CN117577261A - 助眠头枕智能感知方法、装置、设备及存储介质 - Google Patents
助眠头枕智能感知方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117577261A CN117577261A CN202410054476.7A CN202410054476A CN117577261A CN 117577261 A CN117577261 A CN 117577261A CN 202410054476 A CN202410054476 A CN 202410054476A CN 117577261 A CN117577261 A CN 117577261A
- Authority
- CN
- China
- Prior art keywords
- sleep
- data
- user
- aiding
- model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000007958 sleep Effects 0.000 claims abstract description 362
- 230000003860 sleep quality Effects 0.000 claims abstract description 118
- 238000007405 data analysis Methods 0.000 claims abstract description 80
- 208000019116 sleep disease Diseases 0.000 claims abstract description 25
- 208000020685 sleep-wake disease Diseases 0.000 claims abstract description 22
- 230000006461 physiological response Effects 0.000 claims abstract description 19
- 230000006399 behavior Effects 0.000 claims description 129
- 238000004458 analytical method Methods 0.000 claims description 65
- 238000011156 evaluation Methods 0.000 claims description 46
- 230000007613 environmental effect Effects 0.000 claims description 27
- 238000013507 mapping Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000013135 deep learning Methods 0.000 claims description 15
- 230000036760 body temperature Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000036387 respiratory rate Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 3
- 230000036541 health Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 7
- 238000003909 pattern recognition Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000004617 sleep duration Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008909 emotion recognition Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008667 sleep stage Effects 0.000 description 2
- 208000031636 Body Temperature Changes Diseases 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000010321 sleep therapy Methods 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6891—Furniture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Anesthesiology (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Nursing (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pain & Pain Management (AREA)
- Acoustics & Sound (AREA)
- Psychology (AREA)
- Hematology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及数据处理的技术领域,公开了一种助眠头枕智能感知方法、装置、设备及存储介质。所述助眠头枕智能感知方法包括:基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;本发明综合考虑睡眠障碍数据、环境数据和用户习惯数据,通过多层次数据融合的方式生成个性化的助眠调节方案,满足了不同用户的个性化需求。
Description
技术领域
本发明涉及数据处理的技术领域,尤其涉及一种助眠头枕智能感知方法、装置、设备及存储介质。
背景技术
随着社会的快速发展和人们生活节奏的不断加快,睡眠障碍已成为普遍关注的健康问题。为了改善睡眠质量,提供辅助睡眠的产品和技术应运而生。这些解决方案通常包括睡眠监测设备和智能应用程序,它们通过收集用户的睡眠相关数据来分析睡眠模式,并提供建议以改善睡眠状况。这类技术的发展为人们提供了更多的自我监测手段,帮助用户更好地理解自身的睡眠状况。
目前,涉及使用传统的睡眠监测设备,如可穿戴设备、床上使用的传感器以及其他无侵入式监测工具。这些设备通过检测用户的身体活动、心率、呼吸率等生理参数来监测睡眠。然而,尽管能够收集到用户的生理数据,但往往缺乏针对个体差异的深入分析和个性化的助眠建议。此外,它们可能不充分考虑用户的真实使用场景和个性化需求,导致提供的反馈和改善方案缺乏针对性。在将用户的个人特征、生活习惯和环境数据综合考量以提供全面分析和个性化调节建议时。此外,众多睡眠监测设备和技术集中在数据收集上,而在数据处理、个体差异分析以及实际干预方案的生成和推送上则能力有限。
