CN118058707A - 睡眠评估方法、设备及存储介质 - Google Patents
睡眠评估方法、设备及存储介质 Download PDFInfo
- Publication number
- CN118058707A CN118058707A CN202211496799.9A CN202211496799A CN118058707A CN 118058707 A CN118058707 A CN 118058707A CN 202211496799 A CN202211496799 A CN 202211496799A CN 118058707 A CN118058707 A CN 118058707A
- Authority
- CN
- China
- Prior art keywords
- sleep
- user
- data
- dimension
- score
- 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 272
- 238000011156 evaluation Methods 0.000 title claims abstract description 102
- 230000001149 cognitive effect Effects 0.000 claims abstract description 120
- 238000000034 method Methods 0.000 claims abstract description 70
- 206010062519 Poor quality sleep Diseases 0.000 claims abstract description 44
- 230000004622 sleep time Effects 0.000 claims description 52
- 238000013210 evaluation model Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 37
- 230000008667 sleep stage Effects 0.000 claims description 29
- 230000001133 acceleration Effects 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 22
- 230000004617 sleep duration Effects 0.000 claims description 21
- 230000036578 sleeping time Effects 0.000 claims description 20
- 230000037007 arousal Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 43
- 238000004891 communication Methods 0.000 description 19
- 230000036541 health Effects 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000005291 magnetic effect Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 230000001766 physiological effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003860 sleep quality Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 206010014557 Emotional poverty Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003935 attention Effects 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005056 memory consolidation Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000004461 rapid eye movement Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本公开提供一种睡眠评估方法、电子设备及计算机可读存储介质。所述方法包括:获取用户在睡眠期间的第一数据、以及所述用户在觉醒期间的第二数据;其中,所述觉醒期间在所述睡眠期间之后;根据所述第一数据,确定所述用户在至少一个睡眠维度的评分;根据所述第二数据,确定所述用户在认知觉醒维度的评分;根据所述用户在至少一个睡眠维度的评分和在所述认知觉醒维度的评分,得到所述用户的睡眠评估结果。本实施例评估维度更为全面,有利于提高睡眠评估结果的准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种睡眠评估方法、电子设备及计算机可读存储介质。
背景技术
睡眠作为人类的一项基本生理需求,在现代社会生活中显得越来越重要。好的睡眠能够促进体力的恢复和记忆的巩固,促进人体精神状态、注意力、情绪控制力和判断力的恢复。相反,睡眠不足可导致记忆减退,注意力降低、机体疲乏、甚至情绪消沉及出现心理障碍。
因此,有必要对用户睡眠进行评估,从而帮助人们改善睡眠状况。
发明内容
为克服相关技术中存在的问题,本公开提供了一种睡眠评估方法、电子设备及计算机可读存储介质。
根据本公开实施例的第一方面,提供一种睡眠评估方法,包括:
获取用户在睡眠期间的第一数据、以及所述用户在觉醒期间的第二数据;其中,所述觉醒期间在所述睡眠期间之后;
根据所述第一数据,确定所述用户在至少一个睡眠维度的评分;
根据所述第二数据,确定所述用户在认知觉醒维度的评分;
根据所述用户在至少一个睡眠维度的评分和在所述认知觉醒维度的评分,得到所述用户的睡眠评估结果。
可选的,所述用户在觉醒期间的第二数据,包括:所述用户在觉醒期间的至少一个时间段的第二数据;
所述根据所述第二数据,确定所述用户在认知觉醒维度的评分,包括:
根据所述至少一个时间段中每个时间段的第二数据进行认知疲劳度评估,得到所述每个时间段的认知疲劳度评估结果;
根据所述至少一个时间段中每个时间段的认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。
可选的,所述根据所述第二数据,确定所述用户在认知觉醒维度的评分,包括:
对所述第二数据进行特征提取处理,得到所述用户的特征数据;
利用认知疲劳度评估模型对所述特征数据进行处理,得到认知疲劳度评估结果;其中,所述认知疲劳度评估模型是通过基于脑电信号、心电信号和皮肤电信号中的至少一种的标签进行训练得到的;
根据所述认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。
可选的,所述第二数据包括脉搏波数据和加速度数据。
可选的,所述根据所述第二数据,确定所述用户在认知觉醒维度的评分,包括:
对所述脉搏波数据和所述加速度数据分别进行特征提取处理,得到第一特征数据和第二特征数据;
