相干系数、标准化欧氏距离作为睡眠情绪中枢神经表征实时特征。
本实施例中,选择均方根、总功率、特征频带功率、特征频带功率占比、特征频带中心频率、心率、心率变异系数、RR间期、多尺度熵、Higuchi分形维数、相干系数、标准化欧氏距离作为睡眠情绪自主神经表征实时特征。
第三步、根据睡眠情绪中枢神经表征实时特征、睡眠情绪自主神经表征实时特征和神经静息情绪水平基线特征指标集进行实时地均值调和分析,提取情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数。
本实施例中,均值调和分析是一种以数值数组的均值、中位数、分位数、绝对值均值、绝对值中位数、绝对值分位数为观察基点基础,以数值数组的最大值、最小值、方差、变异系数、峰度、偏度、绝对值最大值、绝对值最小值、绝对值方差、绝对值变异系数、绝对值峰度、绝对值偏度为主要分析调和项,来观察分析数值数组的均值波动状态和总体趋势变化的数据分析方法。
本实施例中,均值调和分析的一种具体计算方式为:
本实施例中,睡眠情绪中枢神经表征水平实时指数的计算生成方法具体为:
1)采集当前用户的神经静息情绪水平基线特征指标集和睡眠情绪中枢神经表征实时特征;
2)计算睡眠情绪中枢神经表征实时特征中的特征值与神经静息情绪水平基线特征指标集中的中枢神经静息情绪水平基线特征指标值的相对变化量,得到睡眠情绪中枢神经表征特征相对变化指标集;
3)对睡眠情绪中枢神经表征特征相对变化指标集中的全部指标进行均值调和分析,得到当前的睡眠情绪中枢神经表征水平实时指数。
本实施例中,睡眠情绪自主神经表征水平实时指数的计算生成方法具体为:
1)采集当前用户的神经静息情绪水平基线特征指标集和睡眠情绪自主神经表征实时特征;
2)计算睡眠情绪自主神经表征实时特征中的特征值与神经静息情绪水平基线特征指标集中的自主神经静息情绪水平基线特征指标值的相对变化量,得到睡眠情绪自主神经表征特征相对变化指标集;
3)对睡眠情绪自主神经表征特征相对变化指标集中的全部指标进行均值调和分析,得到当前的睡眠情绪自主神经表征水平实时指数。
第四步、根据情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数进行实时地加权融合计算,提取睡眠情绪活跃水平实时指数,生成或更新睡眠情绪活跃水平实时曲线。
本实施例中,睡眠情绪活跃水平实时指数和睡眠情绪活跃水平实时曲线的计算方法具体为:
1)获取当前的情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数并进行均值调和分析,得到睡眠情绪活跃水平实时指数;
2)按时序求得全部过程中的睡眠情绪活跃水平实时指数,生成或更新得到睡眠情绪活跃水平实时曲线。
第五步、根据睡眠情绪活跃水平实时曲线进行实时地趋势分析和预测计算,生成或更新睡眠情绪活跃水平趋势曲线。
本实施例中,睡眠情绪活跃水平趋势曲线的计算生成方法如下:
1)获取用户当前的睡眠情绪活跃水平实时指数和睡眠情绪活跃水平实时曲线;
2)对睡眠情绪活跃水平实时曲线进行趋势分析和指数预测,得到下一时帧的睡眠情绪活跃水平指数,生成睡眠情绪活跃水平实时预测指数;
3)按时序纳入睡眠情绪活跃水平实时预测指数,生成或更新睡眠情绪活跃水平趋势曲线。
本实施例中,用ARMA方法对睡眠情绪活跃水平实时曲线进行趋势分析和指数预测,得到睡眠情绪活跃水平实时预测指数。
在实际适应场景中,趋势分析和指数预测可能采用AR、MR、ARMA、ARIMA、SARIMA、VAR等等常用的时间按序列预测方法,也可以通过深度学习模型来完成睡眠情绪活跃水平实时预测指数的预测计算。
本实施例中,加权融合计算都采用取平均值的方式。
P300:根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节。
第一步、根据睡眠情绪水平优化知识库、睡眠时相曲线、睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线,结合睡眠情绪活跃水平动态调节目的,生成睡眠情绪活跃水平动态调节策略。
本实施例中,睡眠情绪活跃水平动态调节策略至少包括调节方式、执行部位、调节方法和调节强度;其中,调节方式至少包括声、光、味、电、磁、超声和睡眠环境,执行部位包括头部、颈部、躯干部、左右上肢、左右下肢及各大感官器官,调节方法至少包括恒定常数、递增曲线、递减曲线、指数曲线、正弦曲线、周期方波和随机曲线,调节强度则由当前的睡眠情绪活跃水平实时指数和睡眠情绪活跃水平实时预测指数共同决定。
本实施例中,睡眠情绪水平优化知识库不仅包括睡眠情绪水平调节的专业知识、技术手段、操作参数和安全指导等信息,还包括了用户个人的睡眠情绪活跃水平动态调节的历史信息,即历史的睡眠时相曲线、睡眠情绪活跃水平实时曲线、睡眠情绪活跃水平趋势曲线、睡眠情绪活跃水平动态调节策略、睡眠情绪活跃水平动态调节策略效果等。
在实际适应场景中,可以根据不同用户场景需求选择合适的调节方式、执行部位组合、调节方法和调节强度范围。
第二步、根据睡眠情绪活跃水平动态调节策略,对用户睡眠过程的情绪活跃水平进行实时动态调节。
本实施例中,根据睡眠情绪活跃水平动态调节策略,连接相应的硬件设备,发送调控参数,实现对对用户睡眠过程的情绪活跃水平进行实时动态调节,并监控调节过程的人身安全和其他意外因素。
P400:重复上述步骤,完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库。