因此,亟需一种助眠头枕智能感知方法,能够实现更加精准和个性化的睡眠辅助。
发明内容
本发明提供了一种助眠头枕智能感知方法、装置、设备及存储介质,用于解决如何实现更加精准和个性化的睡眠辅助的技术问题。
本发明第一方面提供了一种助眠头枕智能感知方法,所述助眠头枕智能感知方法包括:
基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;其中,所述嵌入式传感网络至少包括环境感知器、体温监测器和运动传感器;
获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;其中,所述唯一身份识别码基于每个使用者的用户信息以及助眠头枕内唯一的设备号生成;
结合所述生理反应数据,对睡眠质量信息进行深度比对,得到使用者的在预设时间段的个体睡眠行为图谱;在预设的标准睡眠图谱数据库中,提取在所述预设时间段的标准个体睡眠行为图谱;
根据所述唯一身份识别码,在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则;其中,所述个体睡眠行为图谱分析数据库中存储有唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系;
基于选取出的个体睡眠行为图谱对照评估规则,将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估,得到使用者的睡眠障碍数据;
根据使用者的所述睡眠障碍数据,结合预设的实时环境数据和使用者生活习惯数据,生成个性化的助眠调节方案,并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端。
可选的,在本发明第一方面的第一种实现方式中,所述基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,包括:
获取助眠头枕使用者的睡眠数据,并将所述唯一身份识别码与所述睡眠数据进行绑定,生成用户数据;
在预设的睡眠质量数据分析模型数据库中,根据所述用户数据访问与用户数据关联的睡眠质量数据分析模型;其中,所述预设的睡眠质量数据分析模型数据库中包括针对各种睡眠数据的多个模型子集;每个模型子集都配有关联的分析特征信息,所述分析特征信息至少包括睡眠深度、睡眠时长、以及用户的睡眠习惯;
通过目标数字图将关联的分析特征信息进行数字转化,得到对应的数字特征集;其中,所述目标数字图基于预设的标准数字转换图得到的;
基于所述数字特征集,在睡眠质量数据分析模型数据库中检索与数字特征集初级匹配的一系列模型子集;其中,睡眠质量数据分析模型数据库中预先存储了各模型子集的分析特征信息与数字特征集的初级匹配关系;
根据深度匹配算法,对所筛选的每个模型子集进行深度评估和筛选,检索最为契合的用户个体化睡眠习惯的睡眠质量数据分析模型;其中,所述深度匹配算法基于记录在睡眠质量数据分析模型库中的各个模型子集与用户特定睡眠习惯之间的相关性进行深度评估和筛选。
可选的,在本发明第一方面的第二种实现方式中,所述睡眠质量数据分析模型的训练过程,包括:
收集睡眠样本数据;其中,所述睡眠样本数据包括多种睡眠场景,每种场景包括由助眠头枕收集的基本睡眠行为数据和标准睡眠监测系统提供的睡眠分析数据;
基于预设的多层次样本分析框架,将睡眠样本数据分成三个层次,分别为基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合;其中,所述基础睡眠行为集合表示初级睡眠质量,所述中级睡眠行为集合表示中等睡眠质量,所述高级睡眠行为集合表示高级睡眠质量;
构建一个基础睡眠模式识别网络,对基础睡眠行为集合进行深度学习,以形成初始级别的睡眠调节模型;
构建一个中级睡眠模式识别网络,对中级睡眠行为集合进行深度学习,以形成中级级别的睡眠调节模型;
构建一个高级睡眠模式识别网络,对高级睡眠行为集合进行深度学习,以形成高级级别的睡眠调节模型;
基于预设的睡眠样本数据特征分析算法,从标准睡眠监测系统提供的睡眠分析数据中提取关键睡眠特征,其中,所述关键睡眠特征至少包括睡眠模式、用户反应和环境影响因素;
根据提取的关键睡眠特征,分别调整初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型;其中,所述关键睡眠特征包括与基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合分别一一对应的第一关键睡眠特征行为集合、第二关键睡眠特征行为集合、第三关键睡眠特征行为集合;
将调整后的初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型进行组合,得到多层次睡眠调节模型;
基于用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正,得到最终的睡眠质量数据分析模型;其中,所述睡眠质量数据分析模型用于根据用户的实时睡眠状态和环境变化进行睡眠优化和干预。
可选的,在本发明第一方面的第三种实现方式中,所述基于所述用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正,得到最终的睡眠质量数据分析模型,包括:
获取用户的生理数据和用户的环境数据;
解析用户的环境数据,并提取密钥信息,并利用所述密钥信息从数据库中检索与用户的生理数据相匹配的数据集映射指南;将用户的生理数据进行分析,得到不同的生理指标类别,基于各个不同的生理指标类别,生成分析结果,其中,数据库中提取存储有每个不同的生理指标类别与用户睡眠状态的关联性以及环境数据的综合影响度;
基于所述数据集映射指南,根据分析结果确定多层次睡眠调节模型中需优化的参数集,并从需优化的参数集中识别出相应的模型核心参数点;其中,所述数据集映射指南中储存有用户生理指标类别与相对应的多层次睡眠调节模型的模型核心参数点的对应关系;
在数据库中,定位对应所述模型核心参数点所在的安全存储图片,其中,所述安全存储图片为加密安全存储图片,并基于所述密钥信息对安全存储图片进行解密,得到模型核心参数设置方案;
根据得到的模型核心参数设置方案,对多级睡眠调节模型的关键参数进行个性化的修正,得到最终的睡眠质量数据分析模型。
可选的,在本发明第一方面的第四种实现方式中,所述用户的生理数据至少包括心率、呼吸频率、身体翻动次数,所述用户的环境数据包括房间温度、房间光线强度。
本发明第二方面提供了一种助眠头枕智能感知装置,所述助眠头枕智能感知装置包括:
获取模块,用于基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;其中,所述嵌入式传感网络至少包括环境感知器、体温监测器和运动传感器;
匹配模块,用于获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;其中,所述唯一身份识别码基于每个使用者的用户信息以及助眠头枕内唯一的设备号生成;
比对模块,用于结合所述生理反应数据,对睡眠质量信息进行深度比对,得到使用者的在预设时间段的个体睡眠行为图谱;在预设的标准睡眠图谱数据库中,提取在所述预设时间段的标准个体睡眠行为图谱;
选取模块,用于根据所述唯一身份识别码,在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则;其中,所述个体睡眠行为图谱分析数据库中存储有唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系;
评估模块,用于基于选取出的个体睡眠行为图谱对照评估规则,将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估,得到使用者的睡眠障碍数据;
发送模块,用于根据使用者的所述睡眠障碍数据,结合预设的实时环境数据和使用者生活习惯数据,生成个性化的助眠调节方案,并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端。
本发明第三方面提供了一种助眠头枕智能感知设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述助眠头枕智能感知设备执行上述的助眠头枕智能感知方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的助眠头枕智能感知方法。
本发明提供的技术方案中,有益效果:本发明提供一种助眠头枕智能感知方法、装置、设备及存储介质,通过基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;结合所述生理反应数据,对睡眠质量信息进行深度比对,得到使用者的在预设时间段的个体睡眠行为图谱;在预设的标准睡眠图谱数据库中,提取在所述预设时间段的标准个体睡眠行为图谱;根据所述唯一身份识别码,在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则;基于选取出的个体睡眠行为图谱对照评估规则,将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估,得到使用者的睡眠障碍数据;根据使用者的所述睡眠障碍数据,结合预设的实时环境数据和使用者生活习惯数据,生成个性化的助眠调节方案,并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端。本发明通过集成嵌入式传感网络,收集使用者的睡眠模式数据和生理反应数据,结合个体唯一身份识别码,实现了对个体睡眠行为的深度分析。利用数据分析模型,本发明能够更精确地分析和修正睡眠模式数据,提供更为准确的睡眠质量信息。这种精确的评估对于识别和解决睡眠问题至关重要。本发明不仅考虑生理数据,还将使用者的生活习惯和实时环境数据纳入分析,从而能更全面地理解使用者的睡眠状况。根据分析得到的睡眠障碍数据,本发明能够生成个性化的助眠调节方案,并通过助眠头枕的交互系统实时发送给使用者。本发明通过精确的睡眠分析和针对性的个性化助眠方案,本方法能显著提高睡眠干预的效果,帮助用户有效改善睡眠质量,提升生活质量。
附图说明
图1为本发明实施例中助眠头枕智能感知方法的一个实施例示意图;
图2为本发明实施例中助眠头枕智能感知装置的一个实施例示意图。
具体实施方式
本发明实施例提供了一种助眠头枕智能感知方法、装置、设备及存储介质。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中助眠头枕智能感知方法的一个实施例包括:
步骤101、基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;其中,所述嵌入式传感网络至少包括环境感知器、体温监测器和运动传感器;
可以理解的是,本发明的执行主体可以为助眠头枕智能感知装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,具体实现步骤如下:
环境感知器数据获取:利用嵌入式传感网络中的环境感知器,如光线传感器、声音传感器,收集使用者周围的环境数据,包括光线强度、环境噪音信息。
体温监测器数据获取:使用嵌入式传感网络中的体温监测器,通常是采用体温传感器,通过接触皮肤来测量使用者的体温数据,包括体温的变化趋势和具体数值。
运动传感器数据获取:利用嵌入式传感网络中的运动传感器,例如加速度传感器、陀螺仪传感器,实时监测使用者的头部姿势和运动情况,包括头部的倾斜角度、运动幅度。
步骤102、获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;其中,所述唯一身份识别码基于每个使用者的用户信息以及助眠头枕内唯一的设备号生成;
具体的,具体实现步骤如下:
获取唯一身份识别码:采用基于用户特征的生物识别技术,例如指纹识别、面部识别或虹膜识别技术,结合区块链加密方法以及助眠头枕内唯一的设备号生成唯一身份标识码。
检索睡眠质量数据分析模型:引入深度学习算法,利用神经网络模式识别算法,快速准确地匹配助眠头枕唯一身份识别码相关联的睡眠质量数据分析模型。
睡眠模式数据分析和修正:引入情感识别技术,结合心率变异性分析和呼吸模式识别的生理特征数据,提高睡眠质量数据分析模型的精准度和个性化,实现针对性的睡眠质量信息分析和修正。
步骤103、结合所述生理反应数据,对睡眠质量信息进行深度比对,得到使用者的在预设时间段的个体睡眠行为图谱;在预设的标准睡眠图谱数据库中,提取在所述预设时间段的标准个体睡眠行为图谱;
具体的,具体实现步骤如下:
结合生理反应数据进行深度比对:利用生物传感器技术,如心率监测、呼吸检测,结合情感识别算法,对睡眠过程中的生理反应数据进行深度比对。通过对心率、呼吸生理信号的分析,记录用户在不同睡眠阶段的生理特征。
个体睡眠行为图谱生成:基于深度学习技术,利用神经网络算法对睡眠质量信息和生理反应数据进行分析,得到在预设时间段的个体睡眠行为图谱。所述个体睡眠行为图谱能够展现用户在不同睡眠阶段下的睡姿、翻身频率、睡眠深度信息,为个性化睡眠特征提供可视化的展示。
提取标准睡眠行为图谱:从预设的标准睡眠图谱数据库中提取在所述预设时间段的标准个体睡眠行为图谱,采用匹配算法确保标准图谱与用户实际睡眠行为的匹配度,从而评估睡眠质量和个体睡眠特征的符合度。