将所述第一特征数据和所述第二特征数据输入到认知疲劳度评估模型进行处理,输出所述用户的认知疲劳度评估结果。
可选的,所述第一数据包括在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种;
所述利用所述第一数据,确定所述用户在至少一个睡眠维度的评分,包括:
根据所述在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种,确定所述用户的睡眠效率评分。
可选的,所述第一数据包括睡眠时间数据;
所述利用所述第一数据,确定所述用户在至少一个睡眠维度的评分,包括:
根据所述睡眠时间数据和所述用户所属用户群组的参考睡眠时间数据之间的差异,确定所述用户的睡眠时间维度的评分。
可选的,所述睡眠时间数据包括睡眠时长和入睡时刻中的至少一种;和/或
所述用户群组的参考睡眠时间数据包括:所述用户群组的睡眠时间统计数据。
可选的,所述第一数据包括在多天的睡眠期间的睡眠分期数据;
所述利用所述第一数据,确定所述用户在至少一个睡眠维度的评分,包括:
利用睡眠满意度评估模型对所述在多天的睡眠期间的睡眠分期数据进行处理,获得用户的睡眠满意度评估结果。
可选的,所述根据所述用户在至少一个睡眠维度的评分和在认知觉醒维度的评分,得到所述用户的睡眠评估结果,包括:
根据所述用户在至少一个睡眠维度的评分、所述用户在认知觉醒维度的评分以及各个维度对应的权重,获得所述用户的睡眠评估结果;
其中,各个维度对应的权重依赖于与所述维度相关联的至少一个病症的治疗成本以及所述维度对所述至少一个病症的影响程度。
根据本公开实施例的第二方面,提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器执行所述可执行指令时,用于实现如第一方面任意一项所述的方法。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面任一项所述方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例中,利用用户在睡眠期间的第一数据确定所述用户在至少一个睡眠维度的评分,以及根据用户在睡眠期间之后的觉醒期间的第二数据确定所述用户在认知觉醒维度的评分,进而基于多个维度的评分实现对用户的睡眠进行综合评估,综合考虑了用户的睡眠过程以及睡眠过程之后的觉醒过程的多个维度的评分,评估维度更为全面,有利于提高睡眠评估结果的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本公开根据一示例性实施例示出的一种可穿戴设备的通讯系统的结构示意图。
图2是本公开根据一示例性实施例示出的一种睡眠评估方法的流程示意图。
图3是本公开根据一示例性实施例示出的睡眠满意度问卷调查的示意图。
图4是本公开根据一示例性实施例示出的一种睡眠满意度评估模型的结构示意图。
图5是本公开根据一示例性实施例示出的一种认知疲劳度评估模型的结构示意图。
图6是本公开根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本公开实施例可以利用可穿戴设备等终端设备的至少一个传感器采集用户的数据,并获得用户在睡眠期间的第一数据、以及所述用户在睡眠期间之后的觉醒期间的第二数据,然后基于所述第一数据和所述第二数据,确定用户从睡眠过程到觉醒过程中的多个维度的评分,进而基于多个维度的评分实现对用户的睡眠进行综合评估,得到所述用户的睡眠健康评估结果,评估维度更为全面,有利于提高评估结果的准确性。
本公开实施例提供的睡眠评估方法可以由可穿戴设备等终端设备来执行,或者也可以由与可穿戴设备等终端设备通信连接的其他计算设备来执行,本公开实施例对此不做任何限制。
在一示例性的实施例中,请参阅图1,图1示出了有关于可穿戴设备为例的通讯系统示例的结构示意图。所述系统包括可穿戴设备102、服务器104和中间设备106。
可穿戴设备102是一种计算设备,被配置为在操作期间由人类用户佩戴。可穿戴设备102可以实现为手表、手环、手镯、支架、腕带、臂带、腿带、戒指、头带、项链、耳机、腿环或者马甲等,或者以另一可穿戴设备的形式实现。可穿戴设备102包括一个或多个传感器108,用于检测指示可穿戴设备102的用户的生理参数。传感器108可包括光容积图(PPG)传感器、心电图(ECG)传感器、电极、脉压传感器、血管特性传感器、温度传感器,另一传感器或其组合中的一个或多个。生理参数表示与可穿戴设备102的用户的身体的一个或多个重要系统(例如,心血管系统、呼吸系统、自主神经系统、体温系统或另一系统)相关的可测量的生理参数。例如,生理参数可以是可穿戴设备102的用户的心率、心率变异性、血氧水平、血压、体温或另一生理参数中的一个或多个。传感器108可以连续地或以其他方式频繁地周期性地采集可穿戴设备102的用户的生理信号数据。
可穿戴设备102还包括有处理器110和存储器111。所述存储器111存储应用程序或者其他可执行指令;所述处理器110用于运行应用程序或者其他可执行指令,以处理基于传感器108采集的生理参数而产生的生理信号数据。
服务器104上运行服务器程序112以处理生理信号数据的计算设备。服务器104可以包括硬件服务器(例如,服务器)、软件服务器(例如,web服务器和/或虚拟服务器)和/或虚拟服务器。
服务器程序112是用于检测可穿戴设备102的用户的健康状况、运动状况、睡眠状况或其组合中的一个或多个的软件,以使用生理信号数据检测可穿戴设备102的用户的健康状况、运动状况、睡眠状况或其组合中的一个或多个。例如,服务器程序112可以使用生理信号数据来确定用户生理状态的变化,然后基于所确定的变化来检测可穿戴设备102的用户的健康状况、运动状况、睡眠状况或其组合中的一个或多个。
服务器程序112可以访问服务器104上的数据库114,以执行服务器程序112的至少一些功能。数据库114是用于存储、管理或以其他方式提供用于交付服务器程序112的功能的数据的数据库或其他数据存储。例如,数据库114可以存储服务器104接收的生理信号数据,通过生理信号数据而产生或以其他方式确定的信息。例如,数据库114可以是关系数据库管理系统、对象数据库、XML数据库、配置管理数据库、管理信息库、一个或多个平面文件、其他合适的非瞬态存储机制或其组合。
中间设备106是用于促进可穿戴设备102和服务器104之间的通信的设备。中间设备106可以是计算设备,例如移动设备(例如,智能手机、平板电脑、笔记本电脑或其他移动设备)或其他计算机(例如,台式计算机或其他非移动计算机)。或者,中间设备106可以是或包括网络硬件,例如路由器、交换机、负载平衡器、另一网络设备或其组合。作为另一备选方案,中间设备106可以是另一个网络连接设备。例如,中间设备106可以是可穿戴设备102的联网电源充电器。
例如,根据中间设备106的特定实现,中间设备106可以运行应用程序118。应用程序118将中间设备106配置为向可穿戴设备102发送数据或从可穿戴设备102接收数据,和/或,向服务器104发送数据或从服务器104接收数据。另外,应用程序118可以响应于中间设备106的用户的操作,从中间设备106接收命令。例如,在中间设备106是具有触摸屏显示器的计算设备的情况下,中间设备106的用户可以通过触摸与应用程序中的用户界面元素相对应的显示器的一部分来接收命令。