第一步、完成全部睡眠情绪活跃水平的循环动态调节,得到全部调节过程的睡眠时相曲线、睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线。
在用户整个睡眠过程中,不断地采集分析用户的中枢神经状态和自主神经状态,实时评价量化其睡眠情绪活跃水平,根据合睡眠情绪活跃水平动态调节目的和上一次调节结果效果,进一步制定或优化动态调节策略,实现对用户睡眠情绪活跃水平的持续动态训练和调节。
第二步、分析计算睡眠时相曲线和睡眠情绪活跃水平实时曲线的关系特征,提取时相情绪活跃相关系数。
本实施例中,时相情绪活跃相关系数的计算方法具体为:
1)获取睡眠时相曲线和睡眠情绪活跃水平实时曲线;
2)分析计算睡眠时相曲线和睡眠情绪活跃水平实时曲线的关系特征,得到时相情绪活跃水平关系特征指数集;
3)对时相情绪活跃水平关系特征指数集进行加权融合计算,得到时相情绪活跃相关系数。
第三步、分析计算睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线的关系特征,提取情绪水平动态调节效果系数。
本实施例中,时情绪水平动态调节效果系数的计算方法具体为:
1)获取睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线;
2)分析计算睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线的关系特征,得到情绪水平动态调节效果特征指数集;
3)对情绪水平动态调节效果特征指数集进行加权融合计算,得到情绪水平动态调节效果系数。
本实施例中,选取皮尔逊相关系数和欧氏距离作为关系特征。
第四步、根据睡眠时相曲线、睡眠情绪活跃水平曲线、睡眠情绪活跃水平实时曲线、睡眠情绪活跃水平趋势曲线、时相情绪活跃相关系数和情绪水平动态调节效果系数,分析计算生成睡眠情绪活跃水平调节报告。
本实施例中,睡眠情绪活跃水平调节报告至少包括睡眠时相曲线、睡眠情绪活跃水平曲线、睡眠情绪活跃水平实时曲线、睡眠情绪活跃水平趋势曲线、时相情绪活跃相关系数、情绪水平动态调节效果系数、全部的睡眠情绪活跃水平动态调节策略、情绪活跃水平时相分布统计、高峰活跃时段小结、低峰活跃时段小结、异常活跃时段小结、睡眠情绪活跃水平调节报告总结。
本实施例中,情绪活跃水平时相分布统计具体为不同睡眠时相的平均情绪活跃水平、最大情绪活跃水平和最小情绪活跃水平;高峰活跃时段小结具体为睡眠情绪活跃水平实时曲线中超过预设高峰阈值的片段所对应的高峰时段分布、高峰时段分布的时间数值总和及占比;低峰活跃时段小结具体为睡眠情绪活跃水平实时曲线中超过预设低峰阈值的片段所对应的低峰时段分布、低峰时段分布的时间数值总和及占比;异常活跃时段小结具体为睡眠情绪活跃水平实时曲线中脱离曲线基线趋势的异常片段所对应的异常时段分布、异常时段分布的时间数值总和及占比。
第五步、根据睡眠情绪活跃水平调节报告和用户当前状态信息,建立或更新个性化情绪调节长期数据库,为后续用户持续地睡眠情绪活跃水平动态调节提供数据分析继承模型。
每一次整个循环动态调节完成后,结合用户当前的年龄、身心状态、睡眠环境等信息,以及睡眠情绪活跃水平调节报告,建立并持续更新个性化情绪调节长期数据库,来不断优化和调整后续用户个人的睡眠情绪活跃水平动态调节策略,建立量化-调节的长期影响模型,实现完整的个性化和智能化,以达到更好的动态调节效果。
所述数据库至少包括个人的时相情绪活跃相关系数和情绪水平动态调节效果系数,由于不同人的情绪活跃程度和调节影响因子不同,将上述两个系数保留在数据库有助于更快速和更有针对性的完成动态调节。
如图2所示,本发明实施例提供的一种睡眠情绪活跃水平动态调节的系统,用于执行上述方法,包括以下模块:
时相状态分析模块S100,用于对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
情绪活跃分析模块S200,用于对情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
动态策略调节模块S300,用于根据睡眠情绪水平优化知识库、睡眠时相曲线、睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
情绪调节报告模块S400,用于完成全部睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库;
用户数据中心模块S500,用于对系统中所有过程数据的可视化展示、数据运行管理。
本实施例中,时相状态分析模块S100还包括以下功能单元:
生理信号采集单元,用于对用户睡眠过程的中枢神经生理状态和自主神经生理状态进行实时采集监测,生成中枢神经生理实时信号和自主神经生理实时信号;
信号时帧处理单元,用于对中枢神经生理实时信号和自主神经生理实时信号进行时帧处理,得到中枢神经生理状态实时数据和自主神经生理状态实时数据,生成情绪神经生理状态实时数据;
时相状态识别单元,用于根据情绪神经生理状态实时数据识别睡眠时相实时状态,得到睡眠时相曲线。
本实施例中,情绪活跃分析模块S200还包括以下功能单元:
基线指数构建单元,用于采集获取当前用户清醒时静息态下的中枢神经生理状态数据和自主神经生理状态数据,分别进行神经情绪特征交叉分析和特征值均值计算,分别得到中枢神经和自主神经静息情绪水平基线特征指标集,生成神经静息情绪水平基线特征指标集;