步骤104、根据所述唯一身份识别码,在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则;其中,所述个体睡眠行为图谱分析数据库中存储有唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系;
具体的,具体实现步骤如下:
个体睡眠行为图谱对照评估规则:利用机器学习算法,根据大量的个体睡眠行为图谱数据建立评估规则模型,包括睡眠质量评分、睡眠深度评估、睡眠周期识别评估规则。根据唯一身份识别码,匹配对应的评估规则,确保个性化睡眠评估的准确性和有效性。
存储映射关系:将唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系存储在个体睡眠行为图谱分析数据库中,采用数据索引与关联技术,建立起唯一身份识别码与评估规则的对应关系,实现快速查询和准确匹配。引入深度学习技术,如卷积神经网络(CNN)或循环神经网络(RNN),对个体睡眠行为图谱进行分析和学习,从而更准确地捕捉睡眠质量的特征和规律性
动态评估规则生成:结合实时监测数据和历史睡眠行为图谱数据,采用动态调整的方式生成个性化的睡眠评估规则,以适应用户睡眠习惯和生理特征的变化,从而提高睡眠评估的精准性和实时性。
步骤105、基于选取出的个体睡眠行为图谱对照评估规则,将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估,得到使用者的睡眠障碍数据;
具体的,具体实现步骤如下:
多维度对照评估:基于个体睡眠行为图谱对照评估规则,对使用者在预设时间段内的睡眠行为进行多维度对照评估,包括睡眠时长、睡眠深度、睡眠中断等多个方面,从而全面评估使用者的睡眠质量和睡眠障碍情况。
睡眠障碍数据提取:根据对照评估结果,提取出使用者的睡眠障碍数据,如睡眠持续时间异常、睡眠深度异常、入睡困难、多次易醒等睡眠障碍信息,帮助识别使用者的睡眠问题和症状,为后续的个性化睡眠改善方案提供依据。
实时监测与反馈:利用实时监测设备和数据分析技术,实时监测使用者的睡眠行为并反馈睡眠障碍数据,为使用者提供实时的睡眠健康管理建议,促使其改善睡眠习惯和调整生活方式。
步骤106、根据使用者的所述睡眠障碍数据,结合预设的实时环境数据和使用者生活习惯数据,生成个性化的助眠调节方案,并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端。
具体的,具体实现步骤如下:
智能算法优化:应用基于机器学习和人工智能的智能算法,结合使用者的睡眠障碍数据、实时环境数据(如温度、湿度、光线)和生活习惯数据,对助眠调节方案进行个性化生成和优化,以提高其实际效果和适应性。
交互系统设计:设计具有交互功能的助眠头枕,该头枕配备传感器和通讯模块,能够实时接收和解析个性化的助眠调节方案,并通过语音提示、震动等方式与使用者进行交互,提供必要的指导和反馈,增强用户体验和助眠效果。
多层数据融合:综合考虑睡眠障碍数据、环境数据和用户习惯数据,通过多层次数据融合的方式生成个性化的助眠调节方案,包括调整枕头高度、温度和湿度控制、音乐或声音的播放等多种可能的助眠方式,以满足不同用户的个性化需求。
本发明实施例中助眠头枕智能感知方法的另一个实施例包括:所述基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,包括:
获取助眠头枕使用者的睡眠数据,并将所述唯一身份识别码与所述睡眠数据进行绑定,生成用户数据;
在预设的睡眠质量数据分析模型数据库中,根据所述用户数据访问与用户数据关联的睡眠质量数据分析模型;其中,所述预设的睡眠质量数据分析模型数据库中包括针对各种睡眠数据的多个模型子集;每个模型子集都配有关联的分析特征信息,所述分析特征信息至少包括睡眠深度、睡眠时长、以及用户的睡眠习惯;
通过目标数字图将关联的分析特征信息进行数字转化,得到对应的数字特征集;其中,所述目标数字图基于预设的标准数字转换图得到的;
基于所述数字特征集,在睡眠质量数据分析模型数据库中检索与数字特征集初级匹配的一系列模型子集;其中,睡眠质量数据分析模型数据库中预先存储了各模型子集的分析特征信息与数字特征集的初级匹配关系;
根据深度匹配算法,对所筛选的每个模型子集进行深度评估和筛选,检索最为契合的用户个体化睡眠习惯的睡眠质量数据分析模型;其中,所述深度匹配算法基于记录在睡眠质量数据分析模型库中的各个模型子集与用户特定睡眠习惯之间的相关性进行深度评估和筛选。
具体的,重要术语解释:
唯一身份识别码: 用于单独识别每一个助眠头枕用户的代码,保证分析的个人化和数据的唯一性。
睡眠质量数据分析模型: 用于评估和分析睡眠数据,以提供关于用户睡眠质量的洞见的算法模型。
用户数据: 包含用户睡眠数据与唯一身份识别码绑定后生成的数据,为个体化服务提供依据。
模型子集: 睡眠质量数据分析模型库中的一组模型,针对不同类型的睡眠数据提供专门的分析。
分析特征信息: 描述用户睡眠模式的属性,如睡眠深度、睡眠时长和个人睡眠习惯等。
目标数字图: 用于将分析特征信息转化为数字值的参考图,以标准化处理过程。
数字特征集: 经目标数字图转化后,提供分析模型匹配依据的数字表示形式。
初级匹配: 在数据库中根据数字特征集筛选出的初步相符的模型子集。
深度匹配算法: 用于在初级匹配基础上深入分析用户特定睡眠习惯与模型子集之间的相关性,从而精确筛选最契合的模型。
应用场景:
本技术方案应用于睡眠监测和改善领域。可以嵌入到智能家居系统、健康监护应用程序以及专为改善睡眠设计的助眠设备中,为用户提供定制化的睡眠优化建议。
具体实施例,包括以下步骤:
在助眠头枕中嵌入传感器,收集使用者的睡眠数据,如睡眠时长、翻身频率等,并为每个用户创建一个唯一身份识别码。
通过预置的通信模块,将用户的睡眠数据与其唯一身份识别码进行绑定,并传输至专用的服务器,生成用户数据。
在服务器中维护的睡眠质量数据分析模型数据库,包含多个模型子集,每个模型子集都有关联的分析特征信息。
利用目标数字图将用户数据中的分析特征信息进行数字化处理,转换成易于处理的数字特征集。
对数据库执行查询操作,基于数字特征集进行初级匹配,检索出一系列符合条件的模型子集。
应用深度匹配算法,衡量各已筛选的模型子集与用户特有睡眠习惯之间的匹配程度,以识别最佳的个体化睡眠质量数据分析模型。
将最佳匹配模型应用于用户数据,分析其睡眠质量,并给出相应的改善建议,例如调整睡眠环境、优化睡眠模式。
本发明实施例中,有益效果:本发明实施例通过身份识别码提供高度定制化的睡眠分析,满足不同用户的具体需要。利用深度学习和匹配算法,精确筛选出与用户睡眠习惯最为契合的模型,改善分析结果的适用性。睡眠数据的自动收集和分析减少了人工干涉,提供连续监测的可能性。基于精准模型的分析结果,帮助用户了解自身的睡眠模式,并给出科学依据的改善建议。