在一些实现中,客户端设备被赋予访问服务器程序112的权限。例如,客户端设备可以是移动设备,例如智能手机、平板电脑、笔记本电脑等。在另一示例中,客户端设备可以是台式计算机或另一非移动计算机。客户端设备可以运行客户端应用程序以与服务器程序112通信。例如,客户端应用程序可以是能够访问服务器程序112的部分或全部功能和/或数据的移动应用。例如,客户端设备可以通过网络116与服务器104通信。在一些这样的实现中,客户端设备可以是中间设备106。
在一些实现中,中间设备106使用短距离通信协议从可穿戴设备102接收数据。例如,短距离通信协议可以是低能、红外、Z波、ZigBee、其他协议或其组合。中间设备106通过网络116将从可穿戴设备102接收的数据发送到服务器104。例如,网络116可以是局域网、广域网、机器对机器网络、虚拟专用网络或另一公共或专用网络。网络116可以使用远程通信协议。例如,远程通信协议可以是以太网、TCP、IP、电力线通信、Wi-Fi、GPRS、GSM、CDMA、其他协议或其组合。
在一些实现中,可以省略中间设备106。例如,可穿戴设备102可以被配置为通过网络116直接与服务器104通信。例如,可穿戴设备102和服务器104之间通过网络116的直接通信可以包括使用远程、低功率系统或另一通信机制。在一些实现中,中间设备106和服务器104都可以省略。例如,可穿戴设备102可以被配置为执行如上所述的关于服务器104的功能。在这样的实现中,可穿戴设备102可以独立于其他计算设备来处理和存储数据。
本公开实施例提供的一种睡眠评估方法可以由可穿戴设备执行,也可以由中间设备或服务器来执行。作为一个例子,可穿戴设备可以采集用户在睡眠期间的第一数据、以及所述用户在觉醒期间的第二数据,并反馈给中间设备或者服务器,以便由中间设备或者服务器基于接收到的第一数据和第二数据执行本公开实施例提供的睡眠评估方法,最后得到的评估结果可以在可穿戴设备或者作为中间设备的移动终端上显示。
作为另一个例子,睡眠评估方法可以在系统的两个或两个以上设备上执行,各个设备执行其中一部分。比如可穿戴设备可以采集用户在睡眠期间的第一数据、以及所述用户在觉醒期间的第二数据,并反馈给中间设备或者服务器;中间设备或者服务器可以基于可穿戴设备采集的数据确定用户在至少一个睡眠维度的评分和在认知觉醒维度的评分,并反馈给可穿戴设备;可穿戴设备可以根据所述用户在至少一个睡眠维度的评分和在认知觉醒维度的评分,对所述用户的睡眠进行评估,并展示睡眠评估结果。
接下来对本公开实施例提供的睡眠健康方法进行示例性说明:请参阅图2示出的流程示意图,所述方法可由电子设备来执行,所述电子设备包括可穿戴设备;或者,所述电子设备包括与可穿戴设备通信连接的计算设备,如以上例子中的中间设备或服务器设备,所述方法包括:
在S201中,获取用户在睡眠期间的第一数据、以及所述用户在觉醒期间的第二数据;其中,所述觉醒期间在所述睡眠期间之后。
在S202中,根据所述第一数据,确定所述用户在至少一个睡眠维度的评分。
在S203中,根据所述第二数据,确定所述用户在认知觉醒维度的评分。
在S204中,根据所述用户在至少一个睡眠维度的评分和在所述认知觉醒维度的评分,得到所述用户的睡眠评估结果。
本公开实施例综合考虑了用户的睡眠过程以及睡眠过程之后的觉醒过程,根据可穿戴设备等终端设备采集到的数据确定了用户从睡眠过程到觉醒过程中的多个维度的评分,进而基于多个维度的评分实现对用户的睡眠进行综合评估,得到所述用户的睡眠评估结果,评估维度更为全面,有利于提高评估结果的准确性。并且实现通过可穿戴设备等终端设备中的传感器采集的数据即可对用户的睡眠进行综合评估,满足用户日常评估睡眠的需求,具有广泛的实用性。
示例性的,可穿戴设备等终端设备包括至少一个传感器,例如运动传感器(比如加速度传感器、惯性测量单元或者陀螺仪等)、心率传感器、压力传感器和/或血氧传感器等,所述第一数据和所述第二数据可通过传感器采集到的数据来得到。
示例性的,所述第一数据可以包括传感器采集到的用户在睡眠期间的生理活动数据,例如睡眠期间采集到的体动数据、呼吸数据、心率数据等一种或任意多种。示例性地,所述第一数据可以包括通过对传感器采集到的睡眠期间的生理活动数据进行一种或多种处理得到的睡眠参数。其中,这里的睡眠期间可以包括一天或多天的睡眠期间,例如昨天的睡眠期间、前一周的睡眠期间或前一个月的睡眠期间,等等。
示例性地,所述第二数据可以包括传感器采集到的用户在觉醒期间的生理活动数据,例如觉醒期间采集到的加速度数据、脉搏波数据、心率数据、血氧数据、脑电波信号、心电信号、皮肤电信号等一种或任意多种。示例性地,所述第二数据可以包括通过对传感器采集到的用户在觉醒期间的生理活动数据进行一种或多种处理得到的觉醒参数。其中,这里的觉醒期间为在睡眠期间之后的觉醒期间,例如,睡眠期间包括用户在前一天晚上的睡眠时间段,则觉醒期间包括用户在今天白天的一个或多个时间段。
在一个实现方式中,所述第一数据可以包括用户的下列睡眠参数中的至少一种:入睡时间、睡眠时长、苏醒时间、深睡时长、睡眠阶段、觉醒次数、觉醒累计时长、入睡时间规律性、睡眠时长规律性、以及在床总时间。
在一些实施例中,电子设备可以根据所述第一数据中的不同睡眠参数,确定所述用户在不同睡眠维度的评分,比如在睡眠效率维度的评分、在睡眠时间维度的评分以及在睡眠满意维度的评分等等任意一种或多种。
在另一些实施例中,电子设备可以根据所述第一数据,确定用户在一天或多天的睡眠质量评估结果和/或睡眠满意度评估结果。例如,利用用户在一天或多天的睡眠分期数据,得到用户的睡眠质量评估结果,或者,利用用户在多天的睡眠分期数据,得到用户的睡眠满意度评估结果。在一些例子中,睡眠质量评估评估结果可以基于用户在至少一个睡眠维度的评分得到。例如,在睡眠效率维度的评分、在睡眠时间维度的评分、在睡眠满意度的评分等一种或任意多种。
下面结合具体例子对在睡眠效率维度的评分的确定过程进行示例性说明:
所述第一数据包括在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种。在床总时长为下床时间与上床时间之间的时间差。电子设备可以通过多种方式获得用户的上床时间和下床时间,例如,下床时间和/或上床时间可以由用户输入,或者,可以由可穿戴设备等终端设备中的传感器监测用户的运动数据,识别用户的上床和/或下床动作,进而确定上床和/或下床时间。用户的睡眠时长和觉醒次数可以通过对用户进行睡眠状态监测得到,例如,睡眠时长可以通过统计用户处于睡眠状态下的时间得到,觉醒次数可以通过统计用户从睡眠状态转变为非睡眠状态的次数得到。
示例性的,可穿戴设备包括运动传感器(比如加速度传感器、惯性测量单元或者陀螺仪等)和/或心率传感器等,若运动传感器采集的运动数据指示用户体动较少,和/或,若心率传感器采集的心率数据处于预设心率范围(比如低于60次/分或者65次/分),则确定用户进入睡眠状态;反之,若运动传感器采集的运动数据和/或心率传感器采集的心率数据不符合上述情况,则确定用户处于非睡眠状态。
电子设备可以根据所述在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种,确定所述用户在睡眠效率维度的评分。所述睡眠效率维度的评分反映了用户的有效睡眠的占比,其中,觉醒次数可以反映用户睡眠的连贯程度,关注的是用户入睡和/或用户睡眠中途觉醒后再次入睡的容易程度。举例来说,用户在床期间,如果睡眠时长越长,表征用户的睡眠效率(或者说睡眠连贯性)更高;如果用户多次中途觉醒,则反映了用户的睡眠效率(或者说睡眠连贯度)偏低。所述睡眠效率维度的评分与所述睡眠时长在所述在床总时长中的占比呈正相关关系,所述睡眠效率维度的评分与所述觉醒次数呈负相关关系。本公开实施例通过对睡眠效率的衡量能够反映用户的睡眠健康程度。
