CN116327183A - 一种睡眠数据监测方法、装置、终端设备及存储介质 - Google Patents
一种睡眠数据监测方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN116327183A CN116327183A CN202310227812.9A CN202310227812A CN116327183A CN 116327183 A CN116327183 A CN 116327183A CN 202310227812 A CN202310227812 A CN 202310227812A CN 116327183 A CN116327183 A CN 116327183A
- Authority
- CN
- China
- Prior art keywords
- sleep
- data
- current
- blood oxygen
- sleep state
- 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.)
- Pending
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 240
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 35
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 74
- 239000008280 blood Substances 0.000 claims abstract description 74
- 210000004369 blood Anatomy 0.000 claims abstract description 74
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 74
- 239000001301 oxygen Substances 0.000 claims abstract description 74
- 230000008667 sleep stage Effects 0.000 claims abstract description 71
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 47
- 230000004622 sleep time Effects 0.000 claims abstract description 32
- 210000004556 brain Anatomy 0.000 claims abstract description 26
- 230000005611 electricity Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 10
- 230000004617 sleep duration Effects 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000002496 oximetry Methods 0.000 claims description 4
- 238000001441 oximetry spectrum Methods 0.000 claims description 4
- 230000000241 respiratory effect Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/4812—Detecting sleep stages or cycles
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Optics & Photonics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Pulmonology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种睡眠数据监测方法、装置、终端设备及存储介质，所述方法包括：实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态；当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段；获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据。本发明可基于脑电数据和血氧数据来自动检测出睡眠数据，提高了监测效率。
Description
技术领域
本发明涉及睡数据监测技术领域，尤其涉及一种睡眠数据监测方法、装置、终端设备及存储介质。
背景技术