本发明实施例中助眠头枕智能感知方法的另一个实施例包括:所述睡眠质量数据分析模型的训练过程,包括:
收集睡眠样本数据;其中,所述睡眠样本数据包括多种睡眠场景,每种场景包括由助眠头枕收集的基本睡眠行为数据和标准睡眠监测系统提供的睡眠分析数据;
基于预设的多层次样本分析框架,将睡眠样本数据分成三个层次,分别为基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合;其中,所述基础睡眠行为集合表示初级睡眠质量,所述中级睡眠行为集合表示中等睡眠质量,所述高级睡眠行为集合表示高级睡眠质量;
构建一个基础睡眠模式识别网络,对基础睡眠行为集合进行深度学习,以形成初始级别的睡眠调节模型;
构建一个中级睡眠模式识别网络,对中级睡眠行为集合进行深度学习,以形成中级级别的睡眠调节模型;
构建一个高级睡眠模式识别网络,对高级睡眠行为集合进行深度学习,以形成高级级别的睡眠调节模型;
基于预设的睡眠样本数据特征分析算法,从标准睡眠监测系统提供的睡眠分析数据中提取关键睡眠特征,其中,所述关键睡眠特征至少包括睡眠模式、用户反应和环境影响因素;
根据提取的关键睡眠特征,分别调整初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型;其中,所述关键睡眠特征包括与基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合分别一一对应的第一关键睡眠特征行为集合、第二关键睡眠特征行为集合、第三关键睡眠特征行为集合;
将调整后的初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型进行组合,得到多层次睡眠调节模型;
基于用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正,得到最终的睡眠质量数据分析模型;其中,所述睡眠质量数据分析模型用于根据用户的实时睡眠状态和环境变化进行睡眠优化和干预。
具体的,重要术语解释:
多层次睡眠调节模型: 一个综合性模型,能够根据不同层级的睡眠行为数据来优化和调节睡眠质量。
睡眠样本数据: 指从助眠头枕和标准睡眠监测系统收集的睡眠数据,包括基础的睡眠行为和详尽的睡眠分析信息。
睡眠模式识别网络: 一种深度学习网络,用于从睡眠数据中学习和识别特定的睡眠模式。
关键睡眠特征: 影响睡眠质量的重要因素,例如睡眠模式、用户反应和环境影响因素。
生理数据和周边环境数据: 指用户的身体状况信息和睡眠环境数据,用于调整和优化睡眠质量数据分析模型。
应用场景:
该技术方案适用于以下领域:
医疗健康研究: 分析睡眠模式与健康状况的关系,为医疗干预提供数据支持。个性化健康服务: 为用户提供量身定制的睡眠分析和干预计划,以改善整体健康。
具体实施例,包括以下步骤:
数据收集: 利用助眠头枕中的传感器以及标准睡眠监测系统,收集用户的睡眠样本数据。
数据分层处理: 将收集到的睡眠样本数据按照预设的多层次分析框架进行分类,分为基础、中级和高级睡眠行为集合。
建立模式识别网络: 为每一层次的睡眠行为集合建立相应的睡眠模式识别网络,并进行深度学习训练。
关键特征提取: 使用特定算法从睡眠数据中提取关键睡眠特征。
调整模型: 根据提取的关键睡眠特征,调整基础、中级和高级睡眠调节模型。
组合模型: 将调整后的不同层级的模型组合成一个多层次睡眠调节模型。
模型优化: 根据用户的生理数据和周边环境数据,进一步优化多层次睡眠调节模型。
睡眠质量优化与干预: 应用最终的睡眠质量数据分析模型进行睡眠优化和干预,提高用户的睡眠质量。
本发明实施例中,有益效果:本发明实施例提供针对用户特定需求和条件的个性化睡眠改善方案。通过多层次的睡眠数据分析,实现更全面的睡眠质量评估。实现睡眠数据的自动收集和持续监控。
本发明实施例中助眠头枕智能感知方法的另一个实施例包括:所述基于所述用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正,得到最终的睡眠质量数据分析模型,包括:
获取用户的生理数据和用户的环境数据;
解析用户的环境数据,并提取密钥信息,并利用所述密钥信息从数据库中检索与用户的生理数据相匹配的数据集映射指南;将用户的生理数据进行分析,得到不同的生理指标类别,基于各个不同的生理指标类别,生成分析结果,其中,数据库中提取存储有每个不同的生理指标类别与用户睡眠状态的关联性以及环境数据的综合影响度;
基于所述数据集映射指南,根据分析结果确定多层次睡眠调节模型中需优化的参数集,并从需优化的参数集中识别出相应的模型核心参数点;其中,所述数据集映射指南中储存有用户生理指标类别与相对应的多层次睡眠调节模型的模型核心参数点的对应关系;
在数据库中,定位对应所述模型核心参数点所在的安全存储图片,其中,所述安全存储图片为加密安全存储图片,并基于所述密钥信息对安全存储图片进行解密,得到模型核心参数设置方案;
根据得到的模型核心参数设置方案,对多级睡眠调节模型的关键参数进行个性化的修正,得到最终的睡眠质量数据分析模型。
具体的,重要术语解释:
生理数据: 指用户的身体健康信息,如心率、呼吸模式等,用于评估和调整睡眠质量。
环境数据: 指用户睡眠环境中的信息,如温度、噪音水平等,影响着用户的睡眠质量。
数据集映射指南: 一种在数据库中用于将用户的生理和环境数据与相应的睡眠模型参数关联的指南。
模型核心参数点: 多层次睡眠调节模型中,对睡眠质量影响最大的关键参数。
安全存储图片: 用于存储和保护模型核心参数设置方案的加密图片文件。
应用场景:
此技术方案主要应用于以下场景:
个人健康管理: 为用户提供基于其生理和环境数据的个性化睡眠调节方案。医疗健康行业: 在睡眠疗法和治疗中,根据患者的具体状况调整治疗策略。
具体实施例,包括以下步骤:
数据收集: 收集用户的生理数据(如心率、呼吸模式)和环境数据(如温度、噪声水平)。
解析环境数据: 分析环境数据,提取关键信息,如噪音水平和光线强度。
数据集映射: 利用数据集映射指南,在数据库中匹配用户的生理数据与环境数据,确定影响睡眠的关键因素。
识别模型核心参数点: 根据映射结果,确定多层次睡眠调节模型中需要调整的模型核心参数点。
参数设置方案获取: 在数据库中定位相应的安全存储图片,并使用提取的密钥信息对其进行解密,获取模型核心参数设置方案。
模型调整: 根据获取的参数设置方案,对多层次睡眠调节模型进行个性化的调整。
应用与反馈: 将调整后的模型应用于用户,根据反馈进一步优化模型。
本发明实施例中,有益效果:本发明实施例根据用户的具体生理和环境数据调整睡眠模型,提供更为精准的睡眠改善方案。使用加密安全存储图片来保护模型核心参数,确保数据安全。模型可根据用户的持续反馈进行动态调整,持续提升睡眠质量。可应用于多种场景,如个人健康管理、医疗健康行业、智能家居系统。