特征交叉分析单元,用于对中枢神经生理状态实时数据和自主神经生理状态实时数据分别进行实时地神经情绪特征交叉分析,经特征选择分别得到睡眠情绪中枢神经表征实时特征和睡眠情绪自主神经表征实时特征;
表征水平分析单元,用于根据睡眠情绪中枢神经表征实时特征、睡眠情绪自主神经表征实时特征和神经静息情绪水平基线特征指标集进行实时地均值调和分析,提取情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数;
指数曲线提取单元,用于根据情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数进行实时地加权融合计算,提取睡眠情绪活跃水平实时指数,生成或更新睡眠情绪活跃水平实时曲线;
指数趋势预测单元,用于根据睡眠情绪活跃水平实时曲线进行实时地趋势分析和预测计算,生成或更新睡眠情绪活跃水平趋势曲线。
本实施例中,动态策略调节模块S300还包括以下功能单元:
动态策略生成单元,用于根据睡眠情绪水平优化知识库、睡眠时相曲线、睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线,结合睡眠情绪活跃水平动态调节目的,生成睡眠情绪活跃水平动态调节策略;
实时动态调节单元,用于根据睡眠情绪活跃水平动态调节策略,对用户睡眠过程的情绪活跃水平进行实时动态调节。
本实施例中,情绪调节报告模块S400还包括以下功能单元:
循环动态调节单元,用于完成全部睡眠情绪活跃水平的循环动态调节,得到全部调节过程的睡眠时相曲线、睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线;
相关系数分析单元,用于分析计算睡眠时相曲线和睡眠情绪活跃水平实时曲线的关系特征,提取时相情绪活跃相关系数;
调节效果分析单元,用于分析计算睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线的关系特征,提取情绪水平动态调节效果系数;
调节报告生成单元,用于根据睡眠时相曲线、睡眠情绪活跃水平曲线、睡眠情绪活跃水平实时曲线、睡眠情绪活跃水平趋势曲线、时相情绪活跃相关系数和情绪水平动态调节效果系数,分析计算生成睡眠情绪活跃水平调节报告;
情绪调节继承单元,用于根据睡眠情绪活跃水平调节报告和用户当前状态信息,建立或更新个性化情绪调节长期数据库,为后续用户持续地睡眠情绪活跃水平动态调节提供数据分析继承模型。
本实施例中,用户数据中心模块S500还包括以下具体功能单元:
用户信息管理单元,用于用户基本信息的登记输入、编辑、查询、输出和删除;
数据可视化管理单元,用于对系统中所有数据的可视化展现管理;
数据运行管理单元,用于对系统中所有数据的存储、备份、迁移和导出。
如图3所示,本发明实施例提供的一种睡眠情绪活跃水平动态调节的装置,包括以下模组:
时相状态分析模组M100,用于对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
情绪活跃分析模组M200,用于对情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
动态策略调节模组M300,用于根据睡眠情绪水平优化知识库、睡眠时相曲线、睡眠情绪活跃水平实时曲线和睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
情绪调节报告模组M400,用于完成全部睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库;
数据可视化管模组M500,用于对装置中所有数据的可视化展现管理;
数据运行管理模组M600,用于对装置中所有数据的存储、备份、迁移和导出。
本发明上述系统和装置被构造以用于对应执行图1的方法中的各个步骤,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 (26)
1.一种睡眠情绪活跃水平动态调节的方法,其特征在于,包括以下步骤:
对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
重复上述步骤,完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库;
所述神经情绪特征交叉分析包括数值特征分析、包络特征分析、时频特征分析、心率变异性特征分析、非线性特征分析和多模信号耦合特征分析至少一项;
所述均值调和分析是一种以数值数组的均值、中位数、分位数、绝对值均值、绝对值中位数、绝对值分位数至少一项为观察基点基础,以数值数组的最大值、最小值、方差、变异系数、峰度、偏度、绝对值最大值、绝对值最小值、绝对值方差、绝对值变异系数、绝对值峰度、绝对值偏度至少一项为主要分析调和项,来观察分析数值数组的均值波动状态和总体趋势变化的数据分析方法;
所述时相情绪活跃相关系数的计算方法具体为:
1) 获取所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线;
2) 分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,得到时相情绪活跃水平关系特征指数集;
3) 对所述时相情绪活跃水平关系特征指数集进行加权融合计算,得到所述时相情绪活跃相关系数;
所述情绪水平动态调节效果系数的计算方法具体为:
1) 获取所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