多导睡眠监测(Polysomnography，PSG)是进行睡眠医学研究的基本技术，是用于评价睡眠相关病理、生理和睡眠结构的标准手段，是判断清醒或睡眠的客观检查，检测指标最终都会反映在纸质报告上。但是，现在的多导睡眠监测方式在对数据数据的分析上还存在一定的缺陷，比如存在无法准确睡眠数据的问题以及监测效率不高的问题。
因此，现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种睡眠数据监测方法、装置、终端设备及存储介质，旨在解决现有技术中多导睡眠监测方式存在无法准确睡眠数据的问题以及监测效率不高的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
第一方面，本发明提供一种睡眠数据监测方法，其中，所述方法包括：
实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态；
当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段；
获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据，其中，所述呼吸参考数据与心率参考数据分别包括不同时间所对应的呼吸数据与心率数据。
在一种实现方式中，所述基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态，包括：
获取预设的睡眠分析模型，所述睡眠分析模型预先基于历史脑电数据与历史血氧数据训练得到；
将所述脑电数据与所述血氧数据，输入至所述睡眠分析模型，并基于所述睡眠分析模型输出与所述脑电数据以及所述血氧数据对应的当前睡眠状态。
在一种实现方式中，所述将所述脑电数据与所述血氧数据，输入至所述睡眠分析模型，并基于所述睡眠分析模型输出与所述脑电数据以及所述血氧数据对应的当前睡眠状态，包括：
基于所述脑电数据，绘制脑电波动图，所述脑电波动图中反映了所述脑电数据在不同时刻下的波动情况；
基于所述血氧数据，绘制血氧变化图，所述血氧变化图中反映了所述血氧数据在不同时刻下的变化情况；
分别确定所述脑电波动图与所述血氧变化图中每一个时刻对应的脑电目标点与血氧目标点；
获取相邻两个脑电目标点之间的第一线段与相邻两个血氧目标点之间的第二线段，并确定所述第一线段的第一斜率绝对值以及所述第二线段的第二斜率绝对值；
通过所述睡眠分析模型根据所述第一斜率绝对值与所述第二斜率绝对值，确定所述当前睡眠状态。
在一种实现方式中，所述通过所述睡眠分析模型根据所述第一斜率绝对值与所述第二斜率绝对值，确定所述当前睡眠状态，包括：
分别将所述第一斜率绝对值与预设的第一斜率阈值进行比较，以及将所述第二斜率绝对值与预设的第二斜率阈值进行比较，得到所述第一斜率绝对值大于所述第一斜率阈值的第一个数以及所述第二斜率绝对值大于所述第二斜率阈值的第二个数；
基于所述第一个数与所述第二个数，确定所述当前睡眠状态。
在一种实现方式中，所述基于所述第一个数与所述第二个数，确定所述当前睡眠状态，包括：
若所述第一个数与所述第二个数均大于预设的个数阈值，则确定所述当前睡眠状态为入睡状态；
若所述第一个数与所述第二个数中任意一个小于所述个数阈值，确定所述当前睡眠状态为清醒状态。
在一种实现方式中，所述当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，包括：
当所述当前睡眠状态为入睡状态，则获取历史睡眠习惯数据，并基于所述历史睡眠习惯数据确定所述待测用户的平均睡眠时长；
基于所述入睡时长与所述平均睡眠时长，确定时长占比；
基于所述时长占比，确定所述睡眠分期信息。
在一种实现方式中，所述根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据，包括：
获取当前时间信息，并将所述当前时间信息与所述呼吸参考数据与所述心率参考数据进行匹配，得到所述当前时间信息对应的目标呼吸数据与目标心率数据；
将所述目标呼吸数据与所述目标心率数据作为所述睡眠数据。
第二方面，本发明实施例还提供一种睡眠数据监测装置，其中，所述装置包括：
当前睡眠状态确定模块，用于实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态；
当前睡眠状态分期模块，用于当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段；
睡眠数据确定模块，用于获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据，其中，所述呼吸参考数据与心率参考数据分别包括不同时间所对应的呼吸数据与心率数据。
第三方面，本发明实施例还提供一种终端设备，其中，所述终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的睡眠数据监测程序，处理器执行睡眠数据监测程序时，实现上述方案中任一项的睡眠数据监测方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质上存储有睡眠数据监测程序，所述睡眠数据监测程序被处理器执行时，实现上述方案中任一项所述的睡眠数据监测方法的步骤。