本发明实施例中助眠头枕智能感知方法的另一个实施例包括:
所述用户的生理数据至少包括心率、呼吸频率、身体翻动次数,所述用户的环境数据包括房间温度、房间光线强度。
上面对本发明实施例中助眠头枕智能感知方法进行了描述,下面对本发明实施例中助眠头枕智能感知装置进行描述,请参阅图2,本发明实施例中助眠头枕智能感知装置一个实施例包括:
获取模块,用于基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;其中,所述嵌入式传感网络至少包括环境感知器、体温监测器和运动传感器;
匹配模块,用于获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;其中,所述唯一身份识别码基于每个使用者的用户信息以及助眠头枕内唯一的设备号生成;
比对模块,用于结合所述生理反应数据,对睡眠质量信息进行深度比对,得到使用者的在预设时间段的个体睡眠行为图谱;在预设的标准睡眠图谱数据库中,提取在所述预设时间段的标准个体睡眠行为图谱;
选取模块,用于根据所述唯一身份识别码,在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则;其中,所述个体睡眠行为图谱分析数据库中存储有唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系;
评估模块,用于基于选取出的个体睡眠行为图谱对照评估规则,将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估,得到使用者的睡眠障碍数据;
发送模块,用于根据使用者的所述睡眠障碍数据,结合预设的实时环境数据和使用者生活习惯数据,生成个性化的助眠调节方案,并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端。
本发明还提供一种助眠头枕智能感知设备,所述助眠头枕智能感知设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述助眠头枕智能感知方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述助眠头枕智能感知方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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 (8)
1.一种助眠头枕智能感知方法,其特征在于,包括以下步骤:
基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;其中,所述嵌入式传感网络至少包括环境感知器、体温监测器和运动传感器;
获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;其中,所述唯一身份识别码基于每个使用者的用户信息以及助眠头枕内唯一的设备号生成;
结合所述生理反应数据,对睡眠质量信息进行深度比对,得到使用者的在预设时间段的个体睡眠行为图谱;在预设的标准睡眠图谱数据库中,提取在所述预设时间段的标准个体睡眠行为图谱;
根据所述唯一身份识别码,在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则;其中,所述个体睡眠行为图谱分析数据库中存储有唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系;
基于选取出的个体睡眠行为图谱对照评估规则,将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估,得到使用者的睡眠障碍数据;
根据使用者的所述睡眠障碍数据,结合预设的实时环境数据和使用者生活习惯数据,生成个性化的助眠调节方案,并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端。
2.根据权利要求1所述的助眠头枕智能感知方法,其特征在于,所述基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,包括:
获取助眠头枕使用者的睡眠数据,并将所述唯一身份识别码与所述睡眠数据进行绑定,生成用户数据;
在预设的睡眠质量数据分析模型数据库中,根据所述用户数据访问与用户数据关联的睡眠质量数据分析模型;其中,所述预设的睡眠质量数据分析模型数据库中包括针对各种睡眠数据的多个模型子集;每个模型子集都配有关联的分析特征信息,所述分析特征信息至少包括睡眠深度、睡眠时长、以及用户的睡眠习惯;
通过目标数字图将关联的分析特征信息进行数字转化,得到对应的数字特征集;其中,所述目标数字图基于预设的标准数字转换图得到的;
基于所述数字特征集,在睡眠质量数据分析模型数据库中检索与数字特征集初级匹配的一系列模型子集;其中,睡眠质量数据分析模型数据库中预先存储了各模型子集的分析特征信息与数字特征集的初级匹配关系;
根据深度匹配算法,对所筛选的每个模型子集进行深度评估和筛选,检索最为契合的用户个体化睡眠习惯的睡眠质量数据分析模型;其中,所述深度匹配算法基于记录在睡眠质量数据分析模型库中的各个模型子集与用户特定睡眠习惯之间的相关性进行深度评估和筛选。
3.根据权利要求2所述的助眠头枕智能感知方法,其特征在于,所述睡眠质量数据分析模型的训练过程,包括:
收集睡眠样本数据;其中,所述睡眠样本数据包括多种睡眠场景,每种场景包括由助眠头枕收集的基本睡眠行为数据和标准睡眠监测系统提供的睡眠分析数据;
基于预设的多层次样本分析框架,将睡眠样本数据分成三个层次,分别为基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合;其中,所述基础睡眠行为集合表示初级睡眠质量,所述中级睡眠行为集合表示中等睡眠质量,所述高级睡眠行为集合表示高级睡眠质量;
构建一个基础睡眠模式识别网络,对基础睡眠行为集合进行深度学习,以形成初始级别的睡眠调节模型;
构建一个中级睡眠模式识别网络,对中级睡眠行为集合进行深度学习,以形成中级级别的睡眠调节模型;
构建一个高级睡眠模式识别网络,对高级睡眠行为集合进行深度学习,以形成高级级别的睡眠调节模型;
基于预设的睡眠样本数据特征分析算法,从标准睡眠监测系统提供的睡眠分析数据中提取关键睡眠特征,其中,所述关键睡眠特征至少包括睡眠模式、用户反应和环境影响因素;
根据提取的关键睡眠特征,分别调整初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型;其中,所述关键睡眠特征包括与基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合分别一一对应的第一关键睡眠特征行为集合、第二关键睡眠特征行为集合、第三关键睡眠特征行为集合;