在一个例子中,电子设备可以根据在睡眠期间的觉醒次数,确定所述用户在睡眠效率维度的评分。其中,所述在睡眠效率维度的评分与所述觉醒次数呈负相关关系,比如睡眠效率评分为所述觉醒次数的倒数。
在另一个例子中,电子设备可以根据所述在床总时长和所述睡眠时长,确定所述用户在睡眠效率维度的评分。其中,所述在睡眠效率维度的评分与所述睡眠时长在所述在床总时长中的占据比例呈正相关关系,比如所述在睡眠效率维度的评分等于所述睡眠时长与所述在床总时长的比值。
在又一个例子中,电子设备可以根据在床总时长、睡眠时长和在睡眠期间的觉醒次数,共同确定所述用户在睡眠效率维度的评分。设在睡眠效率维度的评分为S1,在床总时长为A,睡眠时长为B,在睡眠期间的觉醒次数为C,则有其中,a,b为大于0的系数,可依据实际情况进行具体设置。
在另一些实施例中,还可以获取参考睡眠数据,并基于用户在睡眠期间的第一数据与参考睡眠数据,来确定用户在至少一个维度的评分。其中,参考睡眠数据可以基于用户的历史睡眠数据或用户的基本数据来确定,也可以基于用户所属群组的睡眠数据来确定,或者基于多种数据来共同确定,本公开实施例对此不做限定。
在一些实施例中,这里对在睡眠时间维度的评分的确定过程进行示例性说明:
利用大数据等数据处理技术,可以根据用户的特点对用户进行群组划分,从而实现为不同的用户群组提供针对性的服务,提升用户的使用体验。示例性的,所述同一用户群组指示该群组中的用户的一种或多种特性相同或相似。例如,作息习惯、基本属性、所在地区、睡眠类型等一种或多种参数相似,所述基本属性包括但不限于性别、年龄或者身高、职业等。其中,用户的基本属性信息可以由用户输入等等;用户的作息习惯可以由可穿戴设备监测用户的作息得到或者由用户输入等等;用户所在地区可以由设置于可穿戴设备上的定位传感器确定、或者由所述用户的移动终端(该移动终端与可穿戴设备通信连接)上的定位传感器或互联网络设备确定、或者由用户输入等等。用户的睡眠类型可以由用户输入,或者通过监测用户的睡眠得到,用户的睡眠类型包括无睡眠障碍类型、入睡障碍类型、睡眠短类型、睡眠浅类型、易醒类型、中间醒来后难以入睡类型等等,在获取多个用户的一种或多种参数之后,可以利用聚类算法对多个用户的上述参数进行聚类,从而确定用户所属用户群组。作为一个例子,属于同一用户群组的任意两个用户所在地区相同、性别相同以及年龄差距小于预设阈值(比如10岁)。作为另一个例子,属于同一用户群组的任意两个用户作息习惯相近且睡眠类型相同。作为另一个例子,属于同一用户群组的两个用户睡眠类型相同且年龄差距小于预设阈值。
在一些实现方式中,所述第一数据包括睡眠时间数据,该睡眠时间数据用于指示用户的睡眠时间的数据,包括一种或多种与睡眠时间相关的数据,例如入睡时间、苏醒时间、睡眠时长等一种或多种。电子设备可以根据所述睡眠时间数据和所述用户所属用户群组的参考睡眠时间数据之间的差异,确定所述用户在睡眠时间维度的评分。其中,所述用户群组的参考睡眠时间数据包括:所述用户群组的睡眠时间统计数据,其中,用户群组的睡眠时间统计数据可以是通过对用户群组中的所有用户的睡眠时间数据进行统计处理得到的,或者,是通过对用户群组中的部分用户的睡眠时间数据进行统计处理得到的,其中,所述统计可以是对数据直接进行统计计算,也可以在对数据进行一种或多种过滤或其它类型的预处理后再进行统计计算,这里不做限定。所述用户群组的睡眠时间统计数据包括但不限于所述用户群组中的部分或全部用户的睡眠时间数据的平均值、中位数或者其他统计方式获得的统计值。本实施例利用所述用户所属用户群组的参考睡眠时间数据来对用户的睡眠时间数据进行评估,有利于保证用户在睡眠时间维度的评分的客观性和准确性。
示例性的,电子设备预存有所述用户群组的参考睡眠时间数据,或者,电子设备从其它设备处获取用户群组的参考睡眠时间数据。电子设备可以根据所述睡眠时间数据和所述用户所属用户群组的参考睡眠时间数据之间的差异,得到所述用户在睡眠时间维度的评分。
示例性的,所述睡眠时间数据包括睡眠时长。对于睡眠时长的评估,可以参考所述用户所属用户群组中的其他用户的睡眠时长情况。电子设备可以根据所述睡眠时长和所述用户所属用户群组的参考睡眠时长之间的差异,确定所述用户的睡眠时长评分。本实施例利用所述用户所属用户群组的参考睡眠时长对所述用户的睡眠时长进行评估,判断用户的睡眠是否充足,有利于保证睡眠时长评分的客观性和准确性,通过对睡眠时长的衡量能够更为准确地评估用户的睡眠健康程度。
在一个例子中,所述睡眠时长评分包括第一差值与所述用户所属用户群组的参考睡眠时长的标准差之间的比值,所述第一差值为所述用户的睡眠时长和所述用户所属用户群组的参考睡眠时长的统计数值之间的差值,所述用户所属用户群组的参考睡眠时长的统计数值包括但不限于中位数或者平均值等。举个例子,设睡眠时长评分为S2,睡眠时长为B,所述用户所属用户群组的参考睡眠时长的中位数为B1,所述用户所属用户群组的参考睡眠时长的标准差为SD1,则有
示例性的,所述睡眠时间数据包括入睡时刻。对于入睡时刻的评估,可以参考所述用户所属用户群组中的其他用户的入睡时刻情况。电子设备可以根据所述入睡时刻和所述用户所属用户群组的参考入睡时刻之间的差异,确定所述用户的入睡时间评分。本实施例利用所述用户所属用户群组的参考入睡时刻对所述用户的入睡时刻进行评估,判断用户的入睡时刻是否健康,有利于保证入睡时刻评分的客观性和准确性;通过对入睡时刻的衡量能够更为准确地评估用户的睡眠健康程度。
在一个例子中,所述入睡时刻评分包括第二差值与所述用户所属用户群组的参考入睡时刻的标准差之间的比值,所述第二差值为所述入睡时刻和所述用户所属用户群组的参考入睡时刻的统计值之间的差值,所述用户所属用户群组的参考入睡时刻的统计值包括但不限于中位数或者平均值等。设入睡时刻评分为S3,入睡时刻为D,所述用户所属用户群组的参考入睡时刻的平均值为D1,所述用户所属用户群组的参考入睡时刻的标准差为SD2,则有
在一些实施例中,可以利用用户在多天的睡眠期间的数据,得到用户在一个或多个睡眠维度的评分。这里对在睡眠满意维度的评分的确定过程进行示例性说明。
所述第一数据包括用户在多天的睡眠期间的睡眠分期数据。所述睡眠分期数据指示在某一时间段内用户是否处于睡眠状态,或者进一步指示用户的睡眠阶段,例如属于入睡潜伏期、浅睡期、深睡期、或快速眼动期。其中,所述时间段可依据实际应用场景进行具体设置,比如所述时间段可以是1分钟、10分钟或者半个小时等等,或者基于用户的睡眠分期数据来确定。
一般来说,睡眠满意度是用户对睡眠“好”或“差”的主观评估。本公开实施例中,实现以可穿戴设备等终端设备的传感器测量的睡眠分期数据为基础,通过机器学习等技术建立睡眠分期数据与用户主观感受之间的映射关系,得到睡眠满意度评估模型,实现对用户睡眠满意度的客观评估。电子设备可以利用建立的睡眠满意度评估模型对所述用户在多天的睡眠期间的睡眠分期数据进行处理,获得用户的睡眠满意度评估结果,并将所述睡眠满意度评估结果作为用户在睡眠满意维度的评分,或者,对睡眠满意度评估结果进行进一步处理,以得到用户在睡眠满意维度的评分。其中,所述睡眠满意度评估模型反映了用户的睡眠分期数据与用户主观感受之间的映射关系。其中,本实施例利用多天的睡眠分期数据来进行睡眠满意度评估,减少单天的睡眠分期数据带来的误差问题,有利于提高睡眠满意度评估结果的准确性。