有益效果：与现有技术相比，本发明提供了一种睡眠数据监测方法，首先，本发明首先实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态。然后，当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段。然后，获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据。本发明可基于脑电数据和血氧数据来确定睡眠分期信息，然后自动检测出睡眠数据，不但提高了监测准确率，还提高了监测效率。
附图说明
图1为本发明实施例提供的睡眠数据监测方法的具体实施方式的流程图。
图2为本发明实施例提供的睡眠数据监测装置的功能原理图。
图3为本发明实施例提供的终端设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本实施例提供一种睡眠数据监测方法，基于本实施例的方法可可基于脑电数据和血氧数据来确定睡眠分期信息，然后自动检测出睡眠数据，不但提高了监测准确率，还提高了监测效率。具体实施时，本实施例首先实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态。然后当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段。最后，获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据。
举例说明，当实时采集到待测用户的脑电数据和血氧数据后，可对脑电数据和血氧数据进行分析，确定出此时待测用户的当前睡眠状态，比如当前睡眠状态为入睡状态还是清醒状态。而如果当前睡眠状态为入睡状态，就可以在待测用户睡着后记录入睡时长，然后基于该入睡时长判断该待测用户已经进入了哪一个睡眠阶段，也就得到睡眠分期信息，比如，确定出待测用户的睡眠分期信息为深度睡眠阶段。接着，可获取深度睡眠阶段的呼吸参考数据以及心率参考数据，该呼吸参考数据与心率参考数据是预先基于先验知识按照不同的睡眠分期信息设置的，本实施例可基于该呼吸参考数据与心率参考数据来进行分析，进而得到睡眠数据。
示例性方法
本实施例的睡眠数据监测方法可应用于终端设备中，所述终端设备包括电脑、智能电视、手机等智能化产品终端。具体地，如图1中所示，本实施例的睡眠数据监测方法包括如下步骤：
步骤S100、实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态。
本实施例的终端设备实时采集待测用户的脑电数据和血氧数据，由于不同的当前睡眠状态下，脑电数据和血氧数据是不相同的，本实施例利用这一特性，对脑电数据和血氧数据进行分析，确定出待测用户此时所对应的当前睡眠状态。在本实施例中，所述当前睡眠状态包括入睡状态或者清醒状态。
在一种实现方式中，本实施例在确定当前睡眠状态时，包括如下步骤：
步骤S101、获取预设的睡眠分析模型，所述睡眠分析模型预先基于历史脑电数据与历史血氧数据训练得到；
步骤S102、将所述脑电数据与所述血氧数据，输入至所述睡眠分析模型，并基于所述睡眠分析模型输出与所述脑电数据以及所述血氧数据对应的当前睡眠状态。
本实施例预先设置一个睡眠分析模型，该睡眠分析模式是预先基于历史脑电数据与历史血氧数据训练得到。具体地，当将脑电数据和血氧数据输入至睡眠分析模型后，该睡眠分析模型可基于所述脑电数据和血氧数据分别绘制脑电波动图和血氧波动图。该脑电波动图中反映了所述脑电数据在不同时刻下的波动情况；该血氧变化图中反映了所述血氧数据在不同时刻下的变化情况。接着，本实施例分别确定所述脑电波动图与所述血氧变化图中每一个时刻对应的脑电目标点与血氧目标点，该脑电目标点为在脑电波动图中某个时刻对应的脑电数据，同样地，血氧目标点为在血氧波动图中某个时刻对应的血氧数据。然后，本实施例获取相邻两个脑电目标点之间的第一线段与相邻两个血氧目标点之间的第二线段，并确定所述第一线段的第一斜率绝对值以及所述第二线段的第二斜率绝对值。最后，通过所述睡眠分析模型根据所述第一斜率绝对值与所述第二斜率绝对值，确定所述当前睡眠状态。
具体地，本实施例分别将所述第一斜率绝对值与预设的第一斜率阈值进行比较，以及将所述第二斜率绝对值与预设的第二斜率阈值进行比较，得到所述第一斜率绝对值大于所述第一斜率阈值的第一个数以及所述第二斜率绝对值大于所述第二斜率阈值的第二个数。若所述第一个数与所述第二个数均大于预设的个数阈值，则确定所述当前睡眠状态为入睡状态；若所述第一个数与所述第二个数中任意一个小于所述个数阈值，确定所述当前睡眠状态为清醒状态。比如，在一段时间内，总共有10个第一线段和10个第二线段，因此，就对应有10个第一斜率绝对值以及10和第二斜率绝对值。若第一斜率绝对值大于所述第一斜率阈值的第一个数为8，第二斜率绝对值大于第二斜率阈值的第一个数为9，而个数阈值为7，因此就可以确定此时所述第一个数与所述第二个数均大于预设的个数阈值，说明待测用户在这段时间内脑电数据和血氧数据都波动比较稳定，因此就可以确定所述当前睡眠状态为入睡状态。而如果第一斜率绝对值大于所述第一斜率阈值的第一个数为5，第二斜率绝对值大于第二斜率阈值的第一个数为9，此时所述第一个数小于个数阈值，说明待测用户在这段时间内脑电数据波动比较大，因此就可以确定当前睡眠状态为清醒状态。