将调整后的初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型进行组合,得到多层次睡眠调节模型;
基于用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正,得到最终的睡眠质量数据分析模型;其中,所述睡眠质量数据分析模型用于根据用户的实时睡眠状态和环境变化进行睡眠优化和干预。
4.根据权利要求3所述的助眠头枕智能感知方法,其特征在于,所述基于所述用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正,得到最终的睡眠质量数据分析模型,包括:
获取用户的生理数据和用户的环境数据;
解析用户的环境数据,并提取密钥信息,并利用所述密钥信息从数据库中检索与用户的生理数据相匹配的数据集映射指南;将用户的生理数据进行分析,得到不同的生理指标类别,基于各个不同的生理指标类别,生成分析结果,其中,数据库中提取存储有每个不同的生理指标类别与用户睡眠状态的关联性以及环境数据的综合影响度;
基于所述数据集映射指南,根据分析结果确定多层次睡眠调节模型中需优化的参数集,并从需优化的参数集中识别出相应的模型核心参数点;其中,所述数据集映射指南中储存有用户生理指标类别与相对应的多层次睡眠调节模型的模型核心参数点的对应关系;
在数据库中,定位对应所述模型核心参数点所在的安全存储图片,其中,所述安全存储图片为加密安全存储图片,并基于所述密钥信息对安全存储图片进行解密,得到模型核心参数设置方案;
根据得到的模型核心参数设置方案,对多级睡眠调节模型的关键参数进行个性化的修正,得到最终的睡眠质量数据分析模型。
5.根据权利要求4所述的助眠头枕智能感知方法,其特征在于,所述用户的生理数据至少包括心率、呼吸频率、身体翻动次数,所述用户的环境数据包括房间温度、房间光线强度。
6.一种助眠头枕智能感知装置,其特征在于,所述助眠头枕智能感知装置包括:
获取模块,用于基于预置在助眠头枕内的嵌入式传感网络,获取使用者的睡眠模式数据和生理反应数据;其中,所述嵌入式传感网络至少包括环境感知器、体温监测器和运动传感器;
匹配模块,用于获取所述助眠头枕的唯一身份识别码;基于所述唯一身份识别码,在预设的睡眠质量数据分析模型数据库中,检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型,并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正,得到睡眠质量信息;其中,所述唯一身份识别码基于每个使用者的用户信息以及助眠头枕内唯一的设备号生成;
比对模块,用于结合所述生理反应数据,对睡眠质量信息进行深度比对,得到使用者的在预设时间段的个体睡眠行为图谱;在预设的标准睡眠图谱数据库中,提取在所述预设时间段的标准个体睡眠行为图谱;
选取模块,用于根据所述唯一身份识别码,在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则;其中,所述个体睡眠行为图谱分析数据库中存储有唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系;
评估模块,用于基于选取出的个体睡眠行为图谱对照评估规则,将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估,得到使用者的睡眠障碍数据;
发送模块,用于根据使用者的所述睡眠障碍数据,结合预设的实时环境数据和使用者生活习惯数据,生成个性化的助眠调节方案,并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端。
7.一种助眠头枕智能感知设备,其特征在于,所述助眠头枕智能感知设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述助眠头枕智能感知设备执行如权利要求1-5中任一项所述的助眠头枕智能感知方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-5中任一项所述的助眠头枕智能感知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410054476.7A CN117577261B (zh) | 2024-01-15 | 2024-01-15 | 助眠头枕智能感知方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410054476.7A CN117577261B (zh) | 2024-01-15 | 2024-01-15 | 助眠头枕智能感知方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117577261A true CN117577261A (zh) | 2024-02-20 |
CN117577261B CN117577261B (zh) | 2024-04-16 |
Family
ID=89862752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410054476.7A Active CN117577261B (zh) | 2024-01-15 | 2024-01-15 | 助眠头枕智能感知方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117577261B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102665546A (zh) * | 2009-07-16 | 2012-09-12 | 雷斯梅德有限公司 | 睡眠状况的检测 |
CN110047575A (zh) * | 2019-03-29 | 2019-07-23 | 广东工业大学 | 一种基于远程决策的反馈式助眠系统 |
CN110623665A (zh) * | 2019-09-26 | 2019-12-31 | 川北医学院 | 一种智能睡眠时相检测与睡眠质量评估系统及方法 |
CN112998650A (zh) * | 2015-01-06 | 2021-06-22 | 大卫·伯顿 | 移动式可穿戴的监控系统 |
CN116170479A (zh) * | 2022-12-22 | 2023-05-26 | 珠海格力电器股份有限公司 | 一种床垫控制方法、床垫控制设备及床垫 |