2) 分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,得到情绪水平动态调节效果特征指数集;
对所述情绪水平动态调节效果特征指数集进行加权融合计算,得到所述情绪水平动态调节效果系数。
2.如权利要求1所述的方法,其特征在于,所述对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线的具体步骤还包括:
对用户睡眠过程的中枢神经生理状态和自主神经生理状态进行实时采集监测,生成中枢神经生理实时信号和自主神经生理实时信号;
对所述中枢神经生理实时信号和所述自主神经生理实时信号进行所述时帧处理,得到中枢神经生理状态实时数据和自主神经生理状态实时数据,生成所述情绪神经生理状态实时数据;
根据所述情绪神经生理状态实时数据识别睡眠时相实时状态,得到所述睡眠时相曲线。
3.如权利要求2所述的方法,其特征在于:所述中枢神经生理实时信号包括脑电信号、脑磁信号、血氧水平依赖信号和皮肤电信号至少一项;所述自主神经生理实时信号包括心电信号、脉搏信号、呼吸信号、血氧信号、血压信号、体温信号、血氧水平依赖信号和皮肤电信号至少一项。
4.如权利要求2或3所述的方法,其特征在于:所述时帧处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波、带通滤波、矫正处理和时帧划分;其中,所述矫正处理具体为对信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理,所述时帧划分具体为按照预设时间窗口和预设时间步长对目标信号进行截取处理。
5.如权利要求2所述的方法,其特征在于:所述睡眠时相曲线的提取方法具体为:
1)通过深度学习算法对规模睡眠用户样本的所述情绪神经生理状态实时数据及其对应睡眠分期数据进行学习训练和数据建模,得到睡眠时相自动分期模型;
2)将当前用户的所述情绪神经生理状态实时数据输入所述睡眠时相自动分期模型,得到所对应的睡眠时相分期值;
3)按照时序获取所述情绪神经生理状态实时数据的所述睡眠时相分期值,生成所述睡眠时相曲线。
6.如权利要求1或2所述的方法,其特征在于:所述对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线的具体步骤还包括:
采集获取当前用户清醒时静息态下的中枢神经生理状态数据和自主神经生理状态数据,分别进行神经情绪特征交叉分析和特征值均值计算,分别得到中枢神经和自主神经静息情绪水平基线特征指标集,生成神经静息情绪水平基线特征指标集;
对中枢神经生理状态实时数据和自主神经生理状态实时数据分别进行实时地神经情绪特征交叉分析,经特征选择分别得到睡眠情绪中枢神经表征实时特征和睡眠情绪自主神经表征实时特征;
根据所述睡眠情绪中枢神经表征实时特征、所述睡眠情绪自主神经表征实时特征和所述神经静息情绪水平基线特征指标集进行实时地均值调和分析,提取所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数;
根据所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数进行实时地加权融合计算,提取所述睡眠情绪活跃水平实时指数,生成或更新所述睡眠情绪活跃水平实时曲线;
根据所述睡眠情绪活跃水平实时曲线进行实时地趋势分析和预测计算,生成或更新所述睡眠情绪活跃水平趋势曲线。
7.如权利要求6所述的方法,其特征在于:其中,所述数值特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度至少一项;所述时频特征包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率至少一项;所述包络特征包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度至少一项;所述心率变异性特征包括心率、心率变异系数、RR间期、NN间期;所述非线性特征至少包括熵特征、分形特征和复杂度特征至少一项。
8.如权利要求7所述的方法,其特征在于:所述多模信号耦合特征分析是指计算不同模态信号之间的关系特征,得到两个不同模态信号的耦合和/或协同关系指数。
9.如权利要求8所述的方法,其特征在于:所述关系特征包括关联特征和距离特征至少一项;其中,所述关联特征包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数和线性相关系数至少一项,所述距离特征包括欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、巴氏距离、汉明距离和夹角余弦至少一项。
11.如权利要求6所述的方法,其特征在于:所述睡眠情绪中枢神经表征水平实时指数的计算生成方法具体为:
1)采集当前用户的所述神经静息情绪水平基线特征指标集和所述睡眠情绪中枢神经表征实时特征;
2)计算所述睡眠情绪中枢神经表征实时特征中的特征值与所述神经静息情绪水平基线特征指标集中的中枢神经静息情绪水平基线特征指标值的相对变化量,得到睡眠情绪中枢神经表征特征相对变化指标集;
3)对所述睡眠情绪中枢神经表征特征相对变化指标集中的全部指标进行均值调和分析,得到当前的所述睡眠情绪中枢神经表征水平实时指数。
12.如权利要求6所述的方法,其特征在于:所述睡眠情绪自主神经表征水平实时指数的计算生成方法具体为:
1)采集当前用户的所述神经静息情绪水平基线特征指标集和所述睡眠情绪自主神经表征实时特征;
2)计算所述睡眠情绪自主神经表征实时特征中的特征值与所述神经静息情绪水平基线特征指标集中的自主神经静息情绪水平基线特征指标值的相对变化量,得到睡眠情绪自主神经表征特征相对变化指标集;
3)对所述睡眠情绪自主神经表征特征相对变化指标集中的全部指标进行均值调和分析,得到当前的所述睡眠情绪自主神经表征水平实时指数。
13.如权利要求12所述的方法,其特征在于:所述睡眠情绪活跃水平实时指数和所述睡眠情绪活跃水平实时曲线的计算方法具体为:
1)获取当前的所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数并进行均值调和分析,得到所述睡眠情绪活跃水平实时指数;
2)按时序求得全部过程中的所述睡眠情绪活跃水平实时指数,生成或更新得到所述睡眠情绪活跃水平实时曲线。
14.如权利要求13所述的方法,其特征在于:所述睡眠情绪活跃水平趋势曲线的计算生成方法如下:
1)获取用户当前的所述睡眠情绪活跃水平实时指数和所述睡眠情绪活跃水平实时曲线;
2)对所述睡眠情绪活跃水平实时曲线进行趋势分析和指数预测,得到下一时帧的睡眠情绪活跃水平指数,生成睡眠情绪活跃水平实时预测指数;
3)按时序纳入所述睡眠情绪活跃水平实时预测指数,生成或更新所述睡眠情绪活跃水平趋势曲线。
15.如权利要求1或2所述的方法,其特征在于,所述根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节的具体步骤还包括:
根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,结合睡眠情绪活跃水平动态调节目的,生成所述睡眠情绪活跃水平动态调节策略;
根据所述睡眠情绪活跃水平动态调节策略,对用户睡眠过程的情绪活跃水平进行实时动态调节。
16.如权利要求15所述的方法,其特征在于,所述睡眠情绪活跃水平动态调节策略包括调节方式、执行部位、调节方法和调节强度至少一项;其中,所述调节方式包括声、光、味、电、磁、超声和睡眠环境至少一项,所述执行部位包括头部、颈部、躯干部、左右上肢、左右下肢及各大感官器官,所述调节方法包括恒定常数、递增曲线、递减曲线、指数曲线、正弦曲线、周期方波和随机曲线至少一项,所述调节强度则由当前的所述睡眠情绪活跃水平实时指数和睡眠情绪活跃水平实时预测指数共同决定。
17.如权利要求1或2所述的方法,其特征在于,所述重复上述步骤,完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库的具体步骤还包括:
完成全部所述睡眠情绪活跃水平的循环动态调节,得到全部调节过程的所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,提取所述时相情绪活跃相关系数;
分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,提取所述情绪水平动态调节效果系数;
根据所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线、所述睡眠情绪活跃水平趋势曲线、所述时相情绪活跃相关系数和所述情绪水平动态调节效果系数,分析计算生成所述睡眠情绪活跃水平调节报告;
根据所述睡眠情绪活跃水平调节报告和用户当前状态信息,建立或更新所述个性化情绪调节长期数据库,为后续用户持续地睡眠情绪活跃水平动态调节提供数据分析继承模型。
18.如权利要求17所述的方法,其特征在于,所述睡眠情绪活跃水平调节报告包括所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线、所述睡眠情绪活跃水平趋势曲线、所述时相情绪活跃相关系数、所述情绪水平动态调节效果系数、全部的所述睡眠情绪活跃水平动态调节策略、情绪活跃水平时相分布统计、高峰活跃时段小结、低峰活跃时段小结、异常活跃时段小结、睡眠情绪活跃水平调节报告总结至少一项。
19.如权利要求18所述的方法,其特征在于,所述情绪活跃水平时相分布统计具体为不同睡眠时相的平均情绪活跃水平、最大情绪活跃水平和最小情绪活跃水平;所述高峰活跃时段小结具体为所述睡眠情绪活跃水平实时曲线中超过预设高峰阈值的片段所对应的高峰时段分布、所述高峰时段分布的时间数值总和及占比;所述低峰活跃时段小结具体为所述睡眠情绪活跃水平实时曲线中超过预设低峰阈值的片段所对应的低峰时段分布、所述低峰时段分布的时间数值总和及占比;所述异常活跃时段小结具体为所述睡眠情绪活跃水平实时曲线中脱离曲线基线趋势的异常片段所对应的异常时段分布、所述异常时段分布的时间数值总和及占比。
20.一种睡眠情绪活跃水平动态调节的系统,其特征在于,包括以下模块:
时相状态分析模块,用于对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
情绪活跃分析模块,用于对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
动态策略调节模块,用于根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
情绪调节报告模块,用于完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库;
用户数据中心模块,用于对所述系统中所有过程数据的可视化展示、数据运行管理;