步骤S200、当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段。
当确定出当前睡眠状态为入睡状态，本实施例可获取待测用户的入睡时长，然后基于该入睡时长来确定待测用户此时处于哪一个睡眠阶段，也就得到睡眠分期信息。本实施例的睡眠分期信息包括深度睡眠阶段和浅度睡眠阶段。
在一种实现方式中，本实施例在确定睡眠分期信息时包括如下步骤：
步骤S201、当所述当前睡眠状态为入睡状态，则获取历史睡眠习惯数据，并基于所述历史睡眠习惯数据确定所述待测用户的平均睡眠时长；
步骤S202、基于所述入睡时长与所述平均睡眠时长，确定时长占比；
步骤S203、基于所述时长占比，确定所述睡眠分期信息。
具体地，本实施例在确定当前睡眠状态为入睡状态后，可实时获取入睡时长，该入睡时长可基于预设的时间采集装置进行获取，该时间采集装置可在检测到待测用户的脑电数据和血氧数据均波动稳定的时候开始计时。接着，本实施例还获取历史睡眠习惯数据，该历史习惯数据是对待测用户在过去一段时间内采集的睡眠数据，其中包括睡眠时长、入睡时间点以及清醒时间点信息。并且，本实施例可根据历史睡眠习惯数据确定待测用户的平均睡眠时长。然后基于所述入睡时长与所述平均睡眠时长，确定时长占比，再根据时长占比来确定睡眠分期信息。由于本实施例的睡眠分期信息反映的是待测用户所处的睡眠阶段，基于时长占比可确定此时入睡时长对应的是哪一个睡眠阶段。比如，如果时长占比超过50％，则就可以确定待测用户进入深度睡眠阶段，因此睡眠分期信息就为深度睡眠阶段。
步骤S300、获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据。
本实施例在确定睡眠分期信息后，获取该睡眠分期信息对应的呼吸参考数据与心率参考数据，该呼吸参考数据与心率参考数据是预先根据不同的睡眠阶段进行设置的，并且所述呼吸参考数据与心率参考数据分别包括不同时间所对应的呼吸数据与心率数据。最后，本实施例可根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据。
在一种实现方式中，本实施例中的步骤S300具体包括如下步骤：
步骤S301、获取当前时间信息，并将所述当前时间信息与所述呼吸参考数据与所述心率参考数据进行匹配，得到所述当前时间信息对应的目标呼吸数据与目标心率数据；
步骤S302、将所述目标呼吸数据与所述目标心率数据作为所述睡眠数据。
具体地，本实施例首先获取当前时间信息，然后从历史睡眠习惯数据中获取与该当前时间信息对应的历史呼吸数据与历史心率数据。该历史呼吸数据与历史心率数据是通过采集大量的用户的历史睡眠习惯数据来统计各个用户处于不同的睡眠阶段下的呼吸数据以及心率数据，然后从中确定出每一个睡眠阶段下的平均呼吸数据以及平均心率数据，并将其作为对应的睡眠阶段的呼吸参考数据与心率参考数据。由于每个睡眠阶段有对应不同的时间信息，因此，本实施例中的呼吸参考数据与心率参考数据分别包括不同时间所对应的呼吸数据与心率数据。当获取到当前时间信息后，就可以获取该当前时间信息对应的目标呼吸数据与目标心率数据。本实施例就可以将该目标呼吸数据与目标心率数据作为睡眠数据。
由此可见，本实施例首先实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态。然后当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段。最后，获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据。
示例性装置
基于上述实施例，本发明还提供一种睡眠数据监测装置，如图2中所示，所述装置包括：当前睡眠状态确定模块10、当前睡眠状态分期模块20以及睡眠数据确定模块30。具体地，所述当前睡眠状态确定模块10，用于实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态。所述当前睡眠状态分期模块20，用于当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段。所述睡眠数据确定模块30，用于获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据，其中，所述呼吸参考数据与心率参考数据分别包括不同时间所对应的呼吸数据与心率数据。
在一种实现方式中，所述当前睡眠状态确定模块10，包括：