CN116978516A (zh) * | 2023-06-27 | 2023-10-31 | 青岛海享眠科技有限公司 | 用于推送睡眠建议的方法、装置及存储介质 |
CN117373612A (zh) * | 2023-08-28 | 2024-01-09 | 国科温州研究院(温州生物材料与工程研究所) | 一种基于动态向量化知识图谱和生成式语言模型的睡眠认知行为治疗系统 |
-
2024
- 2024-01-15 CN CN202410054476.7A patent/CN117577261B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102665546A (zh) * | 2009-07-16 | 2012-09-12 | 雷斯梅德有限公司 | 睡眠状况的检测 |
CN112998650A (zh) * | 2015-01-06 | 2021-06-22 | 大卫·伯顿 | 移动式可穿戴的监控系统 |
CN110047575A (zh) * | 2019-03-29 | 2019-07-23 | 广东工业大学 | 一种基于远程决策的反馈式助眠系统 |
CN110623665A (zh) * | 2019-09-26 | 2019-12-31 | 川北医学院 | 一种智能睡眠时相检测与睡眠质量评估系统及方法 |
CN116170479A (zh) * | 2022-12-22 | 2023-05-26 | 珠海格力电器股份有限公司 | 一种床垫控制方法、床垫控制设备及床垫 |
CN116978516A (zh) * | 2023-06-27 | 2023-10-31 | 青岛海享眠科技有限公司 | 用于推送睡眠建议的方法、装置及存储介质 |
CN117373612A (zh) * | 2023-08-28 | 2024-01-09 | 国科温州研究院(温州生物材料与工程研究所) | 一种基于动态向量化知识图谱和生成式语言模型的睡眠认知行为治疗系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117577261B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11553870B2 (en) | Methods for modeling neurological development and diagnosing a neurological impairment of a patient | |
US11696714B2 (en) | System and method for brain modelling | |
US20210000374A1 (en) | System and method for instructing a behavior change in a user | |
CN108310587B (zh) | 一种睡眠控制装置与方法 | |
CN107530012B (zh) | 用于脑活动解析的系统 | |
US20100010371A1 (en) | Device, system, and method for treating psychiatric disorders | |
Delis et al. | Deciphering the functional role of spatial and temporal muscle synergies in whole-body movements | |
CN101331490A (zh) | 心理状态的检测和使用心理状态的互动 | |
Angelova et al. | Automated method for detecting acute insomnia using multi-night actigraphy data | |
CN114999237A (zh) | 一种智慧教育互动教学方法 | |
US8930218B1 (en) | Systems and methods for building medical diagnostic apparatus using a digital library | |
van den Broek et al. | Prerequisites for affective signal processing (ASP) | |
Hurtado-Rincon et al. | Motor imagery classification using feature relevance analysis: An Emotiv-based BCI system | |
CN117577261B (zh) | 助眠头枕智能感知方法、装置、设备及存储介质 | |
Tolu et al. | Perspective on investigation of neurodegenerative diseases with neurorobotics approaches | |
US20240016411A1 (en) | Personalized breath training system | |
CN111760194A (zh) | 一种智能闭环神经调控系统和方法 | |
CN116350227B (zh) | 一种脑磁图棘波的个体化检测方法、系统及储存介质 | |
KR102548041B1 (ko) | 의식장애 환자와 인터랙션 제공 방법, 장치, 프로그램 | |
Tokle | Comparison of Missing Data Imputation Methods for Improving Detection of Obstructive Sleep Apnea | |
KR20110135702A (ko) | 복합 생체신호 인식을 통한 건강관리시스템과 이를 이용한 건강관리방법 | |
CN117854739A (zh) | 一种智能内科护理监控系统 | |
Angelova Turkedjieva et al. | Automated Method for Detecting Acute Insomnia Using Multi-Night Actigraphy Data | |
WO2024110833A1 (en) | Method for analyzing a user's reaction to at least one stimulus | |
Harshini et al. | Human Stress Detection in and through Sleep using Machine Learning |
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 |