所述神经情绪特征交叉分析包括数值特征分析、包络特征分析、时频特征分析、心率变异性特征分析、非线性特征分析和多模信号耦合特征分析至少一项;
所述均值调和分析是一种以数值数组的均值、中位数、分位数、绝对值均值、绝对值中位数、绝对值分位数至少一项为观察基点基础,以数值数组的最大值、最小值、方差、变异系数、峰度、偏度、绝对值最大值、绝对值最小值、绝对值方差、绝对值变异系数、绝对值峰度、绝对值偏度至少一项为主要分析调和项,来观察分析数值数组的均值波动状态和总体趋势变化的数据分析方法;
所述时相情绪活跃相关系数的计算方法具体为:
1) 获取所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线;
2) 分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,得到时相情绪活跃水平关系特征指数集;
3) 对所述时相情绪活跃水平关系特征指数集进行加权融合计算,得到所述时相情绪活跃相关系数;
所述情绪水平动态调节效果系数的计算方法具体为:
1) 获取所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
2) 分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,得到情绪水平动态调节效果特征指数集;
对所述情绪水平动态调节效果特征指数集进行加权融合计算,得到所述情绪水平动态调节效果系数。
21.如权利要求20所述的系统,其特征在于,所述时相状态分析模块还包括以下功能单元:
生理信号采集单元,用于对用户睡眠过程的中枢神经生理状态和自主神经生理状态进行实时采集监测,生成中枢神经生理实时信号和自主神经生理实时信号;
信号时帧处理单元,用于对所述中枢神经生理实时信号和所述自主神经生理实时信号进行所述时帧处理,得到中枢神经生理状态实时数据和自主神经生理状态实时数据,生成所述情绪神经生理状态实时数据;
时相状态识别单元,用于根据所述情绪神经生理状态实时数据识别睡眠时相实时状态,得到所述睡眠时相曲线。
22.如权利要求21所述的系统,其特征在于,所述情绪活跃分析模块还包括以下功能单元:
基线指数构建单元,用于采集获取当前用户清醒时静息态下的中枢神经生理状态数据和自主神经生理状态数据,分别进行神经情绪特征交叉分析和特征值均值计算,分别得到中枢神经和自主神经静息情绪水平基线特征指标集,生成神经静息情绪水平基线特征指标集;
特征交叉分析单元,用于对所述中枢神经生理状态实时数据和自主神经生理状态实时数据分别进行实时地神经情绪特征交叉分析,经特征选择分别得到睡眠情绪中枢神经表征实时特征和睡眠情绪自主神经表征实时特征;
表征水平分析单元,用于根据所述睡眠情绪中枢神经表征实时特征、所述睡眠情绪自主神经表征实时特征和所述神经静息情绪水平基线特征指标集进行实时地均值调和分析,提取所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数;
指数曲线提取单元,用于根据所述情绪中枢神经表征水平实时指数和所述情绪自主神经表征水平实时指数进行实时地加权融合计算,提取所述睡眠情绪活跃水平实时指数,生成或更新所述睡眠情绪活跃水平实时曲线;
指数趋势预测单元,用于根据所述睡眠情绪活跃水平实时曲线进行实时地趋势分析和预测计算,生成或更新所述睡眠情绪活跃水平趋势曲线。
23.如权利要求22所述的系统,其特征在于,所述动态策略调节模块还包括以下功能单元:
动态策略生成单元,用于根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,结合睡眠情绪活跃水平动态调节目的,生成所述睡眠情绪活跃水平动态调节策略;
实时动态调节单元,用于根据所述睡眠情绪活跃水平动态调节策略,对用户睡眠过程的情绪活跃水平进行实时动态调节。
24.如权利要求20或21所述的系统,其特征在于,所述情绪调节报告模块还包括以下功能单元:
循环动态调节单元,用于完成全部所述睡眠情绪活跃水平的循环动态调节,得到全部调节过程的所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
相关系数分析单元,用于分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,提取所述时相情绪活跃相关系数;
调节效果分析单元,用于分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,提取所述情绪水平动态调节效果系数;
调节报告生成单元,用于根据所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线、所述睡眠情绪活跃水平趋势曲线、所述时相情绪活跃相关系数和所述情绪水平动态调节效果系数,分析计算生成所述睡眠情绪活跃水平调节报告;
情绪调节继承单元,用于根据所述睡眠情绪活跃水平调节报告和用户当前状态信息,建立或更新所述个性化情绪调节长期数据库,为后续用户持续地睡眠情绪活跃水平动态调节提供数据分析继承模型。
25.如权利要求20所述的系统,其特征在于,所述用户数据中心模块还包括以下具体功能单元:
用户信息管理单元,用于用户基本信息的登记输入、编辑、查询、输出和删除;
数据可视化管理单元,用于对所述系统中所有数据的可视化展现管理;
数据运行管理单元,用于对所述系统中所有数据的存储、备份、迁移和导出。
26.一种睡眠情绪活跃水平动态调节的装置,其特征在于,包括以下模组:
时相状态分析模组,用于对用户睡眠过程的中枢神经和自主神经的生理状态信号进行实时地采集记录和时帧处理,得到情绪神经生理状态实时数据,实时识别睡眠时相状态并生成睡眠时相曲线;
情绪活跃分析模组,用于对所述情绪神经生理状态实时数据进行实时地神经情绪特征交叉分析和均值调和分析,得到情绪中枢神经表征水平实时指数和情绪自主神经表征水平实时指数,提取睡眠情绪活跃水平实时指数并生成睡眠情绪活跃水平实时曲线,预测计算生成睡眠情绪活跃水平趋势曲线;
动态策略调节模组,用于根据睡眠情绪水平优化知识库、所述睡眠时相曲线、所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线,实时生成睡眠情绪活跃水平动态调节策略,并对用户睡眠过程的情绪活跃水平进行实时动态调节;
情绪调节报告模组,用于完成全部所述睡眠情绪活跃水平的循环动态调节,评估动态调节效果,提取时相情绪活跃相关系数和情绪水平动态调节效果系数,生成睡眠情绪活跃水平调节报告并建立个性化情绪调节长期数据库;
数据可视化管模组,用于对所述装置中所有数据的可视化展现管理;
数据运行管理模组,用于对所述装置中所有数据的存储、备份、迁移和导出;
所述神经情绪特征交叉分析包括数值特征分析、包络特征分析、时频特征分析、心率变异性特征分析、非线性特征分析和多模信号耦合特征分析至少一项;
所述均值调和分析是一种以数值数组的均值、中位数、分位数、绝对值均值、绝对值中位数、绝对值分位数至少一项为观察基点基础,以数值数组的最大值、最小值、方差、变异系数、峰度、偏度、绝对值最大值、绝对值最小值、绝对值方差、绝对值变异系数、绝对值峰度、绝对值偏度至少一项为主要分析调和项,来观察分析数值数组的均值波动状态和总体趋势变化的数据分析方法;
所述时相情绪活跃相关系数的计算方法具体为:
1) 获取所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线;
2) 分析计算所述睡眠时相曲线和所述睡眠情绪活跃水平实时曲线的关系特征,得到时相情绪活跃水平关系特征指数集;
3) 对所述时相情绪活跃水平关系特征指数集进行加权融合计算,得到所述时相情绪活跃相关系数;
所述情绪水平动态调节效果系数的计算方法具体为:
1) 获取所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线;
2) 分析计算所述睡眠情绪活跃水平实时曲线和所述睡眠情绪活跃水平趋势曲线的关系特征,得到情绪水平动态调节效果特征指数集;
对所述情绪水平动态调节效果特征指数集进行加权融合计算,得到所述情绪水平动态调节效果系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310302486.3A CN116058804B (zh) | 2023-03-27 | 2023-03-27 | 一种睡眠情绪活跃水平动态调节的方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310302486.3A CN116058804B (zh) | 2023-03-27 | 2023-03-27 | 一种睡眠情绪活跃水平动态调节的方法、系统和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116058804A CN116058804A (zh) | 2023-05-05 |
CN116058804B true CN116058804B (zh) | 2023-06-20 |
Family
ID=86173463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310302486.3A Active CN116058804B (zh) | 2023-03-27 | 2023-03-27 | 一种睡眠情绪活跃水平动态调节的方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116058804B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116369866B (zh) * | 2023-06-05 | 2023-09-01 | 安徽星辰智跃科技有限责任公司 | 基于小波变换的睡眠趋稳性量化及调节方法、系统和装置 |
CN116392085B (zh) * | 2023-06-06 | 2023-09-12 | 安徽星辰智跃科技有限责任公司 | 基于趋势分析的睡眠趋稳性量化及调节方法、系统和装置 |
CN117747117A (zh) * | 2024-02-21 | 2024-03-22 | 安徽星辰智跃科技有限责任公司 | 基于声响的睡眠呼吸评价及辅助调节方法、系统和装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011083564A (ja) * | 2009-10-15 | 2011-04-28 | Sleep System Kenkyusho:Kk | 自律神経成分指標推定装置及び自律神経成分指標推定方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100646868B1 (ko) * | 2004-12-29 | 2006-11-23 | 삼성전자주식회사 | 피부전도도와 심박 정보를 이용한 홈 제어시스템 및 그 방법 |