示例性的,所述睡眠满意度评估模型通过训练得到,或者所述睡眠满意度评估模型通过对用户对睡眠满意度的主观衡量标准作为参考来建立,其中,用户对睡眠满意度的主观衡量标准可以由用户来输入,或通过其它方式获得。在一个例子中,基于不同用户的多天的睡眠分期数据及其睡眠满意度标签进行有监督训练得到,所述睡眠满意度标签基于所述不同用户的睡眠满意度调查问卷结果得到,其中,该不同用户可以是用户所属用户群组中的用户,或者是不同用户群组的用户或未划分用户群组的用户。在一个例子中,可以利用可穿戴设备的至少一个传感器在用户的睡眠期间采集用户的睡眠分期数据,在用户睡醒之后,请参阅图3,可穿戴设备可以在显示界面上显示对睡眠过程的调查问卷内容,该调查问卷内容用于调查用户对睡眠过程的满意程度,用户可以根据自身的实际情况对睡眠过程的睡眠满意度进行评分,从而可穿戴设备可以获得用户多天的睡眠分期数据和睡眠满意度标签。当然,也可以通过其他方式,比如语音问询方式调查用户的睡眠满意度,本实施对此不做任何限制。
在睡眠满意度评估模型训练过程中,针对于不同用户的多天的睡眠分期数据及其睡眠满意度标签循环执行下述过程,直到满足循环结束条件:将各个用户的多天的睡眠分期数据输入当前睡眠满意度评估模型中进行预测,获得睡眠满意度预测结果。在所述循环结束条件未被满足时,根据睡眠满意度预测结果和睡眠满意度标签之间的差异调整当前睡眠满意度评估模型的模型参数,以得到调整后的当前睡眠满意度评估模型;其中,所述调整后的当前睡眠满意度评估模型作为下一循环过程的当前睡眠满意度评估模型。可以理解的是,所述循环结束条件包括但不限于达到预设循环次数、或者睡眠满意度预测结果和睡眠满意度标签之间的差异小于预设差异等等,本实施例对此不做任何限制。
可以理解的是,睡眠满意度评估模型可以是全连接神经网络、卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)、生成对抗网络(GAN)或者Transformer模型等等,但不限于此,可依据实际应用场景进行具体设置。本实施例对于所述睡眠满意度评估模型的训练过程的执行设备不做任何限制;在一个例子中,所述睡眠满意度评估模型的训练过程可以由服务器来执行,在训练完成之后,将训练好的睡眠满意度评估模型移植到执行本公开实施例提供的睡眠评估方法的电子设备上。
示例性的,为了进一步提高模型预测的准确性,参与睡眠满意度评估模型的训练过程的样本数据除了包括不同用户的多天的睡眠分期数据之外,还可以包含所述不同用户的作息习惯、基本属性、所在地区等一种或多种参数,所述不同以及用户的作息习惯、基本属性、所在地区等一种或多种参数可以对用户进行群组划分以得到不同用户群组,使得睡眠满意度评估模型可以学习到不同用户群组对应的多天的睡眠分期数据与用户满意度之间的映射关系,提高模型的评估准确性。则在实际应用过程中,可以将所述用户的作息规律、生理属性、所在地区等一种或多种参数、以及所述用户的多天睡眠分期数据输入训练好的睡眠满意度评估模型进行处理,得到用户的睡眠满意度评估结果。
在一个例子中,请参阅图4,所述睡眠满意度评估模型包括嵌入层和处理层。所述嵌入层用于将输入的多天的睡眠分期数据转换为嵌入向量,实现获取低维度稠密特征的目的,从而避免大量的稀疏特征对资源的过度占用。示例性的,所述嵌入层具体用于通过长度为k的窗口按照相同步长扫描所述多天的睡眠分期数据,将各个窗口内的k个睡眠分期数据转换为嵌入向量,k为大于0的整数。所述处理层用于根据所述嵌入向量进行睡眠满意度评估,获取用户的睡眠满意度评估结果,所述睡眠满意度评估结果即是用户在睡眠满意维度的评分。
在一些实施例中,对在认知觉醒维度的评分的确定过程进行示例性说明:
可以利用可穿戴设备采集所述用户在觉醒期间的至少一个时间段的第二数据,进而电子设备根据所述至少一个时间段中每个时间段的第二数据,确定所述用户在认知觉醒维度的评分,所述用户在认知觉醒维度的评分指示用户的认知疲劳程度。
示例性的,所述第二数据可以包括用户在觉醒期间的生理活动数据,例如觉醒期间采集到的加速度数据、脉搏波数据、心率数据、血氧数据、脑电波信号、心电信号、皮肤电信号等一种或任意多种。
在一些可能的实施方式中,所述电子设备可以根据所述至少一个时间段中每个时间段的第二数据进行认知疲劳度评估,得到所述每个时间段的认知疲劳度评估结果;然后根据所述至少一个时间段中每个时间段的认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。在一个例子中,为了提高评分准确性,所述时间段可以设置得尽可能长,比如所述至少一个时间段至少覆盖用户的觉醒期间的三分之一,从而尽可能客观地评估用户在觉醒期间的清醒程度。比如用户的觉醒期间为6:00~22:00;所述时间段为10:00~18:00。
在另一个例子中,为了提高评分准确性,可以获取多个时间段内的第二数据,电子设备对每个时间段的第二数据进行认知疲劳度评估,得到所述每个时间段的认知疲劳度评估结果,然后根据多个时间段的认知疲劳度评估结果的统计值,得到所述用户在认知觉醒维度的评分。其中,所述统计值可以是平均值、中位数或者基于其他统计方式确定的统计值。比如用户的觉醒期间为6:00~22:00;多个时间段包括6:30~7:00、8:00~9:00、10:00~12:00、14:00~14:30、16:00~17:00、以及20:00~21:00。
在一些实施例中,采集的第二数据包括脑电波信号、心电信号、皮肤电信号中的至少一种,电子设备可以直接对脑电波信号、心电信号、皮肤电信号中的至少一种进行处理,得到用户的认知疲劳度评估结果。
在另一些实施例中,采集的第二数据包括加速度数据、脉搏波数据、心率数据、血氧数据中的至少一种,所述电子设备可以预存有不同第二数据与认知疲劳度的映射关系。在睡眠评估过程中,电子设备可以根据每一时间段内的第二数据从所述映射关系中确定该时间段对应的认知疲劳度评估结果。
示例性的,可以通过建立认知疲劳度评估模型来进行认知疲劳度评估,比如,所述认知疲劳度评估模型是通过基于脑电信号、心电信号和皮肤电信号中的至少一种的标签进行监督训练得到的。在对用户进行睡眠健康评估的过程中,电子设备可以对所述第二数据进行特征提取处理,得到所述用户的特征数据;然后利用认知疲劳度评估模型对所述特征数据进行处理,得到认知疲劳度评估结果;进而根据所述认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。
在认知疲劳度评估模型训练过程中,可以针对于不同用户的第二数据及其认知疲劳度标签循环执行下述过程,直到满足循环结束条件:将各个用户的第二数据输入当前认知疲劳度评估模型中进行预测,获得认知疲劳度预测结果。在所述循环结束条件未被满足时,根据认知疲劳度预测结果和认知疲劳度标签之间的差异调整当前认知疲劳度评估模型的模型参数,以得到调整后的当前认知疲劳度评估模型;其中,所述调整后的当前认知疲劳度评估模型作为下一循环过程的当前认知疲劳度评估模型。可以理解的是,所述循环结束条件包括但不限于达到预设循环次数、或者认知疲劳度预测结果和认知疲劳度标签之间的差异小于预设差异等等,本实施例对此不做任何限制。所述认知疲劳度标签包括但不限于脑电信号EEG、心电信号ECG和皮肤电信号中的至少一种。