模型获取单元，用于获取预设的睡眠分析模型，所述睡眠分析模型预先基于历史脑电数据与历史血氧数据训练得到；
睡眠状态确定单元，用于将所述脑电数据与所述血氧数据，输入至所述睡眠分析模型，并基于所述睡眠分析模型输出与所述脑电数据以及所述血氧数据对应的当前睡眠状态。
在一种实现方式中，所述睡眠状态确定单元，包括：
脑电波动分析子单元，用于基于所述脑电数据，绘制脑电波动图，所述脑电波动图中反映了所述脑电数据在不同时刻下的波动情况；
血氧波动分析子单元，用于基于所述血氧数据，绘制血氧变化图，所述血氧变化图中反映了所述血氧数据在不同时刻下的变化情况；
目标点确定子单元，用于分别确定所述脑电波动图与所述血氧变化图中每一个时刻对应的脑电目标点与血氧目标点；
斜率确定子单元，用于获取相邻两个脑电目标点之间的第一线段与相邻两个血氧目标点之间的第二线段，并确定所述第一线段的第一斜率绝对值以及所述第二线段的第二斜率绝对值；
睡眠分析子单元，用于通过所述睡眠分析模型根据所述第一斜率绝对值与所述第二斜率绝对值，确定所述当前睡眠状态。
在一种实现方式中，所述睡眠分析子单元，包括：
个数分析单元，用于分别将所述第一斜率绝对值与预设的第一斜率阈值进行比较，以及将所述第二斜率绝对值与预设的第二斜率阈值进行比较，得到所述第一斜率绝对值大于所述第一斜率阈值的第一个数以及所述第二斜率绝对值大于所述第二斜率阈值的第二个数；
状态确定子单元，用于基于所述第一个数与所述第二个数，确定所述当前睡眠状态。
在一种实现方式中，所述状态确定子单元，包括：
入睡状态被确定子单元，用于若所述第一个数与所述第二个数均大于预设的个数阈值，则确定所述当前睡眠状态为入睡状态；
清醒状态确定子单元，用于若所述第一个数与所述第二个数中任意一个小于所述个数阈值，确定所述当前睡眠状态为清醒状态。
在一种实现方式中，所述当前睡眠状态分期模块20，包括：
睡眠时长分析单元，用于当所述当前睡眠状态为入睡状态，则获取历史睡眠习惯数据，并基于所述历史睡眠习惯数据确定所述待测用户的平均睡眠时长；
时长占比确定单元，用于基于所述入睡时长与所述平均睡眠时长，确定时长占比；
睡眠分期确定单元，用于基于所述时长占比，确定所述睡眠分期信息。
在一种实现方式中，所述睡眠数据确定模块，包括：
目标数据分析单元，用于获取当前时间信息，并将所述当前时间信息与所述呼吸参考数据与所述心率参考数据进行匹配，得到所述当前时间信息对应的目标呼吸数据与目标心率数据；
睡眠数据分析单元，用于将所述目标呼吸数据与所述目标心率数据作为所述睡眠数据。
本实施例的睡眠数据监测装置中各个模块的工作原理与上述方法实施例中各个步骤的原理相同，此处不再赘述。
基于上述实施例，本发明还提供了一种终端设备，所述终端设备的原理框图可以如图3所示。终端设备可以包括一个或多个处理器100(图3中仅示出一个)，存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102，例如，睡眠数据监测的程序。一个或多个处理器100执行计算机程序102时可以实现睡眠数据监测的方法实施例中的各个步骤。或者，一个或多个处理器100执行计算机程序102时可以实现睡眠数据监测的装置实施例中各模块/单元的功能，此处不作限制。
在一个实施例中，所称处理器100可以是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一个实施例中，存储器101可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(smart media card，SMC)，安全数字(secure digital，SD)卡，闪存卡(flash card)等。进一步地，存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端设备的限定，具体的终端设备以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上，本发明公开了睡眠数据监测方法、装置、终端设备及存储介质，所述方法包括：获取预训练模板，基于所述预训练模板，获取若干待训练目标，并将每一个所述待训练目标依次移动至所述预训练模板中对应的区域内；获取在预设时长内，将所有的所述待训练目标成功移动至对应的区域的成功次数，以及每一次将所有的所述待训练目标成功移动至对应的区域内的耗时信息；基于所述耗时信息与成功次数，选择目标模板，其中，不同的目标模板对应不同的训练难度。本发明可结合将所有的所述待训练目标成功移动至对应的区域的成功次数与耗时信息来选择不同训练难度的目标模板，以此实现了对睡眠数据监测效果。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种睡眠数据监测方法，其特征在于，所述方法包括：
实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态；
当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段；