JP4528710B2 (ja) * | 2005-11-09 | 2010-08-18 | 株式会社東芝 | 睡眠状態計測装置、睡眠状態計測方法及び睡眠状態計測システム |
CN102716539A (zh) * | 2012-07-10 | 2012-10-10 | 邓云龙 | 一种睡眠介导的心理生理干预方法 |
JP2016087072A (ja) * | 2014-11-04 | 2016-05-23 | 三菱電機株式会社 | 睡眠環境制御システム |
JP6581734B2 (ja) * | 2016-04-12 | 2019-09-25 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ユーザの睡眠有効性を向上させるシステム |
WO2020116796A1 (ko) * | 2018-12-07 | 2020-06-11 | 이화여자대학교 산학협력단 | 수면개선을 위한 인공지능 기반 비침습적 뇌회로 조절치료시스템 및 방법 |
US11786694B2 (en) * | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
CN113208621A (zh) * | 2021-04-06 | 2021-08-06 | 北京脑陆科技有限公司 | 一种基于eeg信号的梦境交互方法、系统 |
KR20220156466A (ko) * | 2021-05-18 | 2022-11-25 | 연세대학교 원주산학협력단 | 수면 질 개선 시스템 및 방법 |
CN115774856A (zh) * | 2022-12-19 | 2023-03-10 | 脑陆(重庆)智能科技研究院有限公司 | 一种梦境情绪的识别方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-27 CN CN202310302486.3A patent/CN116058804B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011083564A (ja) * | 2009-10-15 | 2011-04-28 | Sleep System Kenkyusho:Kk | 自律神経成分指標推定装置及び自律神経成分指標推定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116058804A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116058804B (zh) | 一种睡眠情绪活跃水平动态调节的方法、系统和装置 | |
CN116058805B (zh) | 一种睡眠记忆活跃水平动态调节的方法、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 | |
KR20170086056A (ko) | 개선된 신호 분석에 기초한 스코어링 방법 | |
CN115804573A (zh) | 一种睡眠深度量化及干预的方法、系统和装置 | |
CN116392083B (zh) | 基于局部变换的睡眠趋稳性量化及调节方法、系统和装置 | |
CN116369866B (zh) | 基于小波变换的睡眠趋稳性量化及调节方法、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 | |
CN116509337A (zh) | 基于局部分解的睡眠周期性检测及调节方法、系统和装置 | |
CN116013470B (zh) | 一种睡眠行为活跃水平动态调节的方法、系统和装置 | |
CN105125186B (zh) | 一种确定干预治疗方式的方法及系统 | |
CN116392085B (zh) | 基于趋势分析的睡眠趋稳性量化及调节方法、系统和装置 | |
CN116392088B (zh) | 基于时频分析的睡眠趋稳性量化及调节方法、系统和装置 | |
CN116525063B (zh) | 基于时频分析的睡眠周期性检测及调节方法、系统和装置 | |
CN116392087B (zh) | 基于模态分解的睡眠趋稳性量化及调节方法、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 | |
CN116092641B (zh) | 一种睡眠感官应激水平动态调节的方法、系统和装置 | |
CN116313029B (zh) | 一种数字针灸动态控制优化的方法、系统和装置 | |
CN115640827B (zh) | 对电刺激数据处理的智能闭环反馈网络方法及系统 | |
CN116504357A (zh) | 基于小波分析的睡眠周期性检测及调节方法、系统和装置 | |
CN116035536B (zh) | 一种睡眠行为活跃水平检测量化的方法、系统和装置 | |
CN116312972B (zh) | 基于眼刺激的睡眠记忆情感张力调节方法、系统和装置 | |
CN116509338B (zh) | 基于模态分析的睡眠周期性检测及调节方法、系统和装置 | |
CN116312928B (zh) | 一种眼疲劳恢复进程的辅助调节方法、系统和装置 |
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 |