可以理解的是,认知疲劳度评估模型可以是全连接神经网络、卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)、生成对抗网络(GAN)、长短期记忆网络(LSTM,Long Short-Term Memory)、XGBoost(极端梯度提升,eXtreme Gradient Boosting)模型或者Transformer模型等等,但不限于此,可依据实际应用场景进行具体设置。本实施例对于所述认知疲劳度评估模型的训练过程的执行设备不做任何限制;在一个例子中,所述认知疲劳度评估模型的训练过程可以由服务器来执行,在训练完成之后,将训练好的认知疲劳度评估模型移植到执行本公开实施例提供的睡眠评估方法的电子设备上。
在一个例子中,所述第二数据包括脉搏波数据和加速度数据,认知疲劳度评估模型对用户的脉搏波数据和加速度数据进行处理,得到用户的认知疲劳度评估结果。在训练过程中,输入数据是不同用户的脉搏波数据和加速度数据,或者对脉搏波数据和加速度数据进行一种或多种处理得到的数据,监督标签是基于所述不同用户的脑电信号得到的认知疲劳度。在睡眠评估过程中,电子设备可以对所述脉搏波数据和所述加速度数据分别进行特征提取处理,得到第一特征数据和第二特征数据;然后将所述第一特征数据和所述第二特征数据输入到认知疲劳度评估模型进行处理,输出所述用户的认知疲劳度评估结果。本实施例中,利用PPG(光电容积描记,photo plethysmo graphy)传感器采集的脉搏波数据和加速度传感器采集的加速度数据来进行认知疲劳度评估,以便确定用户在认知觉醒维度的评分,有利于提高本实施例提供的睡眠评估方法的实用性。
示例性的,请参阅图5,所述认知疲劳度评估模型包括特征提取层和处理层。所述特征提取层用于对所述脉搏波数据和所述加速度数据分别进行特征提取处理,得到第一特征数据和第二特征数据。所述处理层用于根据所述特征提取层提取的第一特征数据和第二特征数据进行认知疲劳度评估,获取认知疲劳度评估结果。
在一个例子中,特征提取层在对脉搏波数据进行特征提取的过程中,可以通过预设时间窗口按照相同步长扫描脉搏波数据,对于任一时间窗口内的脉搏波数据,提取该时间窗口的全部R波峰值,进而基于全部R波峰值的统计值(比如均值、方差、标准差或者中位数等等)获得该时间窗口的第一特征数据。其中,所述预设时间窗口可以是RR间期,也即相邻两次心跳之间的间隔时间,或其它时间间隔。
在另一个例子中,特征提取层在对加速度数据进行特征提取的过程中,可以通过预设时间窗口按照相同步长扫描加速度数据,对于任一时间窗口内的加速度数据进行统计(比如均值、方差、标准差或者中位数等等),获得该时间窗口的第二特征数据。其中,所述预设时间窗口可以是RR间隔,也即相邻两次心跳之间的间隔时间;或者也可以是其他的时间取值,比如1秒作为1个时间窗口。
其中,所述用户在认知觉醒维度的评分指示用户的觉醒程度。所述用户在认知觉醒维度的评分与所述认知疲劳度评估结果呈负相关关系,即所述认知疲劳度评估结果越高,则所述用户在认知觉醒维度的评分越低。在一个例子中,假设用户在认知觉醒维度的评分为S5,所述认知疲劳度评估结果为X,则有本实施例实现通过认知疲劳度评估结果确定用户在清醒时保持注意力的能力。
在一些实施例中,这里对所述用户的睡眠评估结果的获得过程进行示例性说明:
所述电子设备存储有不同维度对应的权重。在得到所述用户在多个维度的评分之后,电子设备可以根据所述用户在多个维度的评分以及各个维度对应的权重,获得所述用户的睡眠评估结果。本公开实施例根据可穿戴设备采集的数据确定了用户从睡眠过程到觉醒过程中的多个维度的评分,进而基于多个维度的评分以及各个维度对应的权重实现对用户的睡眠进行综合评估,评估维度更为全面,有利于提高评估结果的准确性。
示例性的,所述电子设备可以根据所述用户在至少一个睡眠维度的评分、所述用户在认知觉醒维度的评分以及各个维度对应的权重进行加权求和处理,获得所述用户的睡眠评估结果。设在睡眠效率维度的评分为S1,权重为w1;在睡眠时间维度的评分包括睡眠时长评分和入睡时刻评分,设睡眠时长评分为S2,权重为w2;入睡时刻评分为S3、权重为w3;睡眠满意度评估结果(在睡眠满足度维度的评分)为S4,权重为w4;用户在认知觉醒维度的评分为S5,权重为w5;睡眠评估结果为S,则有其中,i表示不同的维度。其中,良好的睡眠健康的特征是主观满意度较高、适当的睡眠时刻、充足的睡眠持续时间、高效率的睡眠和/或清醒时保持注意力的能力。通过最后得到的睡眠评估结果可以客观地反映出用户睡眠的健康程度。
在一些实施例中,各个维度的权重是根据先验或专家知识确定的。或者,各个维度的权重是根据用户的基本属性信息、用户的输入信息、用户的睡眠类型、用户的作息习惯等一种的或多种信息确定。或者,各个维度的权重是根据用户输入设置的。或者,各个维度的权重是根据各个维度的评估模型输出的置信度确定的。例如,睡眠满意度评估模型输出睡眠满意度评估结果以及对应的置信度,该置信度用于确定睡眠满意度评估结果的权重。再例如,认知疲劳度评估模型输出认知疲劳度评估结果以及对应的置信度,该置信度用于确定认知觉醒维度的权重。
在另一些实施例中,各个维度对应的权重依赖于与所述维度相关联的至少一个病症的治疗成本以及所述维度对所述至少一个病症的影响程度。其中,病症的治疗成本可以通过调查问卷的方式获得。在一个例子中,比如可以通过追踪调查获取不同用户一年的健康或者睡眠症状情况;在用户开始进入追踪调查前进行体检以及填写有关疾病或者亚健康状态的调查问卷;在追踪调查一年后,让这些用户再次进行体检以及填写有关疾病或者亚健康状态的调查问卷;然后基于前后两次的调查问卷中的健康或者睡眠症状情况的差异,可以确定与各个维度相关的至少一个病症的治疗成本。
在一个例子中,各个维度对应的权重反映了该维度的评分对于用户的睡眠评估结果的重要程度,其依赖于与所述维度相关联的至少一个病症的治疗成本以及所述维度对所述至少一个病症的影响程度。比如设任一维度的权重为ωi,ωi是Si对应的权重,i表示不同的维度(睡眠维度或者认知觉醒维度),Ri表示维度i的重要程度,Hj表示与维度相关的病状j的治疗成本,aORij表示维度i对于症状j的影响程度;则有
在一些实施例中,不同维度的权重可以具有不同的确定方式,或者同一维度的权重可以基于两种以上方式来确定,本公开实施例对此不做限定。
以上实施方式中的各种技术特征可以任意进行组合,只要特征之间的组合不存在冲突或矛盾,但是限于篇幅,未进行一一描述,因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
与前述睡眠评估方法的实施例相对应,本公开还提供了电子设备以及存储介质的实施例。
相应的,本公开实施例还提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器执行所述可执行指令时,用于:
获取用户在睡眠期间的第一数据、以及所述用户在觉醒期间的第二数据;其中,所述觉醒期间在所述睡眠期间之后;
根据所述第一数据,确定所述用户在至少一个睡眠维度的评分;
根据所述第二数据,确定所述用户在认知觉醒维度的评分;
根据所述用户在至少一个睡眠维度的评分和在所述认知觉醒维度的评分,得到所述用户的睡眠评估结果。
在一些实施例中,所述用户在觉醒期间的第二数据,包括:所述用户在觉醒期间的至少一个时间段的第二数据。