获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据，其中，所述呼吸参考数据与心率参考数据分别包括不同时间所对应的呼吸数据与心率数据。
2.根据权利要求1所述的睡眠数据监测方法，其特征在于，所述基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态，包括：
获取预设的睡眠分析模型，所述睡眠分析模型预先基于历史脑电数据与历史血氧数据训练得到；
将所述脑电数据与所述血氧数据，输入至所述睡眠分析模型，并基于所述睡眠分析模型输出与所述脑电数据以及所述血氧数据对应的当前睡眠状态。
3.根据权利要求2所述的睡眠数据监测方法，其特征在于，所述将所述脑电数据与所述血氧数据，输入至所述睡眠分析模型，并基于所述睡眠分析模型输出与所述脑电数据以及所述血氧数据对应的当前睡眠状态，包括：
基于所述脑电数据，绘制脑电波动图，所述脑电波动图中反映了所述脑电数据在不同时刻下的波动情况；
基于所述血氧数据，绘制血氧变化图，所述血氧变化图中反映了所述血氧数据在不同时刻下的变化情况；
分别确定所述脑电波动图与所述血氧变化图中每一个时刻对应的脑电目标点与血氧目标点；
获取相邻两个脑电目标点之间的第一线段与相邻两个血氧目标点之间的第二线段，并确定所述第一线段的第一斜率绝对值以及所述第二线段的第二斜率绝对值；
通过所述睡眠分析模型根据所述第一斜率绝对值与所述第二斜率绝对值，确定所述当前睡眠状态。
4.根据权利要求3所述的睡眠数据监测方法，其特征在于，所述通过所述睡眠分析模型根据所述第一斜率绝对值与所述第二斜率绝对值，确定所述当前睡眠状态，包括：
分别将所述第一斜率绝对值与预设的第一斜率阈值进行比较，以及将所述第二斜率绝对值与预设的第二斜率阈值进行比较，得到所述第一斜率绝对值大于所述第一斜率阈值的第一个数以及所述第二斜率绝对值大于所述第二斜率阈值的第二个数；
基于所述第一个数与所述第二个数，确定所述当前睡眠状态。
5.根据权利要求4所述的睡眠数据监测方法，其特征在于，所述基于所述第一个数与所述第二个数，确定所述当前睡眠状态，包括：
若所述第一个数与所述第二个数均大于预设的个数阈值，则确定所述当前睡眠状态为入睡状态；
若所述第一个数与所述第二个数中任意一个小于所述个数阈值，确定所述当前睡眠状态为清醒状态。
6.根据权利要求1所述的睡眠数据监测方法，其特征在于，所述当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，包括：
当所述当前睡眠状态为入睡状态，则获取历史睡眠习惯数据，并基于所述历史睡眠习惯数据确定所述待测用户的平均睡眠时长；
基于所述入睡时长与所述平均睡眠时长，确定时长占比；
基于所述时长占比，确定所述睡眠分期信息。
7.根据权利要求6所述的睡眠数据监测方法，其特征在于，所述根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据，包括：
获取当前时间信息，并将所述当前时间信息与所述呼吸参考数据与所述心率参考数据进行匹配，得到所述当前时间信息对应的目标呼吸数据与目标心率数据；
将所述目标呼吸数据与所述目标心率数据作为所述睡眠数据。
8.一种睡眠数据监测装置，其特征在于，所述装置包括：
当前睡眠状态确定模块，用于实时采集待测用户的脑电数据以及血氧数据，并基于所述脑电数据与所述血氧数据，确定所述待测用户的当前睡眠状态；
当前睡眠状态分期模块，用于当所述当前睡眠状态为入睡状态，则获取所述待测用户的入睡时长，并基于所述入睡时长与所述当前睡眠状态所对应的睡眠分期信息，所述睡眠分期信息用于反映所述待测用户所处的睡眠阶段；
睡眠数据确定模块，用于获取所述睡眠分期信息所对应的呼吸参考数据与心率参考数据，并根据所述呼吸参考数据与所述心率参考数据，得到睡眠数据，其中，所述呼吸参考数据与心率参考数据分别包括不同时间所对应的呼吸数据与心率数据。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的睡眠数据监测程序，所述处理器执行睡眠数据监测程序时，实现如权利要求1-7任一项所述的睡眠数据监测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有睡眠数据监测程序，所述睡眠数据监测程序被处理器执行时，实现如权利要求1-7任一项所述的睡眠数据监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310227812.9A CN116327183A (zh) | 2023-03-06 | 2023-03-06 | 一种睡眠数据监测方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310227812.9A CN116327183A (zh) | 2023-03-06 | 2023-03-06 | 一种睡眠数据监测方法、装置、终端设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116327183A true CN116327183A (zh) | 2023-06-27 |