所述处理器还用于:根据所述至少一个时间段中每个时间段的第二数据进行认知疲劳度评估,得到所述每个时间段的认知疲劳度评估结果;根据所述至少一个时间段中每个时间段的认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。
在一些实施例中,所述处理器还用于:对所述第二数据进行特征提取处理,得到所述用户的特征数据;利用认知疲劳度评估模型对所述特征数据进行处理,得到认知疲劳度评估结果;其中,所述认知疲劳度评估模型是通过基于脑电信号、心电信号和皮肤电信号中的至少一种的标签进行训练得到的;根据所述认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。
在一些实施例中,所述第二数据包括脉搏波数据和加速度数据。
在一些实施例中,所述处理器还用于:对所述脉搏波数据和所述加速度数据分别进行特征提取处理,得到第一特征数据和第二特征数据;将所述第一特征数据和所述第二特征数据输入到认知疲劳度评估模型进行处理,输出所述用户的认知疲劳度评估结果。
在一些实施例中,所述第一数据包括在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种;所述处理器还用于:根据所述在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种,确定所述用户在睡眠效率维度的评分。
在一些实施例中,所述第一数据包括睡眠时间数据;所述处理器还用于:根据所述睡眠时间数据和所述用户所属用户群组的参考睡眠时间数据之间的差异,确定所述用户在睡眠时间维度的评分。
在一些实施例中,所述睡眠时间数据包括睡眠时长和入睡时刻中的至少一种;和/或所述用户群组的参考睡眠时间数据包括:所述用户群组的睡眠时间统计数据。
在一些实施例中,所述第一数据包括在多天的睡眠期间的睡眠分期数据;所述处理器还用于:利用睡眠满意度评估模型对所述多天的睡眠分期数据进行处理,获得用户的睡眠满意度评估结果。
在一些实施例中,所述处理器还用于:根据所述用户在至少一个睡眠维度的评分、所述用户在认知觉醒维度的评分以及各个维度对应的权重,获得所述用户的睡眠评估结果;其中,各个维度对应的权重依赖于与所述维度相关联的至少一个病症的治疗成本以及所述维度对所述至少一个病症的影响程度。
相应的,本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
相应的,本公开还提供一种计算机程度产品,该计算机程度产品被处理器执行时实现上述任一项所述方法的步骤。
本公开可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
如图6所示,图6是本公开根据一示例性实施例示出的一种电子设备的结构图。该设备300可以是智能电话/手机、平板计算机、个人数字助理(PDA)、膝上计算机、台式计算机、媒体内容播放器、视频游戏站/系统、虚拟现实系统、增强现实系统、可穿戴式设备(例如,手表、眼镜、手套、头饰(例如,帽子、头盔、虚拟现实头戴耳机、增强现实头戴耳机、头装式装置(HMD)、头带)、挂件、臂章、腿环、鞋子、马甲)、遥控器、或者任何其他类型的设备。
参照图6,设备300可以包括以下一个或多个组件:处理组件302,存储器304,电源组件306,多媒体组件308,音频组件310,输入/输出(I/O)的接口312,传感器组件314,以及通信组件316。
处理组件302通常控制设备300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理组件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在设备300的操作。这些数据的示例包括用于在设备300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件306为设备300的各种组件提供电力。电源组件306可以包括电源管理系统,一个或多个电源,及其他与为设备300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述设备300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当设备300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当设备300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为设备300提供各个方面的状态评估。例如,传感器组件314可以检测到设备300的打开/关闭状态,组件的相对定位,例如所述组件为设备300的显示器和小键盘,传感器组件314还可以检测设备300或设备300中一个组件的位置改变,用户与设备300接触的存在或不存在,设备300方位或加速/减速和设备300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于设备300和其他设备之间有线或无线方式的通信。设备300可以接入基于通信标准的无线网络,如WiFi,2G、3G或4G,或它们的组合。在一个示例性实施例中,通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器304,上述指令可由设备300的处理器320执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
以上所述仅为本公开的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (12)
1.一种睡眠评估方法,其特征在于,包括:
获取用户在睡眠期间的第一数据、以及所述用户在觉醒期间的第二数据;其中,所述觉醒期间在所述睡眠期间之后;
根据所述第一数据,确定所述用户在至少一个睡眠维度的评分;
根据所述第二数据,确定所述用户在认知觉醒维度的评分;
根据所述用户在至少一个睡眠维度的评分和在所述认知觉醒维度的评分,得到所述用户的睡眠评估结果。
2.根据权利要求1所述的方法,其特征在于,所述用户在觉醒期间的第二数据,包括:所述用户在觉醒期间的至少一个时间段的第二数据;
所述根据所述第二数据,确定所述用户在认知觉醒维度的评分,包括:
根据所述至少一个时间段中每个时间段的第二数据进行认知疲劳度评估,得到所述每个时间段的认知疲劳度评估结果;
根据所述至少一个时间段中每个时间段的认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述第二数据,确定所述用户在认知觉醒维度的评分,包括:
对所述第二数据进行特征提取处理,得到所述用户的特征数据;
利用认知疲劳度评估模型对所述特征数据进行处理,得到认知疲劳度评估结果;其中,所述认知疲劳度评估模型是通过基于脑电信号、心电信号和皮肤电信号中的至少一种的标签进行训练得到的;
根据所述认知疲劳度评估结果,得到所述用户在认知觉醒维度的评分。
4.根据权利要求1或2所述的方法,其特征在于,所述第二数据包括脉搏波数据和加速度数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第二数据,确定所述用户在认知觉醒维度的评分,包括:
对所述脉搏波数据和所述加速度数据分别进行特征提取处理,得到第一特征数据和第二特征数据;