Family
ID=86894119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310227812.9A Pending CN116327183A (zh) | 2023-03-06 | 2023-03-06 | 一种睡眠数据监测方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116327183A (zh) |
-
2023
- 2023-03-06 CN CN202310227812.9A patent/CN116327183A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111680551B (zh) | 监控牲畜数量的方法、装置、计算机设备及存储介质 | |
| CN110001652B (zh) | 驾驶员状态的监测方法、装置及终端设备 | |
| EP3136297A1 (en) | System and method for determining information and outliers from sensor data | |
| US8577109B2 (en) | Systems and methods for automated extraction of measurement information in medical videos | |
| CN109817339B (zh) | 基于大数据的患者分组方法和装置 | |
| CN110558934B (zh) | 睡眠质量评估方法、装置、电子设备及介质 | |
| US20120136896A1 (en) | System and method for imputing missing values and computer program product thereof | |
| CN111790038B (zh) | 音乐辅助睡眠的方法、装置、计算机设备及存储介质 | |
| US11793415B1 (en) | Method, apparatus and system for monitoring heart rate in sleep state based on microwave radar | |
| CN109902582B (zh) | 一种动作分类方法、装置、存储介质及终端设备 | |
| CN110610125A (zh) | 基于神经网络的牛脸识别方法、装置、设备及存储介质 | |
| CN111985452B (zh) | 一种人员活动轨迹及落脚点的自动生成方法及系统 | |
| CN112113581B (zh) | 异常计步识别方法、计步方法、装置、设备及介质 | |
| CN104679967B (zh) | 一种判断心理测试可靠性的方法 | |
| US20180199876A1 (en) | User Health Monitoring Method, Monitoring Device, and Monitoring Terminal | |
| CN116327183A (zh) | 一种睡眠数据监测方法、装置、终端设备及存储介质 | |
| CN115956884B (zh) | 一种睡眠状态和睡眠分期的监测方法、装置及终端设备 | |
| CN102081124B (zh) | 高速外围设备互连信号辨识系统及方法 | |
| CN114041753B (zh) | 睡眠分期方法、装置、计算机设备和存储介质 | |
| CN107194918B (zh) | 数据分析方法及装置 | |
| CN115969393A (zh) | 睡眠深度衡量指标的获取方法、装置、设备及存储介质 | |
| CN115500789A (zh) | 无接触式睡眠阶段判断方法、系统、计算机设备及介质 | |
| US20220415018A1 (en) | Information processing system, information processing method, and computer program | |
| CN114916942A (zh) | 基于脑电信号的入定训练效果评估方法、装置和设备 | |
| US20120029942A1 (en) | User-Specific Data Provision System, User-Specific Data Provision Method, Server Device, and Handheld Device |
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 |