将所述第一特征数据和所述第二特征数据输入到认知疲劳度评估模型进行处理,输出所述用户的认知疲劳度评估结果。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述第一数据包括在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种;
所述利用所述第一数据,确定所述用户在至少一个睡眠维度的评分,包括:
根据所述在床总时长、睡眠时长和在睡眠期间的觉醒次数中的至少一种,确定所述用户在睡眠效率维度的评分。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述第一数据包括睡眠时间数据;
所述利用所述第一数据,确定所述用户在至少一个睡眠维度的评分,包括:
根据所述睡眠时间数据和所述用户所属用户群组的参考睡眠时间数据之间的差异,确定所述用户在睡眠时间维度的评分。
8.根据权利要求7所述的方法,其特征在于,所述睡眠时间数据包括睡眠时长和入睡时刻中的至少一种;和/或
所述用户群组的参考睡眠时间数据包括:所述用户群组的睡眠时间统计数据。
9.根据权利要求1至8任意一项所述的方法,其特征在于,所述第一数据包括在多天的睡眠期间的睡眠分期数据;
所述利用所述第一数据,确定所述用户在至少一个睡眠维度的评分,包括:
利用睡眠满意度评估模型对所述在多天的睡眠期间的睡眠分期数据进行处理,获得用户的睡眠满意度评估结果。
10.根据权利要求1至9任意一项所述的方法,其特征在于,所述根据所述用户在至少一个睡眠维度的评分和在认知觉醒维度的评分,得到所述用户的睡眠评估结果,包括:
根据所述用户在至少一个睡眠维度的评分、所述用户在认知觉醒维度的评分以及各个维度对应的权重,获得所述用户的睡眠评估结果;
其中,各个维度对应的权重依赖于与所述维度相关联的至少一个病症的治疗成本以及所述维度对所述至少一个病症的影响程度。
11.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器执行所述可执行指令时,用于实现权利要求1至10任意一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至10任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496799.9A CN118058707A (zh) | 2022-11-24 | 2022-11-24 | 睡眠评估方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496799.9A CN118058707A (zh) | 2022-11-24 | 2022-11-24 | 睡眠评估方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118058707A true CN118058707A (zh) | 2024-05-24 |
Family
ID=91102760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211496799.9A Pending CN118058707A (zh) | 2022-11-24 | 2022-11-24 | 睡眠评估方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118058707A (zh) |
-
2022
- 2022-11-24 CN CN202211496799.9A patent/CN118058707A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200275848A1 (en) | Virtual reality guided meditation with biofeedback | |
US9086884B1 (en) | Utilizing analysis of content to reduce power consumption of a sensor that measures affective response to the content | |
EP2713881B1 (en) | Method and system for assisting patients | |
US20140121540A1 (en) | System and method for monitoring the health of a user | |
US11504068B2 (en) | Methods, systems, and media for predicting sensor measurement quality | |
US11723568B2 (en) | Mental state monitoring system | |
US20210015415A1 (en) | Methods and systems for monitoring user well-being | |
US20220031239A1 (en) | System and method for collecting, analyzing and sharing biorhythm data among users | |
KR20210099556A (ko) | 사용자의 감정 상태의 모니터링 및 목표 상태 보강을 통해 사용자 간의 상호 작용의 향상을 위한 시스템 및 방법 | |
CN108375909A (zh) | 一种参数分析方法、装置、设备和计算机可读存储介质 | |
WO2021121226A1 (zh) | 一种心电信号的预测方法、装置、终端以及存储介质 | |
CN115867186A (zh) | 用于评估睡眠质量的电子装置和电子装置的操作方法 | |
Palaghias et al. | A survey on mobile social signal processing | |
KR101912860B1 (ko) | 우울증 인지 및 케어를 위한 스마트 주얼리 시스템 | |
WO2022161067A1 (zh) | 一种睡前状态检测方法及设备 | |
CN118058707A (zh) | 睡眠评估方法、设备及存储介质 | |
CN115153511A (zh) | 睡姿监测方法、装置、可穿戴设备及存储介质 | |
CN118121156A (zh) | 活动指导方法、设备及存储介质 | |
US20230293096A1 (en) | Electronic device for providing user interface related to sleep state and operating method thereof | |
CN115599211A (zh) | 手势识别方法、可穿戴设备及存储介质 | |
CN115936123A (zh) | 一种认知障碍风险的因果推理方法及系统 | |
CN118253010A (zh) | 用于睡眠辅助的方法、存储介质及电子设备 | |
KR20220050495A (ko) | 라이프스타일 인식을 위한 서사 생성 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |